Linux性能调优：第一篇 如何理解平均负载分担（load average）

1、当系统资源告警时，我们第一考虑到事情是否硬件资源已不足，于是执行uptime命令，了解资源负载情况。例如输入uptime，会得到以下该结果：

root@harbor ~]# uptime
 12:18:21 up 11 days,  1:05,  3 users,  load average: 0.00, 0.06, 0.09

2、但是，对于上述输出的内容分别代表什么含义呢？

12:18:21  //当前时间

up 11 days,  1:05  //运行时间

3 users  //登录用户数

load average: 0.00, 0.06, 0.09   //平均负载  1分钟  5分钟  15分钟

3、load average：

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。

4、可运行状态：

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。

5、不可中断：

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，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。不可中断也是系统对进程和硬件设备的一种保护机制。

6、平均负载为多少时合理：

当平均负载高于 CPU 数量 70% 的时候，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。

7、如何判定负载情况呢：

     Ⅰ load average：1分钟，5分钟，15分钟，三个值基本相同或者相差不大，那就说明负载系统很平稳

     Ⅱ 如果1分钟的值远小于15分钟的值，说明系统最近1分中的负载在减少，而过去的15分钟内却有很大的负载

     Ⅲ 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，需要持续的关注。

Example：假设1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。

  8、平均负载与CPU使用率的区别：

      Ⅰ 平均负载是指：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。

       Ⅱ CPU使用率是指：是单位时间内 CPU 使用情况的统计。

            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 

   9、案例展现所需工具：

           Ⅰ 工具：stress、sysstat、iostat、mpstat、pidstat

           Ⅱ 工具介绍： 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 是用来监控和分析系统的性能，包含（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

                 iostat是一个常用的磁盘性能分析工具，用来查看磁盘读写情况。

           Ⅲ、案例展现已root用户进行操作，所以普通用户需要使用sudo su root切换至root用户。

      10、案例一：CPU密集型进程

           Ⅰ、在第一个终端使用stress命令，模拟出2个CPU使用率100%的场景。

[root@harbor ~]# stress --cpu 2 --timeout 60

          Ⅱ、在第二个终端使用uptime命令，查看平均负载情况

1    # -d 参数表示高亮显示变化的区域
2    $ watch -d uptime
3    14:35:43 up 11 days,  3:22,  3 users,  load average: 1.98, 0.68, 0.36

          Ⅲ、在第三个终端运行mpstat查看CPU使用率的变化情况

查看所有CPU的状态，后面数字5表示间隔5秒输出一组数据

root@harbor ~]# mpstat -P ALL 5 1

02:34:35 PM  CPU    %usr   %nice    %sys %iowait    %irq   %soft  %steal  %guest  %gnice   %idle
02:34:40 PM  all   99.70    0.00    0.30    0.00    0.00    0.00    0.00    0.00    0.00    0.00
02:34:40 PM    0   99.60    0.00    0.40    0.00    0.00    0.00    0.00    0.00    0.00    0.00
02:34:40 PM    1   99.80    0.00    0.20    0.00    0.00    0.00    0.00    0.00    0.00    0.00

从终端二中可以看到，1 分钟的平均负载会慢慢增加到 1.00，而从终端三中还可以看到，正好有2个 CPU 的平均使用率为 99.7%，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% 。

         Ⅳ、查询是哪个进程导致CPU使用率为100%呢，可以使用pidstat来查询：

# 间隔5秒后输出一组数据
$ pidstat -u 5 1
verage:      UID       PID    %usr %system  %guest   %wait    %CPU   CPU  Command
Average:        0       819    0.00    0.20    0.00    1.39    0.20     -  kworker/0:1
Average:        0      7405    0.00    0.20    0.00    0.20    0.20     -  watch
Average:      988      9476    0.00    0.20    0.00    0.60    0.20     -  zabbix_agentd
Average:      988      9484    0.00    0.20    0.00    0.40    0.20     -  zabbix_agentd
Average:      988      9491    0.00    0.40    0.00    0.40    0.40     -  zabbix_agentd
Average:       27      9827    0.00    0.20    0.00    0.00    0.20     -  mysqld
Average:        0     10011   98.61    0.00    0.00    1.39   98.61     -  stress
Average:        0     10012   98.41    0.00    0.00    1.59   98.41     -  stress
Average:        0     10091    0.00    0.40    0.00    0.40    0.40     -  pidstat
Average:      988     12641    0.00    0.20    0.00    0.60    0.20     -  zabbix_server

从上述内容可以看出，stress 使用率高达98%。

11、案例二：I/O 密集型进程

        Ⅰ 第一个终端运行stress命令，模拟I/O压力，既不停执行sync

[root@harbor ~]# stress --io 2 --timeout 60

        Ⅱ 第二个终端运行uptime 查看平均负载的变化情况

1    # -d 参数表示高亮显示变化的区域
2    $ watch -d uptime
3    14:37:43 up 11 days,  3:22,  3 users,  load average: 1.3, 0.68, 0.36

