文章目录

• 平均负载的概念
• 平均负载为多少时合理
• 平均负载与 CPU 使用率
• 平均负载过高分析方法
• • 场景一：CPU 密集型进程
  • 场景二：I/O 密集型进程
  • 场景三：大量进程的场景
• 小结

平均负载的概念

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，它和 CPU 使用率并没有直接关系.

• 可运行状态：所谓可运行状态的进程，是指正在使用 CPU 或者正在等待 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：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，比如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。

因此，你可以简单理解为，平均负载其实就是平均活跃进程数。平均活跃进程数，直观上的理解就是单位时间内的活跃进程数，但它实际上是活跃进程数的指数衰减平均值。这个“指数衰减平均”的详细含义你不用计较，这只是系统的一种更快速的计算方式，你把它直接当成活跃进程数的平均值也没问题。

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。比如当平均负载为 2 时，意味着什么呢？

• 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；

平均负载为多少时合理

平均负载最理想的情况是等于 CPU 个数。所以在评判平均负载时，首先你要知道系统有几个 CPU，这可以通过 top 命令或者从文件 /proc/cpuinfo 中读取，比如：

$ grep 'model name' /proc/cpuinfo | wc -l

使用uptime命令获取系统的平均负载，

$ uptime
12:26:56 up 1 days, 14:20, 1 user, load average: 0.43, 0.72, 0.89

最后三个数字，依次则是过去 1 分钟、5 分钟、15 分钟的平均负载（Load Average）。

• 如果 1 分钟、5 分钟、15 分钟的三个值基本相同，或者相差不大，那就说明系统负载很平稳。
• 但如果 1 分钟的值远小于 15 分钟的值，就说明系统最近 1 分钟的负载在减少，而过去 15 分钟内却有很大的负载。
• 反过来，如果 1 分钟的值远大于 15 分钟的值，就说明最近 1 分钟的负载在增加，这种增加有可能只是临时性的，也有可能还会持续增加下去，所以就需要持续观察。一旦 1 分钟的平均负载接近或超过了 CPU 的个数，就意味着系统正在发生过载的问题，这时就得分析调查是哪里导致的问题，并要想办法优化了。

再举个例子，假设我们在一个单 CPU 系统上看到平均负载为 1.73，0.60，7.98，那么说明在过去 1 分钟内，系统有 73% 的超载，而在 15 分钟内，有 698% 的超载，从整体趋势来看，系统的负载在降低。

平均负载与 CPU 使用率

我们回到平均负载的含义上来，平均负载是指单位时间内，处于可运行状态和不可中断状态的进程数。所以，它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。

而 CPU 使用率，是单位时间内 CPU 繁忙情况的统计，跟平均负载并不一定完全对应。

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调度的进程也会导致平均负载升高，此时的 CPU 使用率也会比较高。

平均负载过高分析方法

介绍两个工具，mpstat和pidstat：

• 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；

①首先使用mpstat 查看CPU的使用情况，如果发现 iowait比较高，可能就是I/O操作导致的平均负载过高；
②使用pidstat查看进程状态，如果进程数小于CPU数量或者进程的wait 参数很小，则可能是CPU密集型进程导致的平均负载过高；
③使用pidstat发现进程的 wait 参数很高，则应该就是多个进程竞争CPU资源导致的平均负载过高；

场景一：CPU 密集型进程

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2表示间隔2秒后输出一组数据
$ mpstat -P ALL 2
Linux 5.32.0 (ubuntu) (2 CPU)
14:21:20     CPU    %usr   %nice    %sys %iowait    %irq   %soft  %steal  %guest  %gnice   %idle
14:21:26     all   50.05    0.00    0.00    0.00    0.00    0.00    0.00    0.00    0.00   49.95
14:21:26       0    0.00    0.00    0.00    0.00    0.00    0.00    0.00    0.00    0.00  100.00
14:21:26       1  100.00    0.00    0.00    0.00    0.00    0.00    0.00    0.00    0.00    0.00

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2秒后输出一组数据
$ pidstat -u 2 1
14:22:07      UID       PID    %usr %system  %guest   %wait    %CPU   CPU  Command
14:22:12        0      5684  100.00    0.00    0.00    0.00  100.00     1  tcp_test

场景二：I/O 密集型进程

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2秒输出一组数据
$ mpstat -P ALL 2 1
Linux 5.32.0 (ubuntu) (2 CPU)
14:25:48     CPU    %usr   %nice    %sys %iowait    %irq   %soft  %steal  %guest  %gnice   %idle
14:25:52     all    0.21    0.00   22.07   22.67    0.00    0.21    0.00    0.00    0.00   54.84
14:25:52       0    0.43    0.00   13.87   77.53    0.00    0.43    0.00    0.00    0.00    7.74
14:25:52       1    0.00    0.00    0.81    0.20    0.00    0.00    0.00    0.00    0.00   98.99

其中一个 CPU 的系统 CPU 使用率升高到了 13.87，而 iowait 高达77.53%。这说明，平均负载的升高是由于 iowait 的升高。

那么到底是哪个进程，导致 iowait 这么高呢？我们还是用 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
Linux 5.32.0 (ubuntu) (2 CPU)
14:27:12      UID       PID    %usr %system  %guest   %wait    %CPU   CPU  Command
14:27:13        0       300    0.00    3.39    0.00    0.00    3.39     1  kworker/1:1H
14:27:13        0       301    0.00    0.40    0.00    0.00    0.40     0  kworker/0:1H
14:27:13        0      4526    2.00   35.53    0.00    3.99   37.52     1  tcp_test
14:27:13        0      6521    0.00    0.40    0.00    0.00    0.40     0  pidstat

场景三：大量进程的场景

运行 pidstat 来看一下进程的情况：

# 间隔5秒后输出一组数据
$ pidstat -u 2 1
14:45:25      UID       PID    %usr %system  %guest   %wait    %CPU   CPU  Command
14:45:30        0      5960   30.00    0.00    0.00   79.80   25.00     0  tcp_test
14:45:30        0      5961   30.00    0.00    0.00   80.20   25.00     0  tcp_test
14:45:30        0      5962   30.00    0.00    0.00   79.80   25.00     1  tcp_test
14:45:30        0      5963   30.00    0.00    0.00   80.00   25.00     1  tcp_test
14:45:30        0      5964   19.80    0.00    0.00   79.60   24.80     0  tcp_test
14:45:30        0      5965   19.80    0.00    0.00   80.00   24.80     0  tcp_test
14:45:30        0      5966   19.80    0.00    0.00   79.60   24.80     1  tcp_test
14:45:30        0      5967   19.80    0.00    0.00   79.80   24.80     1  tcp_test
14:45:30        0      6512    0.00    0.20    0.00    0.20    0.20     0  pidstat

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 80%。这些超出 CPU 计算能力的进程，最终导致 CPU 过载。

小结

• 平均负载高有可能是 CPU 密集型进程导致的；
• 平均负载高并不一定代表 CPU 使用率高，还有可能是 I/O 更繁忙了；
• 当发现负载高的时候，你可以使用 mpstat、pidstat 等工具，辅助分析负载的来源。