服务器性能指标（二）——CPU利用率分析及问题排查

转载自服务器性能指标（二）——CPU利用率分析及问题排查

平常的工作中，在衡量服务器的性能时，经常会涉及到几个指标，load、cpu、mem、qps、rt等。每个指标都有其独特的意义，很多时候在线上出现问题时，往往会伴随着某些指标的异常。大部分情况下，在问题发生之前，某些指标就会提前有异常显示。

在上一篇文章中，我们介绍了一个重要的指标就是负载（Load），其中我们提到Linux的负载高，主要是由于CPU使用、内存使用、IO消耗三部分构成。任意一项使用过多，都将导致服务器负载的急剧攀升。本文就来分析其中的第二项，CPU的利用率。主要涉及CPU利用率的定义、查看CPU利用率方式、CPU利用率飙高排查思路等。

什么是CPU利用率

CPU利用率，又称CPU使用率。顾名思义，CPU利用率是来描述CPU的使用情况的，表明了一段时间内CPU被占用的情况。使用率越高，说明你的机器在这个时间上运行了很多程序，反之较少。使用率的高低与你的CPU强弱有直接关系。

在接下来深入介绍CPU的利用率之前，我们先来解释一个简单的概念，可能是很多人一直存在误解的地方。

很多人都知道，现在我们用到操作系统，无论是Windows、Linux还是MacOS等其实都是多用户多任务分时操作系统。使用这些操作系统的用户是可以“同时”干多件事的，这已经是日常习惯了，并没觉得有什么特别。但是实际上，对于单CPU的计算机来说，在CPU中，同一时间是只能干一件事儿的。为了看起来像是“同时干多件事”，分时操作系统是把CPU的时间划分成长短基本相同的时间区间,即"时间片"，通过操作系统的管理，把这些时间片依次轮流地分配给各个用户使用。如果某个作业在时间片结束之前,整个任务还没有完成，那么该作业就被暂停下来,放弃CPU，等待下一轮循环再继续做.此时CPU又分配给另一个作业去使用。由于计算机的处理速度很快，只要时间片的间隔取得适当,那么一个用户作业从用完分配给它的一个时间片到获得下一个CPU时间片，中间有所"停顿"，但用户察觉不出来,好像整个系统全由它"独占"似的。

而我们说到的CPU的占用率，一般指的就是对时间片的占用情况。

查看CPU利用率

在上一篇文章中，我们介绍过，使用uptime、top、w等命令可以在Linux查看系统的负载情况。其中，top命令也可以用来查看CPU的利用率，除此之外，还可以使用vmstat来查看cpu的利用率。

vmstat命令

vmstat命令是最常见的Linux/Unix监控工具，可以展现给定时间间隔的服务器的状态值,包括服务器的CPU使用率，内存使用，虚拟内存交换情况,IO读写情况。

1➜  ~ vmstat
2procs -----------memory---------- ---swap-- -----io---- --system-- -----cpu-----
3 r  b   swpd   free   buff  cache   si   so    bi    bo   in   cs us sy id wa st
4 0  1      0 2446260      0 3202312    0    0   201 16304    1    6  0  0 84  5 1