        Ⅲ 第三个终端运行mpstat查看CPU使用率的变化情况

查看所有CPU的状态，后面数字5表示间隔5秒输出一组数据

root@harbor ~]# mpstat -P ALL 5 1
02:53:57 PM  CPU    %usr   %nice    %sys %iowait    %irq   %soft  %steal  %guest  %gnice   %idle
02:54:02 PM  all    1.36    0.00   38.99    66.52   0.00    0.12    0.00    0.00    0.00   59.53
02:54:02 PM    0    1.47    0.00   44.23    67.03   0.00    0.00    0.00    0.00    0.00   54.30
02:54:02 PM    1    1.25    0.00   33.67    65.92   0.00    0.25    0.00    0.00    0.00   64.84

从这里可以看到，1 分钟的平均负载会慢慢增加到 1.3，其中一个 CPU 的系统 CPU 使用率升高到了 44.23，而 iowait 高达 67.03%。这说明，平均负载的升高是由于 iowait 的升高。

 Ⅳ、查询是哪个进程导致CPU使用率为100%呢，可以使用pidstat来查询：

# 间隔5秒后输出一组数据
$ pidstat -u 5 1
verage:      UID       PID    %usr %system  %guest   %wait    %CPU   CPU  Command
Average:        0       819    0.00    0.20    0.00    1.39    0.20     -  kworker/0:1
Average:        0      7405    0.00    0.20    0.00    0.20    0.20     -  watch
Average:      988      9476    0.00    0.20    0.00    0.60    0.20     -  zabbix_agentd
Average:      988      9484    0.00    0.20    0.00    0.40    0.20     -  zabbix_agentd
Average:      988      9491    0.00    0.40    0.00    0.40    0.40     -  zabbix_agentd
Average:       27      9827    0.00    0.20    0.00    0.00    0.20     -  mysqld
Average:        0     10011   65.61    0.00    0.00    1.39   98.61     -  stress
Average:        0     10012   67.41    0.00    0.00    1.59   98.41     -  stress
Average:        0     10091    0.00    0.40    0.00    0.40    0.40     -  pidstat
Average:      988     12641    0.00    0.20    0.00    0.60    0.20     -  zabbix_server

根据上述内容，是由于stress导致。

12、案例三：大量进程的场景

        当系统超负荷运行时，就会出现CPU的进程。

        Ⅰ 第一个终端使用stress，模拟4个进程：

$ stress -c 4 --timeout 600

       Ⅱ 由于系统只有 2 个 CPU，明显比 4个进程要少，因而，系统的 CPU 处于严重过载状态，平均负载高达 3.99

1    # -d 参数表示高亮显示变化的区域
2    $ watch -d uptime
3    15:00 up 11 days,  3:00,  3 users,  load average: 3.99, 0.68, 0.36

        Ⅲ 在运行mdstat查看cpu负载情况

[root@harbor ~]# mpstat -P ALL 5 

03:31:07 PM  CPU    %usr   %nice    %sys %iowait    %irq   %soft  %steal  %guest  %gnice   %idle
03:31:12 PM  all   98.60    0.00    1.40    0.00    0.00    0.00    0.00    0.00    0.00    0.00
03:31:12 PM    0   98.80    0.00    1.20    0.00    0.00    0.00    0.00    0.00    0.00    0.00
03:31:12 PM    1   98.40    0.00    1.60    0.00    0.00    0.00    0.00    0.00    0.00    0.00

从这里可以看到，1 分钟的平均负载会慢慢增加到 3.99，其中一个 CPU 的系统 CPU 使用率升高到了 98.8%，这说明，平均负载的升高是由于 CPU过载而导致的升高。

        Ⅳ、运行pidstat查看进程情况

[root@harbor ~]# pidstat  -u  5 

03:35:08 PM   UID       PID    %usr %system  %guest   %wait    %CPU   CPU  Command
03:35:13 PM     0      7405    0.00    0.20    0.00    0.40    0.20     1  watch
03:35:13 PM   999      9030    0.20    0.60    0.00    1.40    0.80     1  polkitd
03:35:13 PM   988      9482    0.20    0.40    0.00    0.20    0.60     0  zabbix_agentd
03:35:13 PM    27      9827    0.00    0.20    0.00    0.00    0.20     0  mysqld
03:35:13 PM   987     11897    0.00    0.20    0.00    0.00    0.20     0  grafana-server
03:35:13 PM   988     12615    0.00    0.20    0.00    1.80    0.20     1  zabbix_server
03:35:13 PM   988     12636    0.00    0.20    0.00    2.00    0.20     0  zabbix_server
03:35:13 PM   988     12641    0.20    0.00    0.00    0.60    0.20     1  zabbix_server
03:35:13 PM    42     15393    0.20    0.00    0.00    0.80    0.20     1  gsd-color
03:35:13 PM     0     22842   48.60    0.00    0.00   52.00   48.60     1  stress
03:35:13 PM     0     22843   48.80    0.00    0.00   51.40   48.80     0  stress
03:35:13 PM     0     22844   49.00    0.00    0.00   51.40   49.00     0  stress
03:35:13 PM     0     22845   48.40    0.00    0.00   51.80   48.40     1  stress
03:35:13 PM     0     22906    0.00    0.20    0.00    0.40    0.20     0  pidstat

可以看出，17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 52%。这些超出 CPU 计算能力的进程，最终导致 CPU 过载。

总结归纳：

        1、平均负载高有可能是 CPU 密集型进程导致的

        2、平均负载高并不一定代表 CPU 使用率高，还有可能是 I/O 使用率过高导致。

        3、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。

本文整理自极客时间 倪朋飞：《Linux性能优化实战》