01 uptime命令 通常我們發現系統變慢時，我們都會執行top或者uptime命令，來查看當前系統的負載情況，比如像下麵，我執行了uptime，系統返回的了結果。 前幾列的信息，相信大家都很熟悉，它們分別是當前時間、系統運行時間和正在登陸的用戶個數，最後一個就是系統平均負載的情況。 Load A ...
01 uptime命令
通常我們發現系統變慢時，我們都會執行top或者uptime命令，來查看當前系統的負載情況，比如像下麵，我執行了uptime，系統返回的了結果。
[root@lincoding ~]# uptime
08:31:49 up 27 min, 1 user, load average: 0.07, 0.04, 0.00前幾列的信息，相信大家都很熟悉，它們分別是當前時間、系統運行時間和正在登陸的用戶個數，最後一個就是系統平均負載的情況。
08:31:49 // 當前時間
up 27 min // 系統運行時間
1 user // 正在登錄用戶數
load average: 0.07, 0.04, 0.00 // 平均負載的情況Load Average的三個數字，依次則是過去1分鐘、5分鐘、15分鐘的平均負載。可以通過觀察這三個數字的大小，可以簡單判斷系統的負載是下降的趨勢還是上升的趨勢。
- 如果
load average: 1.00, 5.00, 10.00三個數字依次增大，則說明在過去的 1 分鐘系統的負載比過去 15 分鐘系統的負載小，表明系統的負載是下降的趨勢。 - 如果
load average: 10.00, 5.00, 1.00三個數字依次降低，則說明在過去的 1 分鐘系統的負載比過去 15 分鐘系統的負載大，表明系統的負載是上升的趨勢。 - 如果
load average: 0.07, 0.04, 0.0三個數字基本相同，或者相差不大， 表明系統的負載是平穩的。
所以分析系統的負載情況，必須要看三個不同時間間隔的平均值。
02 平均負載概念
平均負載很多人容易理解成單位時間內的 CPU 使用率，這是不正確的。平均負載確實與 CPU 使用率有關係，但不是直接的關係。
簡單來說，平均負載是指單位時間內，系統處於可運行狀態和不可中斷狀態的平均進程數，也就是平均活躍進程數，它和 CPU 使用率並沒有直接關係。
- 可運行狀態，是指正在使用 CPU 或者正在等待 CPU 的進程，也就是在 ps 命令看到的 R 狀態的進程。
- 不可中斷狀態，是指正處於內核關鍵流程中的進程，並且這些流程是不可以打斷的，比如最常見的等待硬體設備的 I/O 響應，也就是在 ps 命令看到的 D 狀態的進程。
因此，平均負載其實就是平均活躍進程數，可以更直觀的理解成單位時間內的活躍進程數。
既然平均的是活躍進程數，那麼最理想的，就是每個CPU上剛好運行著一個進程，這樣每個CPU就得到了充分利用。
比如當平均負載為2時，意味著：
- 在只有 2 個 CPU 的系統上，意味著所有的 CPU 都剛好被完全占用。
- 在4個CPU的系統上，意味著 CPU 有 50% 的空閑。
- 在只有 1 個 CPU 的系統中，則意味著有一半的進程競爭不到 CPU。
03 平均負載為多少時合理
在評判你當前的系統平均負載是否合理的時，首先你要知道系統有幾個 CPU，可以通過 lscpu 命令或者從文件 /proc/cpuinfo 中讀取
# lscpu 命令查看 CPU 個數
[root@lincoding ~]# lscpu
Architecture: x86_64
CPU op-mode(s): 32-bit, 64-bit
Byte Order: Little Endian
CPU(s): 4 # 這裡數字表示 CPU 個數
....