从上面的结果中我们可以看到很多信息，我们本文重点关注下cpu部分的指标。

1us sy id wa st
20  0  84  5 1

以上几个指标是当前CPU的占用情况。

%us：用户进程执行时间百分比

us的值比较高时，说明用户进程消耗的CPU时间多，但是如果长期超50%的使用，那么我们就该考虑优化程序算法或者进行加速。

%sy：内核系统进程执行时间百分比

sy的值高时，说明系统内核消耗的CPU资源多，这并不是良性表现，我们应该检查原因。

%id：空闲时间百分比

%wa：IO等待时间百分比

wa的值高时，说明IO等待比较严重，这可能由于磁盘大量作随机访问造成，也有可能磁盘出现瓶颈（块操作）。

%st：虚拟 CPU 等待实际 CPU 的时间的百分比

一般vmstat工具的使用是通过两个数字参数来完成的，第一个参数是采样的时间间隔数，单位是秒，第二个参数是采样的次数。

1➜  ~ vmstat 2 2
2procs -----------memory---------- ---swap-- -----io---- --system-- -----cpu-----
3 r  b   swpd   free   buff  cache   si   so    bi    bo   in   cs us sy id wa st
4 0  0      0 2479444      0 3165172    0    0   196 15905    2    8  0  0 84  5 11
5 0  0      0 2479404      0 3165176    0    0     0  2804 81664 2715  0  0 90  1  9

以上命令表示采集两次数据，每隔2秒采集一次。

top命令

top命令是Linux下常用的性能分析工具，能够实时显示系统中各个进程的资源占用状况，类似于Windows的任务管理器。

1~ top
2top - 10:58:07 up 18:13,  1 user,  load average: 0.32, 0.24, 0.19
3Tasks:  64 total,   1 running,  63 sleeping,   0 stopped,   0 zombie
4Cpu(s):  0.1%us,  0.2%sy,  0.0%ni, 92.8%id,  0.1%wa,  0.0%hi,  0.0%si,  6.8%st
5Mem:   8388608k total,  5928076k used,  2460532k free,        0k buffers
6Swap: 16777216k total,        0k used, 16777216k free,  3181996k cached
7   PID USER      PR  NI  VIRT  RES  SHR S %CPU %MEM    TIME+  COMMAND
8  2393 admin     20   0 5056m 2.2g  56m S  4.3 27.6  79:06.21 java
9  1054 root      20   0  338m 9760 5112 S  0.3  0.1   2:37.30 logagent

使用top命令，除了可以查看Load Avg以外，还可以显示CPU利用率信息。

以上top命令打印的信息中（Cpu(s): 0.1%us, 0.2%sy, 0.0%ni, 92.8%id, 0.1%wa, 0.0%hi, 0.0%si, 6.8%st），第三行反映了当前cpu的整体情况。

从上面的打印信息中我们还可以看到，ID为2393的java进程当前内存使用率最高，占到4.3%左右。

由于Java是多线程的，所有，有些时候我们希望可以查看一个Java进程中所有线程的cpu使用率如何，也可以使用top命令来查看。

1➜  ~ top -Hp 1893
2PID USER      PR  NI  VIRT  RES  SHR S %CPU %MEM    TIME+  COMMAND
319163 admin     20   0 5056m 2.2g  56m S  1.7 27.6  17:39.97 java
410649 admin     20   0 5056m 2.2g  56m S  0.7 27.6   4:07.64 java
55884 admin     20   0 5056m 2.2g  56m S  0.3 27.6   2:18.19 java
610650 admin     20   0 5056m 2.2g  56m S  0.3 27.6   1:24.77 java

通过top -Hp 1893命令，我们可以发现，当前1893这个进程中，ID为19163的线程占用CPU最高，达到1.7%左右。

PS：top命令的输出结果是动态的，随着系统的情况实时变化的。

CPU使用率的计算逻辑

描述系统cpu使用情况主要有一下几点：

user 从系统启动到现在，CPU处于用户态的运行时间。不包含nice值为负的进程。

nice 从系统启动到现在，CPUnice为负值的进程占用的cpu时间。

system 从系统启动到现在，CPU处于内核态的运行时间。

idle 从系统启动到现在，CPU除了 iowait外的等待时间。

iowait 从系统启动到现在，CPUio 等待时间。

irq 从系统启动到现在，CPU硬中断花费的时间。

softirq 从系统启动到现在，CPU软中断花费的时间。

steal 从系统启动到现在，CPU运行其他虚拟环境中的操作系统花费的时间。

guest 从系统启动到现在，CPU运行在通过Linux内核控制的客户操作系统上的虚拟cpu的时间。

guest_nice 从系统启动到现在，CPU运行在通过Linux内核控制的客户操作系统上的虚拟cpu的时间, nice 为负值进程。

知道了以上参数的意思，计算某段时间内的cpu使用率就不难，由于cpu资源是在高速的变化，于是计算cpu使用率只能是在一段时间内的，设置两个时间点为t1和t2， CPU在t1和t2时间内总的使用时间:

