什么是平均負載

　　我們知道使用top或uptime可以用來了解系統的負載情況。

uptime 2 02:34:03 up 2 days, 20:14, 1 user, load average: 0.63, 0.83, 0.88 ? 02:34:03 // 當前時間 2up 2 days, 20:14 // 系統運行時間 31 user // 正在登錄用戶數 而最后三個數字，依次則是過去 1 分鐘、5 分鐘、15 分鐘的平均負載

　　平均負載是指單位時間內，系統處于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 使用率并沒有直接關系。

所謂可運行狀態的進程，是指正在使用 CPU 或者正在等待 CPU 的進程，也就是我們常用ps 命令看到的，處于 R 狀態(Running 或 Runnable)的進程。

不可中斷狀態的進程則是正處于內核態關鍵流程中的進程，并且這些流程是不可打斷的， 比如最常見的是等待硬件設備的 I/O 響應，也就是我們在 ps 命令中看到的 D 狀態(Uninterruptible Sleep，也稱為 Disk Sleep)的進程。

　　比如，當一個進程向磁盤讀寫數據時，為了保證數據的一致性，在得到磁盤回復前，它是不能被其他進程或者中斷打斷的，這個時候的進程就處于不可中斷狀態。如果此時的進程被打斷了，就容易出現磁盤數據與進程數據不一致的問題。所以，不可中斷狀態實際上是系統對進程和硬件設備的一種保護機制。

　　因此，可以簡單理解為，平均負載其實就是平均活躍進程數。平均活躍進程數，直觀上的理解就是單位時間內的活躍進程數，但它實際上是活躍進程數的指數衰減平均值。這 個“指數衰減平均”的詳細含義你不用計較，這只是系統的一種更快速的計算方式，你把它直接當成活躍進程數的平均值也沒問題。

　　既然平均的是活躍進程數，那么最理想的，就是每個 CPU 上都剛好運行著一個進程，這樣每個 CPU 都得到了充分利用。

　　比如當平均負載為 2 時，意味著什么呢？

　　　　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。　　

　　　　而在只有 1 個 CPU 的系統中，則意味著有一半的進程競爭不到 CPU。

平均負載為多少時合理

平均負載最理想的情況是等于 CPU 個數。所以在評判平均負載時，首先你要知道系統有幾個 CPU，這可以通過 top 命令或者從文件 /proc/cpuinfo 中讀取

[root@web-01 ~]# grep 'model name' /proc/cpuinfo model name : Intel(R) Core(TM) i5-8250U CPU @ 1.60GHz model name : Intel(R) Core(TM) i5-8250U CPU @ 1.60GHz

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。

　　三個不同時間間隔的平均值，其實給我們提供了，分析系統負載趨勢的數據來源，讓我們能更全面、更立體地理解目前的負載狀況。

　　如果 1 分鐘、5 分鐘、15 分鐘的三個值基本相同，或者相差不大，那就說明系統負載很平穩。

　　但如果 1 分鐘的值遠小于 15 分鐘的值，就說明系統最近 1 分鐘的負載在減少，而過去15 分鐘內卻有很大的負載。

反過來，如果 1 分鐘的值遠大于 15 分鐘的值，就說明最近 1 分鐘的負載在增加，這種增加有可能只是臨時性的，也有可能還會持續增加下去，所以就需要持續觀察。一旦 1 分鐘的平均負載接近或超過了 CPU 的個數，就意味著系統正在發生過載的問題，這時就得分析調查是哪里導致的問題，并要想辦法優化了。

　　這里再舉個例子，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， 那么說明在過去 1 分鐘內，系統有 73% 的超載，而在 15 分鐘內，有 698% 的超載，從整體趨勢來看，系統的負載在降低。

　　那么，在實際生產環境中，平均負載多高時，需要我們重點關注呢？

　　一般，當平均負載高于 CPU 數量 70% 的時候，你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。

但 70% 這個數字并不是絕對的，最推薦的方法，還是把系統的平均負載監控起來，然后根據更多的歷史數據，判斷負載的變化趨勢。當發現負載有明顯升高趨勢時，比如說負載翻倍了，再去做分析和調查。

平均負載與 CPU 使用率

　　既然平均負載代表的是活躍進程數，那平均負載高了，不就意味著 CPU 使用率高嗎？

　　平均負載是指單位時間內，處于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，跟平均負載并不一定完全對應。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。

