linux操作系统性能监控优化--CPU、Memory、IO、Network

操作系统性能监控优化不外乎对CPU、Memory、IO、Network这四个方面,下面分别介绍使用工具和指标

  一、CPU

  1、良好状态指标

  CPU利用率:User Time <= 70%,System Time <= 35%,User Time + System Time <= 70%。

  上下文切换:与CPU利用率相关联,如果CPU利用率状态良好,大量的上下文切换也是可以接受的。

  可运行队列:每个处理器的可运行队列<=3个线程。

  2、监控工具

vmstat
$ vmstat 1
procs -----------memory---------- ---swap-- -----io---- --system-- -----cpu------
r  b   swpd   free   buff  cache   si   so    bi    bo   in   cs us sy id wa st
14  0    140 2904316 341912 3952308  0    0     0   460 1106 9593 36 64  1  0  0
17  0    140 2903492 341912 3951780  0    0     0     0 1037 9614 35 65  1  0  0
20  0    140 2902016 341912 3952000  0    0     0     0 1046 9739 35 64  1  0  0
17  0    140 2903904 341912 3951888  0    0     0    76 1044 9879 37 63  0  0  0
16  0    140 2904580 341912 3952108  0    0     0     0 1055 9808 34 65  1  0  0

  重要参数:

  r,run queue,可运行队列的线程数,这些线程都是可运行状态,只不过CPU暂时不可用;

  b,被blocked的进程数,正在等待IO请求;

  in,interrupts,被处理过的中断数

  cs,context switch,系统上正在做上下文切换的数目

  us,用户占用CPU的百分比

  sys,内核和中断占用CPU的百分比

  id,CPU完全空闲的百分比

  上例可得:

  sy高us低,以及高频度的上下文切换(cs),说明应用程序进行了大量的系统调用;

  这台4核机器的r应该在12个以内,现在r在14个线程以上,此时CPU负荷很重。

  查看某个进程占用的CPU资源

$  while :; do ps -eo pid,ni,pri,pcpu,psr,comm | grep 'test_command'; sleep 1; done
PID  NI PRI %CPU PSR COMMAND
28577   0  23  0.0   0 test_command
28578   0  23  0.0   3 test_command
28579   0  23  0.0   2 test_command
28581   0  23  0.0   2 test_command
28582   0  23  0.0   3 test_command
28659   0  23  0.0   0 test_command
……


 二、Memory

  1、良好状态指标

  swap in (si) == 0,swap out (so) == 0

  应用程序可用内存/系统物理内存 <= 70%

  2、监控工具

vmstat
$ vmstat 1
procs -----------memory---------- ---swap-- -----io---- --system-- -----cpu------
r  b   swpd   free   buff  cache   si   so    bi    bo   in   cs us sy id wa st
0  3 252696   2432    268   7148 3604 2368  3608  2372  288  288  0  0 21 78  1
0  2 253484   2216    228   7104 5368 2976  5372  3036  930  519  0  0  0 100  0
0  1 259252   2616    128   6148 19784 18712 19784 18712 3821 1853  0  1  3 95  1
1  2 260008   2188    144   6824 11824 2584 12664  2584 1347 1174 14  0  0 86  0
2  1 262140   2964    128   5852 24912 17304 24952 17304 4737 2341 86 10  0  0  4

  重要参数:

  swpd,已使用的 SWAP 空间大小,KB 为单位;

  free,可用的物理内存大小,KB 为单位;

  buff,物理内存用来缓存读写操作的buffer大小,KB 为单位;

  cache,物理内存用来缓存进程地址空间的 cache 大小,KB 为单位;

  si,数据从 SWAP 读取到 RAM(swap in)的大小,KB 为单位;

  so,数据从 RAM 写到 SWAP(swap out)的大小,KB 为单位。

  上例可得:物理可用内存 free 基本没什么显著变化,swapd逐步增加,说明最小可用的内存始终保持在 256MB(物理内存大小) * 10% = 2.56MB 左右,当脏页达到10%的时候就开始大量使用swap。

free
$ free -m
total used free shared buffers cached
Mem: 8111 7185 926 0 243 6299
-/+ buffers/cache: 643 7468
Swap: 8189 0 8189

  三、磁盘IO

  1、良好状态指标

  iowait % < 20%

  提高命中率的一个简单方式就是增大文件缓存区面积,缓存区越大预存的页面就越多,命中率也越高。

  Linux 内核希望能尽可能产生次缺页中断(从文件缓存区读),并且能尽可能避免主缺页中断(从硬盘读),这样随着次缺页中断的增多,文件缓存区也逐步增大,直到系统只有少量可用物理内存的时候 Linux 才开始释放一些不用的页。

  2、监控工具

  查看物理内存和文件缓存情况

$ cat /proc/meminfo
MemTotal:      8182776 kB
MemFree:       3053808 kB
Buffers:        342704 kB
Cached:        3972748 kB