1( user2+ nice2+ system2+ idle2+ iowait2+ irq2+ softirq2 + steal2 + guest2 + guest_nice2 ) - ( user1+ nice1+ system1+ idle1+ iowait1+ irq1+ softirq1 + steal1 + guest1 + guest_nice1)

CPU的空闲时间：

1(idle2 -idle1)

CPU在t1和t2时间内的使用率

1CPU非空闲时间/CPU总时间*100%=（1-CPU的空闲时间/CPU总时间）*100%

则：

1CPU(t1,t2)使用率：1-(idle2-idle1)/(( user2+ nice2+ system2+ idle2+ iowait2+ irq2+ softirq2 + steal2 + guest2 + guest_nice2 ) - ( user1+ nice1+ system1+ idle1+ iowait1+ irq1+ softirq1 + steal1 + guest1 + guest_nice1))

(参考资料：https://blog.csdn.net/IT_DREAM_ER/article/details/52037368)

CPU利用率和负载

我们上一篇文章介绍了系统的负载，本文介绍了CPU利用率，很多小伙伴就会分不清楚了，这两者之前到底有什么区别和联系呢？

CPU利用率是对一个时间段内CPU使用状况的统计，通过这个指标可以看出在某一个时间段内CPU被占用的情况。

CPU负载是在一段时间内CPU正在处理以及等待CPU处理的进程数之和的统计信息，也就是CPU使用队列的长度的统计信息。

有一个很好的比喻，就是把CPU的使用比喻成排队打电话：

我们将CPU就类比为电话亭，每一个进程都是一个需要打电话的人。现在有一个电话亭（单核计算机），有10个人需要打电话（10个进程）。现在使用电话的规则是管理员会按照顺序给每一个人轮流分配1分钟的使用电话时间，如果使用者在1分钟内使用完毕，那么可以将电话使用权返还给管理员，如果到了1分钟电话使用者还没有使用完毕，那么需要重新排队，等待再次分配使用。在电话亭使用过程中，肯定会有人打完电话走掉，有人没有打完电话而选择重新排队，同样也会有新来的人继续排队，这个人数的变化就相当于任务数的增减。

CPU的Load统计一定时间段内，所有使用电话的人加上等待电话分配的人数的平均值。为了统计平均负载情况，我们5分钟统计一次人数，并在第1、5、15分钟的时候对统计情况取平均值，从而形成第1、5、15分钟的平均负载。

CPU利用率统计的进程在进入电话亭后，真正使用电话的时间和在电话亭停留的时间的比值。例如一个用户得到了一分钟的使用权，在10秒钟内打了电话，然后去查询号码本花了20秒钟，再用剩下的30秒打了另一个电话。那么他的利用率就是(10+30)/60

Java Web应用CPU使用率飙高排查思路

当发现系统的CPU使用率飙高时，首先要定位到是哪个进程占用的CPU较高。一般情况下，对于Java代码来说，导致CPU飙高可能由以下几个原因引起：

1、内存泄露、导致大量Full GC（如典型的Java 1.7之前的String.subString导致的内存泄露问题） 2、代码存在死循环（如典型的多线程场景使用HashMap导致死循环的问题）

这部分问题排查思路其实和我上一篇问文章的思路差不多，基本都是先定位到占用CPU较多的进程和线程，然后通过命令在查看这条线程执行情况。通过分析代码来定位其中的问题。

这里就不重复介绍了，最重要的是熟练的使用jstack、jstat以及jmap等命令来定位及解决Java进程的问题。