性能文章>CPU & Load又极速飙升,这样做性能排查!>

CPU & Load又极速飙升,这样做性能排查!转载

4月前
190000

导读

压测时或多或少都收到过CPU或者Load高的告警,如果是单机偶发性的,经常会认为是“宿主机抢占导致的”,那事实是否真是如此呢?是什么引起了这些指标的飙高?网络、磁盘还是高并发?有什么工具可以定位?TOP、PS还是vmstat?CPU高&Load高和CPU低&Load高,不同的表征又代表着什么?本篇着重讲了这些问题!

CPU & Load又极速飙升,这样做性能排查数据图表-heapdump性能社区

 

正文

一、背景知识

1、LINUX进程状态

LINUX 2.6以后的内核中,进程一般存在7种基础状态:D-不可中断睡眠、R-可执行、S-可中断睡眠、T-暂停态、t-跟踪态、X-死亡态、Z-僵尸态,这几种状态在PS命令中有对应解释。

CPU & Load又极速飙升,这样做性能排查数据图表-heapdump性能社区

D (TASK_UNINTERRUPTIBLE),不可中断睡眠态。顾名思义,位于这种状态的进程处于睡眠中,并且不允许被其他进程或中断(异步信号)打断。因此这种状态的进程,是无法使用kill -9杀死的(kill也是一种信号),除非重启系统(没错,就是这么头硬)。不过这种状态一般由I/O等待(比如磁盘I/O、网络I/O、外设I/O等)引起,出现时间非常短暂,大多很难被PS或者TOP命令捕获(除非I/O HANG死)。SLEEP态进程不会占用任何CPU资源。

R (TASK_RUNNING),可执行态。这种状态的进程都位于CPU的可执行队列中,正在运行或者正在等待运行,即不是在上班就是在上班的路上。

S (TASK_INTERRUPTIBLE),可中断睡眠态。不同于D,这种状态的进程虽然也处于睡眠中,但是是允许被中断的。这种进程一般在等待某事件的发生(比如socket连接、信号量等),而被挂起。一旦这些时间完成,进程将被唤醒转为R态。如果不在高负载时期,系统中大部分进程都处于S态。SLEEP态进程不会占用任何CPU资源。

T&t (__TASK_STOPPED & __TASK_TRACED),暂停or跟踪态。这种两种状态的进程都处于运行停止的状态。不同之处是暂停态一般由于收到SIGSTOP、SIGTSTP、SIGTTIN、SIGTTOUT四种信号被停止,而跟踪态是由于进程被另一个进程跟踪引起(比如gdb断点)。暂停态进程会释放所有占用资源。

Z (EXIT_ZOMBIE), 僵尸态。这种状态的进程实际上已经结束了,但是父进程还没有回收它的资源(比如进程的描述符、PID等)。僵尸态进程会释放除进程入口之外的所有资源。

X (EXIT_DEAD), 死亡态。进程的真正结束态,这种状态一般在正常系统中捕获不到。

 

2、Load Average & CPU使用率

谈到系统性能,Load和CPU使用率是最直观的两个指标,那么这两个指标是怎么被计算出来的呢?是否能互相等价呢?

1)Load Average

不少人都认为,Load代表正在CPU上运行&等待运行的进程数,即

CPU & Load又极速飙升,这样做性能排查数据图表-heapdump性能社区

但Linux系统中,这种描述并不完全准确。

以下为Linux内核源码中Load Average计算方法,可以看出来,因此除了可执行态进程,不可中断睡眠态进程也会被一起纳入计算,即:

CPU & Load又极速飙升,这样做性能排查数据图表-heapdump性能社区

602staticunsignedlongcount_active_tasks(void)
603 {
604structtask_struct*p;
605unsignedlongnr=0;
606607read_lock(&tasklist_lock);
608for_each_task(p) {
609if ((p->state==TASK_RUNNING610 (p->state&TASK_UNINTERRUPTIBLE)))
611nr+=FIXED_1;
612 }
613read_unlock(&tasklist_lock);
614returnnr;
615 }
......
625staticinlinevoidcalc_load(unsignedlongticks)
626 {
627unsignedlongactive_tasks; /* fixed-point */628staticintcount=LOAD_FREQ;
629630count-=ticks;
631if (count<0) {
632count+=LOAD_FREQ;
633active_tasks=count_active_tasks();
634CALC_LOAD(avenrun[0], EXP_1, active_tasks);
635CALC_LOAD(avenrun[1], EXP_5, active_tasks);
636CALC_LOAD(avenrun[2], EXP_15, active_tasks);
637 }
638 }

 

在前文 Linux进程状态 中有提到过,不可中断睡眠态的进程(TASK_UNINTERRUTED)一般都在进行I/O等待,比如磁盘、网络或者其他外设等待。由此我们可以看出,Load Average在Linux中体现的是整体系统负载,即CPU负载 + Disk负载 + 网络负载 + 其余外设负载,并不能完全等同于CPU使用率(这种情况只出现在Linux中,其余系统比如Unix,Load还是只代表CPU负载)。

 

2)CPU使用率

CPU的时间分片一般可分为4大类:用户进程运行时间 - User Time, 系统内核运行时间 - System Time, 空闲时间 - Idle Time, 被抢占时间 - Steal Time。除了Idle Time外,其余时间CPU都处于工作运行状态。

CPU & Load又极速飙升,这样做性能排查数据图表-heapdump性能社区

通常而言,我们泛指的整体CPU使用率为User Time 和 Systime占比之和(例如tsar中CPU util),即:

