每次發現系統變慢時，我們通常做的第一件事，就是執行 top 或者 uptime 命令，來了解系統的負載情況。比如像下面這樣，我在命令行里輸入了 uptime 命令，系統也隨即給出了結果。 $ uptime 02:34:03 up 2 days, 20:14, 1 user, load average: 0.63, 0.83, 0.88 但我想問的是，你真的知道這里每列輸出的含義 我相信你對前面的幾列比較熟悉，它們分別是當前時間、系統運行時間以及正在登錄用戶數。 02:34:03 // 當前時間 up 2 days, 20:14 // 系統運行時間 1 user // 正在登錄用戶數 而最后三個數字呢，依次則是過去 1 分鐘、5 分鐘、15 分鐘的平均負載(Load Average)。 平均負載？這個詞對很多人來說，可能既熟悉又陌生，我們每天的工作中，也都會提到這個詞，但你真正理解它背后的含義嗎？如果你們團隊來了一個實習生，他揪住你不放，你能給他講清楚什么是平均負載嗎？ 我猜一定有人會說，平均負載不就是單位時間內的 CPU 使用率嗎？上面的 0.63，就代表 CPU 使用率是 63%。其實并不是這樣，如果你方便的話，可以通過執行 man uptime 命令，來了解平均負載的詳細解釋。

平均負載

簡單來說，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。這里我先解釋下，可運行狀態和不可中斷狀態這倆詞兒。

• 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，你可以簡單理解為，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

講完了什么是平均負載，現在我們再回到最開始的例子，不知道你能否判斷出，在 uptime 命令的結果里，那三個時間段的平均負載數，多大的時候能說明系統負載高？或是多小的時候就能說明系統負載很低呢？ 我們知道，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，比如： $ grep 'model name' /proc/cpuinfo | wc -l 2 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。 不過，且慢，新的問題又來了。我們在例子中可以看到，平均負載有三個數值，到底該參考哪一個呢？ 實際上，都要看。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。 打個比方，就像初秋時北京的天氣，如果只看中午的溫度，你可能以為還在 7 月份的大夏天呢。但如果你結合了早上、中午、晚上三個時間點的溫度來看，基本就可以全方位了解這一天的天氣情況了。 同樣的，前面說到的 CPU 的三個負載時間段也是這個道理。 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，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？ 在我看來，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，你再去做分析和調查。

平均負載與 CPU 使用率

現實工作中，我們經常容易把平均負載和 CPU 使用率混淆，所以在這里，我也做一個區分。 可能你會疑惑，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？ 我們還是要回到平均負載的含義上來，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。 因為案例分析都是基于機器上的操作，所以不要只是聽聽、看看就夠了，最好還是跟著我實際操作一下。 你的準備 下面的案例都是基于 Ubuntu 18.04，當然，同樣適用于其他 Linux 系統。我使用的案例環境如下所示。 機器配置：2 CPU，8GB 內存。 預先安裝 stress 和 sysstat 包，如 apt install stress sysstat 在這里，先簡單介紹一下 stress 和 sysstat。

• 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。
• 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。

此外，每個場景都需要你開三個終端，登錄到同一臺 Linux 機器中。 實驗之前，你先做好上面的準備。如果包的安裝有問題，可以先在 Google 一下自行解決，如果還是解決不了，再來留言區找我，這事兒應該不難。 另外要注意，下面的所有命令，我們都是默認以 root 用戶運行。所以，如果你是用普通用戶登陸的系統，一定要先運行 sudo su root 命令切換到 root 用戶。 如果上面的要求都已經完成了，你可以先用 uptime 命令，看一下測試前的平均負載情況： $ uptime ..., load average: 0.11, 0.15, 0.09

