Linux系统中的平均负载

简介

简单来说，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，也是平均活跃进程数，它和CPU使用率并没有直接关系。平均负载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。
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。
不可中断状态的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(UninterruptibleSleep，也称为Disk Sleep)的进程。

比如，当一个进程向磁盘读写数据时，为了保证数据的一致性，在得到磁盘回复前，它是不能被其他进程或者中断打断的，这个时候的进程就处于不可中断状态。如果此时的进程被打断了，就容易出现磁盘数据与进程数据不一致的问题。
所以，不可中断状态实际上是系统对进程和硬件设备的一种保护机制。
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。

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。

查看平均负载

可以使用uptime或top命令：

17:09:51表示当前时间

up 3:05表示系统已经运行了3小时5分钟

2 users当前2个用户登录

load average: 10.48, 11.83, 12.78表示过去1分钟、5分钟、15分钟的平均负载（load average）

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，查看系统逻辑CPU的个数可以使用如下命令：

有了CPU个数，我们就可以判断出，当平均负载比CPU个数还大的时候，系统已经出现了过载。

平均负载有三个数值，到底该参考哪一个呢？实际上，都要看。三个不同时间间隔的平均值，其实给我们提供了，分析系统负载趋势的数据来源，让我们能更全面、更立体地理解目前的负载状况。

• 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。

这里我再举个例子，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。

那么，在实际生产环境中，平均负载多高时，需要我们重点关注呢?
在我看来，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。
但70%这个数字并不是绝对的，最推荐的方法，还是把系统的平均负载监控起来，然后根据更多的历史数据，判断负载的变化趋势。当发现负载有明显升高趋势时，比如说负载翻倍了，你再去做分析和调查。

影响服务器负载的因素

平均负载提供了一个快速查看系统整体性能的手段，反映了整体的负载情况。但只看平均负载本身，我们并不能直接发现，到底是哪里出现了瓶颈。所以，在理解平均负载时，也要注意:

• 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top、vmstat、mpstat、pidstat等工具，辅助分析负载的来源。

影响服务器负载的因素包括：

1、CPU使用率

2、线程数量

3、IO使用率

4、swap使用率

5、因宿主机负载过高导致资源分配不足

如阿里云的突发性能机器，即使你看你上面4个数据正常都，但你的负载有时就是很高，就有可能是宿主机限制导致的

下面我们以机动车道路来例举服务器在不同负载状态时的表现

假设：

CPU核心数 = 车道数量

内存 = 车道宽度

磁盘IO = 车道限速

CPU 负载与 CPU 使用率

尽管 CPU 负载和 CPU 使用率听起来很相似，但它们是不可互换的。CPU 负载定义为在单个时间点使用或等待使用一个内核的进程数。

假设我们有一个单核系统，我们的 CPU 平均负载始终低于 0.6。这表明每个需要使用 CPU 的进程都可以立即使用它，而无需等待。如果 CPU 平均负载大于 1，则表示有进程需要使用 CPU，但由于 CPU 不可用，目前无法使用。

但是，多处理器系统中高于 1 的平均负载不会成为问题，因为有更多内核可用。

计算 CPU 使用率

使用 vmstat 获取 CPU 使用率

vmstat 命令近乎实时地显示 CPU 活动：

CPU 下的列提供了处理器时间花费在哪里的概览：

us –运行非内核代码所花费的时间
sy - 运行内核代码所花费的时间
id –空闲时间
wa –等待 I/O 所花费的时间
st - 从虚拟机中窃取时间
id 列是我们感兴趣的。延迟一秒，我们使用 vmstat 计算 CPU 使用率：

没有提供任何参数的 vmstat 命令将给出自引导以来的 CPU 时间。这不会提供准确的 CPU 使用百分比。因此，参数只能是 1 和 2，我们采用一秒钟后计算的指标：

使用 / proc/stat 获取 CPU 使用率

CPU 活动也可以从 / proc/stat 文件中提取。该文件包含自启动以来有关系统的各种指标：

第一行， 'cpu' 是系统所有核心指标的聚合。在具有 4 个内核的系统上，将有 4 条 cpu 线——cpu0、cpu1、cpu2 和 cpu3。'cpu' 行中的列表示处理不同任务所花费的时间：

user – 在用户模式下花费的时间
nice – 在用户模式下处理 nice 进程所花费的时间
system – 执行内核代码所花费的时间
idle - 空闲时间
iowait – 等待 I/O 所花费的时间
irq - 服务中断所花费的时间
softirq – 服务软件中断所花费的时间
steal —从虚拟机中窃取的时间
guest - 为来宾操作系统运行虚拟 CPU 所花费的时间
guest_nice – 为 “不错的” 客户操作系统运行虚拟 CPU 所花费的时间

我们将使用这些指标来计算平均空闲百分比。随后，我们将使用计算值来计算 CPU 使用率。需要注意的是，较旧的 Linux 发行版不计算窃取、来宾或来宾_nice 指标。如果我们使用的是旧系统，我们会在计算中忽略这些指标：

由于我们正在开发单核系统，因此 “cpu” 行将与 “cpu1 ” 相同。因此，tail -1 的使用是 只检索其中一行。然而，我们会在多处理器系统上使用 “ cpu ” 行，因为它是所有内核上的指标的集合。

使用 top 获取 CPU 使用率

通常，top 命令通常用于显示系统上的活动进程以及这些进程消耗了多少资源。不过，我们可以使用这个命令来测量 CPU 的状态：

此外，需要注意的是，top 命令显示了单个内核的 CPU 百分比。在多处理器系统中，CPU 百分比可能超过 100%。例如，如果 4 个核心为 75%，top 命令将显示 CPU 为 300%。

我们需要获取空闲时间的值，以便我们可以从 100 中减去它来获得使用情况：

-n 选项是 top 命令在结束前应该使用的迭代次数。我们避免使用第一个循环，因为我们检索的指标将是自启动以来的值。因此，我们进行了第二次迭代。

或者，在多处理器系统中，我们必须将给定的 “id” 值除以内核数，然后从 100 中减去该值。例如，如果我们在四核系统上运行，并且 “ id ” 值为 304%，我们将 CPU 使用率计算为：

总结

1、存储、内存和 CPU（中央处理器）等系统资源不足会极大地影响应用程序的性能。因此，监控这些组件至关重要。

参考

https://mp.weixin.qq.com/s/iX1dxSNPfggH1JfZThpF-w