什么是平均负载
平均负载可以对于我们来说及熟悉又陌生，但我们问平均负载是什么，但大部分人都回答说平均负载不就是单位时间内CPU使用率吗？其实并不是这样的，如果可以的话，可以 man uptime 来了解一下平均负载的详细信息。
简单的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，也就是说平均活跃进程数，它和CPU使用率并没有直接关系。这里解释一下可运行状态和不可中断这两个词。
可运行状态：
- 指正在使用CPU或者正在等待CPU的进程，我们使用ps命令查看处于R状态的进程
不可中断状态：
- 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中断的。例如：常见的等待硬件设备I/O的响应，也就是我们在ps命令查看处于D状态的进程
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中断或者打断的，这个时候的进程处于不可中断状态，如果此时的进程被打断了，就容易出现磁盘数据和进程数据不一致的问题。
所以，不可中断状态实际上是系统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。既然是平均活跃进程数，那么理想状态，就是每个CPU上都刚好运行着一个进程，这样每个CPU都会得到充分的利用。例如平均负载为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的系统上，则意味着有一半的进程竞争不到CPU
平均负载和CPU使用率
现实工作中，我们经常容易把平均负载和CPU使用率混淆，所以在这里，我也做一个分区。
可能你会疑惑，既然平均负载代表的是活跃进程数，那平均负载高了，不就意味着CPU使用率高吗？
我们还是要回到平均负载的含义上来，平均负载是指单位时间内，处于可运行状态和不可中断状态的进程数，所以，它不仅包括了正常使用CPU的进程，还包括了等待CPU和等待I/O的进程。
而CPU使用率，是单位时间内CPU的繁忙情况的统计，跟平均负载并不一定完全对应，例如：
- 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使用率会很高
平均负载案例
这里我们需要安装几个工具sysstat、stress、stress-ng
这里Centos的sysstat版本会老一点，最好升级到最新版本。手动rpm安装或者源码安装
场景一、CPU密集型
1、运行一个stress命令，模拟一个CPU使用率100%场景
代码语言：javascript复制$ stress --cpu 1 --timeout 600
2、开启第二个终端，uptime查看平均负载的变化情况
代码语言：javascript复制$ watch -d uptime
09:40:35 up 80 days, 18:41, 2 users, load average: 1.62, 1.10, 0.87
3、开启第三个终端，mpstat 查看CPU使用率的变化情况
代码语言：javascript复制$ mpstat -P ALL 5 20
10:06:37 AM CPU %usr %nice %sys %iowait %irq %soft %steal %guest %gnice %idle
10:06:42 AM all 31.50 0.00 0.35 0.00 0.00 0.00 0.00 0.00 0.00 68.15
10:06:42 AM 0 1.20 0.00 0.80 0.00 0.00 0.00 0.00 0.00 0.00 98.00
10:06:42 AM 1 7.21 0.00 0.40 0.00 0.00 0.00 0.00 0.00 0.00 92.38
10:06:42 AM 2 100.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
10:06:42 AM 3 17.43 0.00 0.20 0.00 0.00 0.00 0.00 0.00 0.00 82.36
# -P ALL 表示监控所有CPU，后面数字5 表示间隔5秒输出一次数据
从第二个终端可以看到，1分钟平均负载增加到1.62，从第三个终端我们可以看到有一个CPU使用率100%，但iowait为0，这说明平均负载的升高正式由CPU使用率为100%
那我们查看是那个进程导致了CPU使用率为100%呢？我们可以使用pidstat来查看：
代码语言：javascript复制#每5秒输出一次数据
$ pidstat -u 5 1
10:08:41 AM UID PID %usr %system %guest %wait %CPU CPU Command
10:08:46 AM 0 1 0.20 0.00 0.00 0.00 0.20 0 systemd
10:08:46 AM 0 599 0.00 1.00 0.00 0.20 1.00 0 systemd-journal
10:08:46 AM 0 1043 0.60 0.00 0.00 0.00 0.60 0 rsyslogd
10:08:46 AM 0 6863 100.00 0.00 0.00 0.00 100.00 3 stress
10:08:46 AM 0 7303 0.20 0.20 0.00 0.00 0.40 2 pidstat
从这里我们可以看到是stress这个进程导致的。
场景二、I/O密集型进程
1、我们使用stress-ng命令，但这次模拟I/O压力，既不停执行sync:
代码语言：javascript复制#--hdd表示读写临时文件
#-i 生成几个worker循环调用sync()产生io压力
$ stress-ng -i 4 --hdd 1 --timeout 600
2、开启第二个终端运行uptime查看平均负载情况
代码语言：javascript复制$ watch -d uptime
10:30:57 up 98 days, 19:39, 3 users, load average: 1.71, 0.75, 0.69
3、开启第三个终端运行mpstat查看CPU使用率
代码语言：javascript复制$ mpstat -P ALL 5 20