  这台服务器总共有 8GB 物理内存(MemTotal),3GB 左右可用内存(MemFree),343MB左右用来做磁盘缓存(Buffers),4GB左右用来做文件缓存区(Cached)。

sar
$ sar -d 2 3
Linux 2.6.9-42.ELsmp (webserver) 11/30/2008 _i686_ (8 CPU)
11:09:33 PM DEV tps rd_sec/s wr_sec/s avgrq-sz avgqu-sz await svctm %util
11:09:35 PM dev8-0 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
11:09:35 PM DEV tps rd_sec/s wr_sec/s avgrq-sz avgqu-sz await svctm %util
11:09:37 PM dev8-0 1.00 0.00 12.00 12.00 0.00 0.00 0.00 0.00
11:09:37 PM DEV tps rd_sec/s wr_sec/s avgrq-sz avgqu-sz await svctm %util
11:09:39 PM dev8-0 1.99 0.00 47.76 24.00 0.00 0.50 0.25 0.05
Average: DEV tps rd_sec/s wr_sec/s avgrq-sz avgqu-sz await svctm %util
Average: dev8-0 1.00 0.00 19.97 20.00 0.00 0.33 0.17 0.02

  重要参数:

  await表示平均每次设备I/O操作的等待时间(以毫秒为单位)。

  svctm表示平均每次设备I/O操作的服务时间(以毫秒为单位)。

  %util表示一秒中有百分之几的时间用于I/O操作。

  如果svctm的值与await很接近,表示几乎没有I/O等待,磁盘性能很好,如果await的值远高于svctm的值,则表示I/O队列等待太长,系统上运行的应用程序将变慢。

  如果%util接近100%,表示磁盘产生的I/O请求太多,I/O系统已经满负荷的在工作,该磁盘可能存在瓶颈。

  四、Network IO

  对于UDP

  1、良好状态指标

  接收、发送缓冲区不长时间有等待处理的网络包

  2、监控工具

  netstat

  对于UDP服务,查看所有监听的UDP端口的网络情况

$ watch netstat -lunp
Proto Recv-Q Send-Q Local Address           Foreign Address         State       PID/Program name
udp        0      0 0.0.0.0:64000           0.0.0.0:*                           -
udp        0      0 0.0.0.0:38400           0.0.0.0:*                           -
udp        0      0 0.0.0.0:38272           0.0.0.0:*                           -
udp        0      0 0.0.0.0:36992           0.0.0.0:*                           -
udp        0      0 0.0.0.0:17921           0.0.0.0:*                           -
udp        0      0 0.0.0.0:11777           0.0.0.0:*                           -
udp        0      0 0.0.0.0:14721           0.0.0.0:*                           -
udp        0      0 0.0.0.0:36225           0.0.0.0:*                           -

  RecvQ、SendQ为0,或者不长时间有数值是比较正常的。

  对于UDP服务,查看丢包情况(网卡收到了,但是应用层没有处理过来造成的丢包)

$ watch netstat -su
Udp:
278073881 packets received
4083356897 packets to unknown port received.
2474435364 packet receive errors
1079038030 packets sent

  packet receive errors 这一项数值增长了,则表明在丢包。

  这里有对“packet receive errors”的稍微详细些的解释,它包含了7种错误,and通常表明是checksum错误。不过我们通常通过这个数值的变化来判断UDP服务是否丢包(第2项错误),不知道是否有其他什么方法来判断UDP的丢包?:

"packet receive errors" usually means:
1) data is truncated, error in checksum while copying
2) udp queue is full, so it needs to be dropped
3) unable to receive udp package from encapsulated socket
4) sock_queue_rcv_skb() failed with -ENOMEM
5) it is a short packet
6) no space for header in udp packet when validating packet
7) xfrm6_policy_check() fails
many times it means the checksum is not right.



  对于TCP(来自david的经验,thx~~)

  1、良好状态指标

  对于TCP而言,不会出现因为缓存不足而存在丢包的事,因为网络等其他原因,导致丢了包,协议层也会通过重传机制来保证丢的包到达对方。

  所以,tcp而言更多的专注重传率。

  2、监控工具

# cat /proc/net/snmp | grep Tcp:
Tcp: RtoAlgorithm RtoMin RtoMax MaxConn ActiveOpens PassiveOpens AttemptFails EstabResets CurrEstab InSegs OutSegs RetransSegs InErrs OutRsts
Tcp: 1 200 120000 -1 78447 413 50234 221 3 5984652 5653408 156800 0 849

  重传率 = RetransSegs / OutSegs

  至于这个值在多少范围内,算ok的,得看具体的业务了。

  业务侧更关注的是响应时间。   



最新内容请见作者的GitHub页:http://qaseven.github.io/

   

你可能感兴趣的:(linux操作系统性能监控优化--CPU、Memory、IO、Network)