平均負載案例分析

　　下面，我們以三個示例分別來看這三種情況，并用 iostat、mpstat、pidstat 等工具，找出平均負載升高的根源。
　　stress 是一個 Linux 系統壓力測試工具，這里我們用作異常進程模擬平均負載升高的場景。

　　而 sysstat 包含了常用的 Linux 性能工具，用來監控和分析系統的性能。我們的案例會用到這個包的兩個命令 mpstat 和 pidstat。

安裝sysstat wget http://pagesperso-orange.fr/sebastien.godard/sysstat-12.1.5-1.x86_64.rpm yum localinstall sysstat-12.1.5-1.x86_64.rpm -y

　　　　mpstat 是一個常用的多核 CPU 性能分析工具，用來實時查看每個 CPU 的性能指標， 以及所有 CPU 的平均指標。
　　　　pidstat 是一個常用的進程性能分析工具，用來實時查看進程的 CPU、內存、I/O 以及上下文切換等性能指標。

場景一：CPU 密集型進程

#在第一個終端運行 stress 命令，模擬一個 CPU 使用率 100% 的場景 [root@doit ~]# stress --cpu 1 --timeout 600 stress: info: [25975] dispatching hogs: 1 cpu, 0 io, 0 vm, 0 hdd[root@doit ~]# watch -d uptimeEvery 2.0s: uptime Thu Jul 11 17:34:31 201917:34:31 up 33 days, 3:47, 6 users, load average: 0.80, 0.66, 0.66 #1 分鐘的平均負載會慢慢增加到 1.00，而從終端三中還可以看到，[root@doit ~]# mpstat -P ALL 5 Linux 4.20.0-1.el7.elrepo.x86_64 (doit) 07/11/2019 _x86_64_ (2 CPU) 05:33:34 PM CPU %usr %nice %sys %iowait %irq %soft %steal %guest %gnice %idle 05:33:39 PM all 50.20 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 49.80 05:33:39 PM 0 100.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 05:33:39 PM 1 0.20 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 99.80#正好有一個 CPU 的使用率為 100%，但它的 iowait 只有 0。這說明，平均負載的升高正是由于 CPU 使用率為 100% 。[root@doit ~]# pidstat -u 5 1 Linux 4.20.0-1.el7.elrepo.x86_64 (doit) 07/11/2019 _x86_64_ (2 CPU) 05:35:13 PM UID PID %usr %system %guest %wait %CPU CPU Command 05:35:18 PM 27 3769 0.00 0.20 0.00 0.00 0.20 0 mysqld 05:35:18 PM 0 25976 99.80 0.00 0.00 0.00 99.80 0 stress 05:35:18 PM 0 26115 0.00 0.20 0.00 0.00 0.20 1 pidstat #從這里可以明顯看到，stress 進程的 CPU 使用率為 100%。

場景二：I/O 密集型進程

[root@doit ~]# stress -i 1 --timeout 600 stress: info: [23627] dispatching hogs: 0 cpu, 1 io, 0 vm, 0 hdd[root@doit ~]# watch -d uptime Every 2.0s: uptime Thu Jul 11 15:50:57 201915:50:57 up 33 days, 2:04, 8 users, load average: 1.39, 1.09, 1.00[root@doit ~]# mpstat -P ALL 5 Linux 4.20.0-1.el7.elrepo.x86_64 (doit) 07/11/2019 _x86_64_ (2 CPU) 03:51:20 PM CPU %usr %nice %sys %iowait %irq %soft %steal %guest %gnice %idle 03:51:25 PM all 0.42 0.00 8.60 25.18 0.00 0.10 0.00 0.00 0.00 65.69 03:51:25 PM 0 0.65 0.00 10.85 51.84 0.00 0.22 0.00 0.00 0.00 36.44 03:51:25 PM 1 0.20 0.00 6.50 0.20 0.00 0.00 0.00 0.00 0.00 93.09 # 平均負載的升高是由于 iowait 的升高。# 哪個進程，導致 iowait 這么高呢？我們還是用 pidstat 來查詢： [root@doit ~]# pidstat -u 5 1 Linux 4.20.0-1.el7.elrepo.x86_64 (doit) 07/11/2019 _x86_64_ (2 CPU) 03:51:44 PM UID PID %usr %system %guest %wait %CPU CPU Command 03:51:49 PM 0 10 0.00 0.20 0.00 0.20 0.20 1 rcu_sched 03:51:49 PM 0 1553 0.00 2.79 0.00 0.00 2.79 1 kworker/1:1H-kblockd 03:51:49 PM 0 1667 0.00 4.19 0.00 0.00 4.19 0 kworker/0:1H-kblockd 03:51:49 PM 0 3086 0.00 0.20 0.00 1.00 0.20 0 haveged 03:51:49 PM 0 24186 0.00 0.20 0.00 0.00 0.20 1 watch 03:51:49 PM 0 24369 0.40 18.16 0.00 8.18 18.56 1 stress 03:51:49 PM 0 24512 0.00 0.20 0.00 0.00 0.20 0 pidstat # 可以發現，還是 stress 進程導致的。[root@doit ~]# pidstat -d 5 1 Linux 4.20.0-1.el7.elrepo.x86_64 (doit) 07/11/2019 _x86_64_ (2 CPU) 05:06:14 PM UID PID kB_rd/s kB_wr/s kB_ccwr/s iodelay Command 05:06:19 PM 0 25318 0.00 0.00 0.00 347 stress