10:32:09 AM CPU %usr %nice %sys %iowait %irq %soft %steal %guest %gnice %idle
10:32:14 AM all 6.80 0.00 33.75 26.16 0.00 0.39 0.00 0.00 0.00 32.90
10:32:14 AM 0 4.03 0.00 69.57 19.91 0.00 0.00 0.00 0.00 0.00 6.49
10:32:14 AM 1 25.32 0.00 9.49 0.00 0.00 0.95 0.00 0.00 0.00 64.24
10:32:14 AM 2 0.24 0.00 10.87 63.04 0.00 0.48 0.00 0.00 0.00 25.36
10:32:14 AM 3 1.42 0.00 36.93 14.20 0.00 0.28 0.00 0.00 0.00 47.16
从这里可以看到，1分钟平均负载会慢慢增加到1.71，其中一个CPU的系统CPU使用率升到63.04。这说明，平均负载的升高是由于iowait升高。
那么我们到底是哪个进程导致的呢？我们使用pidstat来查看：
代码语言：javascript复制$ pidstat -u 5 1
Average: UID PID %usr %system %guest %wait %CPU CPU Command
Average: 0 1 0.00 0.19 0.00 0.00 0.19 - systemd
Average: 0 10 0.00 0.19 0.00 1.56 0.19 - rcu_sched
Average: 0 599 0.58 1.75 0.00 0.39 2.33 - systemd-journal
Average: 0 1043 0.19 0.19 0.00 0.00 0.39 - rsyslogd
Average: 0 6934 0.00 1.56 0.00 1.17 1.56 - kworker/2:0-events_power_efficient
Average: 0 7383 0.00 0.39 0.00 0.78 0.39 - kworker/1:0-events_power_efficient
Average: 0 9411 0.00 0.19 0.00 0.58 0.19 - kworker/0:0-events
Average: 0 9662 0.00 97.67 0.00 0.19 97.67 - kworker/u8:0 flush-253:0
Average: 0 10793 0.00 0.97 0.00 1.56 0.97 - kworker/3:2-mm_percpu_wq
Average: 0 11062 0.00 21.79 0.00 0.19 21.79 - stress-ng-hdd
Average: 0 11063 0.00 1.95 0.00 1.36 1.95 - stress-ng-io
Average: 0 11064 0.00 2.72 0.00 0.39 2.72 - stress-ng-io
Average: 0 11065 0.00 1.36 0.00 1.75 1.36 - stress-ng-io
Average: 0 11066 0.00 2.72 0.00 0.58 2.72 - stress-ng-io
可以发现是stress-ng导致的
场景三、大量进程的场景
当系统中运行进程超出CPU运行能力时，就会出现等待CPU的进程。
比如：我们使用stress,但这次模拟8个进程：
代码语言：javascript复制$ stress -c 8 --timeout 600
我们的系统只有4颗CPU，这时候要运行8个进程，是明显不够的，系统的CPU后严重过载,这时候负载值达到了4点多：
代码语言：javascript复制$ uptime
10:56:22 up 98 days, 20:05, 3 users, load average: 4.52, 2.82, 2.67
接着我们运行pidstat来查看一下进程的情况：
代码语言：javascript复制$ pidstat -u 5 1
Linux 5.0.5-1.el7.elrepo.x86_64 (k8s-m1) 07/11/2019 _x86_64_ (4 CPU)
10:57:33 AM UID PID %usr %system %guest %wait %CPU CPU Command
10:57:38 AM 0 1 0.20 0.00 0.00 0.00 0.20 1 systemd
10:57:38 AM 0 599 0.00 0.99 0.00 0.20 0.99 2 systemd-journal
10:57:38 AM 0 1043 0.60 0.20 0.00 0.00 0.79 1 rsyslogd
10:57:38 AM 0 12927 51.59 0.00 0.00 48.21 51.59 0 stress
10:57:38 AM 0 12928 44.64 0.00 0.00 54.96 44.64 0 stress
10:57:38 AM 0 12929 45.44 0.00 0.00 54.56 45.44 2 stress
10:57:38 AM 0 12930 45.44 0.00 0.00 54.37 45.44 2 stress
10:57:38 AM 0 12931 51.59 0.00 0.00 48.21 51.59 3 stress
10:57:38 AM 0 12932 48.41 0.00 0.00 51.19 48.41 1 stress
10:57:38 AM 0 12933 45.24 0.00 0.00 54.37 45.24 3 stress
10:57:38 AM 0 12934 48.81 0.00 0.00 50.99 48.81 1 stress
10:57:38 AM 0 13083 0.00 0.40 0.00 0.20 0.40 0 pidstat
可以看出，8个进程抢占4颗CPU，每个进程等到CPU时间(%wait)高达50%，这些都超出CPU计算能力的进程，最终导致CPU过载。
本文作者：大胖猴 本文链接：https://www.cnblogs.com/xzkzzz/p/11164089.html
