[转帖]《Linux性能优化实战》笔记（一）—

最近在看极客时间的《Linux性能优化实战》课程，记录下学习内容。

一、平均负载（Load Average）

1. 概念

我们都知道uptime命令的最后三列分别是过去 1 分钟、5 分钟、15 分钟系统的平均负载，到底平均负载是什么？

简单来说，平均负载是指单位时间内，系统处于可运行状态和不可中断状态的平均进程数，也就是平均活跃进程数（它实际上是活跃进程数的指数衰减平均值）。

可运行状态的进程，是指正在使用或者等待 CPU 的进程，也就是我们常用 ps 命令看到的，处于 R 状态（Running 或 Runnable）的进程
不可中断状态的进程则是正处于内核态关键流程中的进程，并且这些流程是不可打断的，最常见的是等待硬件设备的 I/O 响应，也就是我们在 ps 命令中看到的 D 状态（Uninterruptible Sleep，也称为 Disk Sleep）的进程

平均负载不仅包括了正在使用 CPU 的进程，还包括等待 CPU 和等待I/O 的进程，它未必等价于CPU使用率。比如：

CPU 密集型进程，使用大量 CPU 会导致平均负载升高，此时这两者是一致的；
I/O 密集型进程，等待 I/O 也会导致平均负载升高，但 CPU 使用率不一定很高；
大量等待 CPU 的进程调度也会导致平均负载升高，此时的 CPU 使用率也会比较高。

2. 合理范围

平均负载表示系统对CPU资源的需求。比如当平均负载为 2 时，意味着什么呢？首先你要知道系统有几个 CPU。






# 查看物理CPU个数





cat /proc/cpuinfo| grep "physical id"| sort| uniq| wc -l





# 查看逻辑CPU的个数





cat /proc/cpuinfo| grep "processor"| wc -l

当平均负载比 CPU 个数还大的时候，系统已经出现了过载，例如：

在只有 2 个 CPU 的系统上，意味着所有的 CPU 都刚好被完全占用
在 4 个 CPU 的系统上，意味着 CPU 有 50% 的空闲
而在只有 1 个 CPU 的系统中，则意味着有一半的进程竞争不到 CPU

既然平均的是活跃进程数，那么最理想的，就是每个 CPU 上都刚好运行着一个进程，这样每个 CPU 都得到了充分利用。当平均负载 > CPU数 * 70% 时，你就应该分析排查负载高的问题了。一旦负载过高，就可能导致进程响应变慢，进而影响服务的正常功能。但 70% 这个数字并不是绝对的，最推荐的方法，还是把系统的平均负载监控起来，然后根据更多的历史数据，判断负载的变化趋势。当发现负载有明显升高趋势时，比如说负载翻倍了，再去做分析和调查。

二、案例分析

下面，我们以三个示例分别来看这三种情况，并用 iostat、mpstat、pidstat 等工具，找出平均负载升高的根源。需要预先安装 stress 和 sysstat 包。






yum -y install epel-release





yum -y install stress sysstat

rpm包 http://www.rpmfind.net/linux/rpm2html/search.php?query=stress

编译安装参考 https://www.cnblogs.com/wuzm/p/11096276.html

1. 工具简介

stress 是一个 Linux 系统压力测试工具，这里我们用作异常进程模拟平均负载升高的场景。

sysstat 包含了常用的 Linux 性能工具，用来监控和分析系统的性能，我们的案例会用到mpstat 和 pidstat两个命令。

mpstat 是一个常用的多核 CPU 性能分析工具，用来实时查看每个 CPU 的性能指标，以及所有 CPU 的平均指标。
pidstat 是一个常用的进程性能分析工具，用来实时查看进程的 CPU、内存、I/O 以及上下文切换等性能指标。

首先查看下系统当前平均负载（测试虚拟机4c8g）

2. CPU 密集型进程场景

第一个终端：运行 stress 命令，模拟一个 CPU 使用率 100% 的场景

stress --cpu 1 --timeout 600

第二个终端：运行 uptime 命令






# -d 参数表示高亮显示变化的区域





watch -d uptime





..., load average: 1.00, 0.75, 0.39

可以看到平均负载慢慢在升高，到大概1

第三个终端：运行 mpstat 查看 CPU 使用率的变化情况






# -P ALL 表示监控所有CPU，后面数字5表示间隔5秒后输出一组数据





mpstat -P ALL 5

可以看到，正好有一个 CPU 的使用率为 100%，但它的 iowait 只有 0。这说明，平均负载的升高正是由于 CPU 使用率为 100% 。

到底是哪个进程导致了 CPU 使用率为 100% 呢？你可以使用 pidstat 来查询：






# 间隔5秒后输出一组数据，-u表示CPU指标





pidstat -u 5 1

可以看到这个进程就是stress

3. IO密集进程场景

首先还是运行 stress 命令，但这次模拟 I/O 压力，即不停地执行 sync。

stress -i 1 --timeout 600

第二个终端运行 uptime 查看平均负载的变化情况。可以看到平均负载慢慢在升高，到大概1

第三个终端运行 mpstat 查看 CPU 使用率的变化情况：






# 显示所有CPU的指标，并在间隔5秒输出一组数据





$ mpstat -P ALL 5 1





Linux 4.15.0 (ubuntu) 09/22/18 _x86_64_ (2 CPU)