場景一：CPU 密集型進程

首先，我們在第一個終端運行 stress 命令，模擬一個 CPU 使用率 100% 的場景： $ stress --cpu 1 --timeout 600 接著，在第二個終端運行 uptime 查看平均負載的變化情況： # -d 參數表示高亮顯示變化的區域 $ watch -d uptime ..., load average: 1.00, 0.75, 0.39 最后，在第三個終端運行 mpstat 查看 CPU 使用率的變化情況： # -P ALL 表示監控所有 CPU，后面數字 5 表示間隔 5 秒后輸出一組數據 $ mpstat -P ALL 5 Linux 4.15.0 (ubuntu) 09/22/18 _x86_64_ (2 CPU) 13:30:06 CPU %usr %nice %sys %iowait %irq %soft %steal %guest %gnice %idle 13:30:11 all 50.05 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 49.95 13:30:11 0 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 100.00 13:30:11 1 100.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 從終端二中可以看到，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，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% 。 那么，到底是哪個進程導致了 CPU 使用率為 100% 呢？你可以使用 pidstat 來查詢： # 間隔 5 秒后輸出一組數據 $ pidstat -u 5 1 13:37:07 UID PID %usr %system %guest %wait %CPU CPU Command 13:37:12 0 2962 100.00 0.00 0.00 0.00 100.00 1 stress 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

首先還是運行 stress 命令，但這次模擬 I/O 壓力，即不停地執行 sync： $ stress -i 1 --timeout 600 還是在第二個終端運行 uptime 查看平均負載的變化情況： $ watch -d uptime ..., load average: 1.06, 0.58, 0.37 然后，第三個終端運行 mpstat 查看 CPU 使用率的變化情況： # 顯示所有 CPU 的指標，并在間隔 5 秒輸出一組數據 $ mpstat -P ALL 5 1 Linux 4.15.0 (ubuntu) 09/22/18 _x86_64_ (2 CPU) 13:41:28 CPU %usr %nice %sys %iowait %irq %soft %steal %guest %gnice %idle 13:41:33 all 0.21 0.00 12.07 32.67 0.00 0.21 0.00 0.00 0.00 54.84 13:41:33 0 0.43 0.00 23.87 67.53 0.00 0.43 0.00 0.00 0.00 7.74 13:41:33 1 0.00 0.00 0.81 0.20 0.00 0.00 0.00 0.00 0.00 98.99 從這里可以看到，1 分鐘的平均負載會慢慢增加到 1.06，其中一個 CPU 的系統 CPU 使用率升高到了 23.87，而 iowait 高達 67.53%。這說明，平均負載的升高是由于 iowait 的升高。 那么到底是哪個進程，導致 iowait 這么高呢？我們還是用 pidstat 來查詢： # 間隔 5 秒后輸出一組數據，-u 表示 CPU 指標 $ pidstat -u 5 1 Linux 4.15.0 (ubuntu) 09/22/18 _x86_64_ (2 CPU) 13:42:08 UID PID %usr %system %guest %wait %CPU CPU Command 13:42:13 0 104 0.00 3.39 0.00 0.00 3.39 1 kworker/1:1H 13:42:13 0 109 0.00 0.40 0.00 0.00 0.40 0 kworker/0:1H 13:42:13 0 2997 2.00 35.53 0.00 3.99 37.52 1 stress 13:42:13 0 3057 0.00 0.40 0.00 0.00 0.40 0 pidstat 可以發現，還是 stress 進程導致的。

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： $ stress -c 8 --timeout 600 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，平均負載高達 7.97： $ uptime ..., load average: 7.97, 5.93, 3.02 接著再運行 pidstat 來看一下進程的情況： # 間隔 5 秒后輸出一組數據 $ pidstat -u 5 1 14:23:25 UID PID %usr %system %guest %wait %CPU CPU Command 14:23:30 0 3190 25.00 0.00 0.00 74.80 25.00 0 stress 14:23:30 0 3191 25.00 0.00 0.00 75.20 25.00 0 stress 14:23:30 0 3192 25.00 0.00 0.00 74.80 25.00 1 stress 14:23:30 0 3193 25.00 0.00 0.00 75.00 25.00 1 stress 14:23:30 0 3194 24.80 0.00 0.00 74.60 24.80 0 stress 14:23:30 0 3195 24.80 0.00 0.00 75.00 24.80 0 stress 14:23:30 0 3196 24.80 0.00 0.00 74.60 24.80 1 stress 14:23:30 0 3197 24.80 0.00 0.00 74.80 24.80 1 stress 14:23:30 0 3200 0.00 0.20 0.00 0.20 0.20 0 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。

總結

以上是生活随笔為你收集整理的02丨基础篇：到底应该怎么理解“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。