場景三：大量進程的場景

當系統中運行進程超出 CPU 運行能力時，就會出現等待 CPU 的進程。比如，我們還是使用 stress，但這次模擬的是 8 個進程： [root@doit ~]# stress -c 8 --timeout 600 stress: info: [25324] dispatching hogs: 8 cpu, 0 io, 0 vm, 0 hdd[root@doit ~]# watch -d uptime Every 2.0s: uptime Thu Jul 11 17:24:24 201917:24:24 up 33 days, 3:37, 6 users, load average: 6.12, 2.83, 1.08 # 由于系統只有 2 個 CPU，明顯比 8 個進程要少得多，因而，系統的 CPU 處于嚴重過載狀態接著再運行 pidstat 來看一下進程的情況： [root@doit ~]# pidstat -u 5 1 Linux 4.20.0-1.el7.elrepo.x86_64 (doit) 07/11/2019 _x86_64_ (2 CPU) 05:22:26 PM UID PID %usr %system %guest %wait %CPU CPU Command 05:22:31 PM 0 3104 0.00 0.20 0.00 1.00 0.20 1 qemu-ga 05:22:31 PM 27 3769 0.00 0.20 0.00 0.00 0.20 0 mysqld 05:22:31 PM 0 25325 24.95 0.00 0.00 75.45 24.95 1 stress 05:22:31 PM 0 25326 24.75 0.00 0.00 74.65 24.75 1 stress 05:22:31 PM 0 25327 24.95 0.00 0.00 75.45 24.95 1 stress 05:22:31 PM 0 25328 24.75 0.00 0.00 74.65 24.75 0 stress 05:22:31 PM 0 25329 24.95 0.00 0.00 74.65 24.95 1 stress 05:22:31 PM 0 25330 24.95 0.00 0.00 74.65 24.95 0 stress 05:22:31 PM 0 25331 25.15 0.00 0.00 75.05 25.15 0 stress 05:22:31 PM 0 25332 24.95 0.00 0.00 74.85 24.95 0 stress 05:22:31 PM 0 25345 0.00 0.20 0.00 0.00 0.20 1 pidstat可以看出，8 個進程在爭搶 2 個 CPU，每個進程等待 CPU 的時間(也就是代碼塊中的%wait 列)高達 75%。這些超出 CPU 計算能力的進程，最終導致 CPU 過載。

小結

　　分析完這三個案例，我再來歸納一下平均負載的理解。

　　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，我們并不能直接發現，到底是哪里出現了瓶頸。所以，在理解平均負載時，也要注意：

　　平均負載高有可能是 CPU 密集型進程導致的；
　　平均負載高并不一定代表 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。

其他：

　　1.現在大多數CPU有超線程能力，在計算和評估平均負載的時候，CPU的核數是指物理核數，應該是超線程功能的邏輯核數。

　　2.用htop看負載，因為它更直接(在F2配置中勾選所有開關項，打開顏色區分功能)，不同的負載會用不同的顏色標識。比如cpu密集型的應用，它的負載顏色是綠色偏高，iowait的操作，它的負載顏色是紅色偏高等等，根據這些指標再用htop的sort就很容易定位到有問題的進程。還有個更好用的atop命令，好像是基于sar的統計生成的報告，直接就把有問題的進程標紅了，更直觀。

總結

以上是生活随笔為你收集整理的1 理解Linux系统的“平均负载”的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。