13:41:28 CPU %usr %nice %sys %iowait %irq %soft %steal %gues





13:41:33 all 0.21 0.00 12.07 32.67 0.00 0.21 0.00 0.0





13:41:33 0 0.43 0.00 23.87 67.53 0.00 0.43 0.00 0.0





13:41:33 1 0.00 0.00 0.81 0.20 0.00 0.00 0.00 0.0





 





#可以看到，其中一个 CPU 的系统 CPU 使用率升高到了 23.87，而 iowait 高达 67.53%。





这说明，平均负载的升高是由于 iowait 的升高。

实际测试的时候遇到了不一样的现象，我们是%sys高但iowait不高

根据老师回复，iowait无法升高的问题，是因为案例中案例中的 stress -i 表示通过系统调用 sync() 来模拟 I/O 的问题，它的作用是刷新缓冲区内存到磁盘中这种方法实际上并不可靠。如果缓冲区内本来就没多少数据，那读写到磁盘中的数据也就不多，无法产生大的IO压力，这样大部分就都是系统调用的消耗了，这一点在使用 SSD 磁盘的环境中尤为明显。

所以，你会看到只有系统CPU使用率升高。解决方法是使用stress的下一代stress-ng，它支持更丰富的选项，比如 stress-ng -i 1 --hdd 1 --timeout 600（--hdd表示读写临时文件）

还是用 pidstat 来查询是哪个进程导致的

4. 大量进程等待CPU的场景

当系统中运行进程超出 CPU 运行能力时，就会出现等待 CPU 的进程。对应到数据库系统，一般就是并发压力过大或者慢sql较多。

比如，我们还是使用 stress，但这次模拟的是 16 个进程：

stress -c 16 --timeout 600

第二个终端运行 uptime 查看平均负载的变化情况。可以看到由于CPU严重过载，平均负载迅速飙升。

第三个终端运行 mpstat 查看 CPU 使用率的变化情况。可以看到所有CPU使用率基本都满了。

还是用 pidstat 来查询是哪个进程导致的






# 间隔5秒后输出一组数据





$ pidstat -u 5 1





14:23:25 UID PID %usr %system %guest %wait %CPU CPU Comm





14:23:30 0 3190 25.00 0.00 0.00 74.80 25.00 0 stre





14:23:30 0 3191 25.00 0.00 0.00 75.20 25.00 0 stre





14:23:30 0 3192 25.00 0.00 0.00 74.80 25.00 1 stre





14:23:30 0 3193 25.00 0.00 0.00 75.00 25.00 1 stre





14:23:30 0 3194 24.80 0.00 0.00 74.60 24.80 0 stre





14:23:30 0 3195 24.80 0.00 0.00 75.00 24.80 0 stre





14:23:30 0 3196 24.80 0.00 0.00 74.60 24.80 1 stre





14:23:30 0 3197 24.80 0.00 0.00 74.80 24.80 1 stre





14:23:30 0 3200 0.00 0.20 0.00 0.20 0.20 0 pids





 





#可以看出，8 个进程在争抢 2 个 CPU，每个进程等待 CPU 的时间（也就是代码块中的%wait 列）高达 75%。





#这些超出 CPU 计算能力的进程，最终导致 CPU 过载。

我们这个还是有点不一样，没有wait列，但也能看到是stress进程的问题

根据老师回复，pidstat输出中没有%wait的问题，是因为CentOS默认的sysstat稍微有点老，源码或者RPM升级到11.5.5版本以后就可以看到了。而Ubuntu的包一般都比较新，没有这个问题。

另外，很常见的一个错误，有些同学会拿 pidstat 中的 %wait 跟 top中的 iowait% （缩写为 wa）对比，其实这是没有意义的，因为它们是完全不相关的两个指标。

pidstat 中， %wait 表示进程等待 CPU 的时间百分比。
top 中，iowait% 则表示等待 I/O 的 CPU 时间百分比。

等待 CPU 的进程已经在 CPU 的就绪队列中，处于R状态；而等待 I/O 的进程则处于D状态。

三、评论补充

还可以用htop看负载，因为它更直接（在F2配置中勾选所有开关项，打开颜色区分功能），不同的负载会用不同的颜色标识。比如cpu密集型的应用，它的负载颜色是绿色偏高，iowait的操作，它的负载颜色是红色偏高等等，根据这些指标再用htop的sort就很容易定位到有问题的进程。还有个更好用的atop命令，好像是基于sar的统计生成的报告，直接就把有问题的进程标红了，更直观。

CPU比喻成一辆地铁：地铁的乘客容量就是CPU个数；正在使用CPU的进程就是在地铁上的人；等待CPU的进程就是在下一站等地铁来的人；等待I/O的进程就是在下一站要上车和下车的人，虽然现在对CPU没影响，可未来会影响，所以也要考虑到平均负载上。

建议还是使用top等系统默认安装的命令，无需额外安装。

文章知识点与官方知识档案匹配，可进一步学习相关知识

CS入门技能树Linux入门初识Linux32620 人正在系统学习中