# 從文件 /proc/cpuinfo 中查看 CPU 個數
[root@lincoding ~]# grep 'model name' /proc/cpuinfo | wc -l
4有了 CPU 個數，我們就可以判斷出，當平均負載比 CPU 個數還大的時候，系統已經出現了過載。
這裡我再舉個例子，假設我們在一個單 CPU 系統上看到平均負載為 1.73，0.60，7.98
- 在過去 1 分鐘內，系統有 73% 的超載
- 在過 15 分鐘內，有 698%的超載，從整體趨勢來看，系統的負載在降低。
平均負載高於 CPU 數量 70% 的時候，就應該分析排查負載高的問題了。一旦負載過高，就可能導致進程響應變慢，進而影響服務的正常功能。
04 平均負載與 CPU 使用率
我們經常容易把平均負載和 CPU 使用率混淆，所以在這裡，我也做一個區分。
再次說明下，平均負載是指單位時間內，處於可運行狀態和不可中斷狀態的進程數。所以，它不僅包括了正在使用 CPU 的進程，還包括等待 CPU 和等待 I/O 的進程。
而 CPU 使用率，是單位時間內 CPU 繁忙情況的統計，跟平均負載並不一定完全對應。比如：
- CPU 密集型進程，使用大量 CPU 會導致平均負載升高，此時這兩者是一致的；
- I/O 密集型進程，等待 I/O 也會導致平均負載升高，但 CPU 使用率不一定很高；
- 大量等待 CPU 的進程調度也會導致平均負載升高，此時的 CPU 使用率也會比較高。
05 平均負載升高分析命令
我們現在很清楚的知道導致平均負載高的情況，不只是看 CPU 的使用率，也要觀察系統 I/O 等待時間高不高。
當發現平均負載升高時，可以使用 mpstat 命令查看 CPU 的性能。
# -P ALL 表示監控所有CPU，後面數字1表示間隔1秒後輸出一組數據
$ mpstat -P ALL 1
Linux 2.6.32-431.el6.x86_64 (lzc) 11/05/2019 _x86_64_ (2 CPU)
07:51:45 PM CPU %usr %nice %sys %iowait %irq %soft %steal %guest %idle
07:51:50 PM all 42.90 0.00 49.39 0.41 0.00 4.56 0.00 0.00 2.74
07:51:50 PM 0 44.38 0.00 48.67 0.41 0.00 2.86 0.00 0.00 3.68
07:51:50 PM 1 41.57 0.00 49.80 0.40 0.00 6.43 0.00 0.00 1.81從上面發現
- CPU 的用戶層（%usr）使用率高達45%左右；
- CPU 的系統層（%sys）使用率高達50%左右；
- CPU 的 I/0 - 等待（%iowait）占用率為0.41%；
- CPU 的空閑率（%idle）只有2~3%。
可以推斷出是由於 CPU 使用率導致平均負載升高的情況。
假設只有 CPU 的I/0 等待（%iowait）占用率高，CPU 用戶層和系統層使用率很輕鬆，那麼導致平均負載升高的原因就是 iowait 的升高。
判斷了是因為 CPU 使用率升高還是 iowait 升高導致平均負載升高後，我們還需要定位是哪個進程導致的。可以用 pidstat 來查詢：
# 間隔1秒後輸出一組數據，-u表示CPU指標
$ pidstat -u 1
08:07:55 PM PID %usr %system %guest %CPU CPU Command
08:07:56 PM 4 0.00 1.00 0.00 1.00 0 ksoftirqd/0
08:07:56 PM 9 0.00 1.00 0.00 1.00 1 ksoftirqd/1
08:07:56 PM 11 0.00 16.00 0.00 16.00 0 events/0
08:07:56 PM 12 0.00 20.00 0.00 20.00 1 events/1
08:07:56 PM 616 7.00 6.00 0.00 13.00 1 pppoe
08:07:56 PM 2745 6.00 6.00 0.00 12.00 1 pppoe可以發現是 events/0 和 events/1 內核進程 CPU 使用率非常高，所以可能這兩個進程導致平均負載升高。
06 小結
平均負載提供了一個快速查看系統整體性能的手段，反映了整體的負載情況。但只看平均負載本身，我們並不能直接發現，到底是哪裡出現了瓶頸。所以，在理解平均負載時，也要註意：
- 平均負載高有可能是 CPU 密集型進程導致的；
- 平均負載高並不一定代表 CPU 使用率高，還有可能是 I/O 更繁忙了；
- 當發現負載高的時候，你可以使用
mpstat、pidstat等工具，輔助分析負載的來源。