CPU & Load又极速飙升,这样做性能排查数据图表-heapdump性能社区

为了便于定位问题,大多数性能统计工具都将这4类时间片进一步细化成了8类,如下为TOP对CPU时间片的分类。

CPU & Load又极速飙升,这样做性能排查数据图表-heapdump性能社区

us:用户进程空间中未改变过优先级的进程占用CPU百分比

sy:内核空间占用CPU百分比

ni:用户进程空间内改变过优先级的进程占用CPU百分比

id:空闲时间百分比

wa:空闲&等待I/O的时间百分比

hi:硬中断时间百分比

si:软中断时间百分比

st:虚拟化时被其余VM窃取时间百分比

这8类分片中,除wa和id外,其余分片CPU都处于工作态。

 

二、资源&瓶颈分析

从上文我们了解到,Load Average和CPU使用率可被细分为不同的子域指标,指向不同的资源瓶颈。总体来说,指标与资源瓶颈的对应关系基本如下图所示。

CPU & Load又极速飙升,这样做性能排查数据图表-heapdump性能社区

1、Load高 & CPU高

这是我们最常遇到的一类情况,即load上涨是CPU负载上升导致。根据CPU具体资源分配表现,可分为以下几类:

1)CPU sys高

这种情况CPU主要开销在于系统内核,可进一步查看上下文切换情况。

如果非自愿上下文切换较多,说明CPU抢占较为激烈,大量进程由于时间片已到等原因,被系统强制调度,进而发生的上下文切换。

如果自愿上下文切换较多,说明可能存在I/O、内存等系统资源瓶颈,大量进程无法获取所需资源,导致的上下文切换。

2)CPU si高

这种情况CPU大量消耗在软中断,可进一步查看软中断类型。一般而言,网络I/O或者线程调度引起软中断最为常见:

NET_TX & NET_RX。NET_TX是发送网络数据包的软中断,NET_RX是接收网络数据包的软中断,这两种类型的软中断较高时,系统存在网络I/O瓶颈可能性较大。

SCHED。SCHED为进程调度以及负载均衡引起的中断,这种中断出现较多时,系统存在较多进程切换,一般与非自愿上下文切换高同时出现,可能存在CPU瓶颈。

3)CPU us高

这种情况说明资源主要消耗在应用进程,可能引发的原因有以下几类:

死循环或代码中存在CPU密集计算。这种情况多核CPU us会同时上涨。

内存问题,导致大量FULLGC,阻塞线程。这种情况一般只有一核CPU us上涨。

资源等待造成线程池满,连带引发CPU上涨。这种情况下,线程池满等异常会同时出现。

4)Load高 & CPU低

这种情况出现的根本原因在于不可中断睡眠态(TASK_UNINTERRUPTIBLE)进程数较多,即CPU负载不高,但I/O负载较高。可进一步定位是磁盘I/O还是网络I/O导致。

 

三、排查策略

利用现有常用的工具,我们常用的排查策略基本如下图所示:

CPU & Load又极速飙升,这样做性能排查数据图表-heapdump性能社区

从问题发现到最终定位,基本可分为四个阶段:

1、资源瓶颈定位

这一阶段通过全局性能检测工具,初步定位资源消耗异常位点。

常用的工具有:

top、vmstat、tsar(历史)

中断:/proc/softirqs、/proc/interrupts
I/O:iostat、dstat

2、热点进程定位

定位到资源瓶颈后,可进一步分析具体进程资源消耗情况,找到热点进程。

常用工具有:

上下文切换:pidstat -w

CPU:pidstat -u

I/O:iotop、pidstat -d

僵尸进程:ps

3、线程&进程内部资源定位

找到具体进程后,可细化分析进程内部资源开销情况。

常用工具有:

上下文切换:pidstat -w -p [pid]

CPU:pidstat -u -p [pid]

I/O: lsof

4、热点事件&方法分析

获取到热点线程后,我们可用trace或者dump工具,将线程反向关联,将问题范围定位到具体方法&堆栈。

常用的工具有:

perf:Linux自带性能分析工具,功能类似hotmethod,基于事件采样原理,以性能事件为基础,支持针对处理器相关性能指标与操作系统相关性能指标的性能剖析。

jstack

结合ps -Lp或者pidstat -p一起使用,可初步定位热点线程。
结合zprofile-threaddump一起使用,可统计线程分布、等锁情况,常用与线程数增加分析。

strace:跟踪进程执行时的系统调用和所接收的信号。

tcpdump:抓包分析,常用于网络I/O瓶颈定位。

>>>>
参考资料

Linux Load Averages: Solving the Mystery
http://www.brendangregg.com/blog/2017-08-08/linux-load-averages.html
What exactly is a load average?
http://linuxtechsupport.blogspot.com/2008/10/what-exactly-is-load-average.html

 

更多思考

本文是一篇关于cpu load飙高的性能排查文章,给大家指出了一些可行的思路和解决方案,希望大家学以致用!

使用XPocket插件top_x 解决cpu高及 cpu_load高的一般思路

 

点赞收藏
michi
请先登录,感受更多精彩内容
快去登录吧,你将获得
  • 浏览更多精彩评论
  • 和开发者讨论交流,共同进步

为你推荐

mcp内核稳定性问题定位思路与方法

mcp内核稳定性问题定位思路与方法

这两年捉过的虫

这两年捉过的虫

活久见!TCP两次挥手,你见过吗?那四次握手呢?

活久见!TCP两次挥手,你见过吗?那四次握手呢?

硬核图解!断网了,还能ping通 127.0.0.1 吗?为什么?

硬核图解!断网了,还能ping通 127.0.0.1 吗?为什么?

嵌入式linux-CPU性能优化小记

嵌入式linux-CPU性能优化小记

两个事务并发写,能保证数据唯一吗?

两个事务并发写,能保证数据唯一吗?

0
0