linux下几个工具stress,mpstat,pidstat的妙用

郑全 · 发表于 2019-2-11 11:26:13

本帖最后由郑全于 2019-2-11 11:50 编辑

一般在我们发现系统有问题的时候，大家的第一反应肯定都是看下当前的CPU使用状态，看下当前的内存使用状态，看下当前的磁盘使用状态。
那么不可避免的大家肯定会使用top这个命令,那么我们今天看下top中的load值是如何计算的。

登录/注册后可看大图

top

首先，我们简单的理解下这个指标
load average: 0.00, 0.01, 0.05

load average 有3个指标，分别是,1分钟平均负载、5分钟平均负载、15分钟平均负载，我们可以根据这三个指标，看到我们当前的系统负载整体是下降的，还是上升的。
好，理解了3个指标的含义后，我们来看下这3个指标是如何计算的。

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，他和CPI使用率并没有直接的关系，那么可运行状态和不可中断状态怎么理解呢？
可运行状态：指正在使用CPU或者正在等待CPU的进程，也就是我们常用ps aux命令看到的处于R(running,runnable)状态的进程。

可运行状态

登录/注册后可看大图

555635c60f1032374f.png (219.4 KB, 下载次数: 428)

下载附件

2019-2-11 11:50 上传

不可中断状态：指进程正处于内核态关键流程中的进程，并且这些流程是不可被打断的，比如最长久的是等待硬件设备的I/O响应，也就是我们在ps aux命令中看到的D(Uniterruptible,Disk Sleep)状态的进程。
比如，当一个进程向磁盘写数据时，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，你可以简单的理解为，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。但他实际上是活跃进程数的指数衰减平均值。这“指数衰减平均”可以不用计较，只是一种更快速的计算方式，你可以把它直接当成活跃进程数的平均值即可。
既然平均的是活跃进程数，那么最理想的就是每个CPU上刚好运行着一个进程，这样每个CPU都得到了充分的利用，比如当平均负载为2时，意味着什么呢？

CPU核心数，指逻辑CPU，即一个CPU不开超线程时为2个物理核心，开了超线程后就变成了4个逻辑核心。
在只有2个CPU核心的系统上，意味着所有CPU核心数都刚好被完全占用。
在有4个CPU核心的系统上，意味着CPU有50%的空闲。
而在只有2个CPU核心的系统中，则意味着有一半的进程竞争不到CPU。

平均负载多少时合理？在评估这个值的时候，首先我们要看下当前有多少个逻辑CPU，一般我们直接看/proc/cpuinfo的数据即可

[root@localhost ~]# cat /proc/cpuinfo |grep "model name"|wc -l
16

那么比如我这台机器，看到的就是16个逻辑核心了。

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。
不过这个观察也是要评估多个指标的，我们要同时用1分钟5分钟15分钟的值来大概的估算这个设备的负载是呈现上升或者下降的趋势，其实最好的方式是通过监控的手段，采集足够多的load值，这样可以更精准的知道自己设备的负载情况。

平均负载与CPU使用率

在日常使用中，我们经常容易把平均负载和CPU使用率混淆，这里我们做下区分。

可能我们会有疑惑，既然平均负载代表的是活跃进程数，那么平均负载搞了，不就意味着CPU使用率高了吗？
这里我们还得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，他不仅包扩了正在使用CPU的进程，还包括等待CPU和等待I/O的进程。
而CPU使用率，是单位时间内CPU繁忙情况的统计，和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，但是CPU使用率不一定很高。
大量等待CPU的进程调用也会导致平均负载升高，此时的CPU使用率也会比较高。

平均负载案例分析
这里会用到2个工具，stress和sysstat

stress是一个Linux系统压力测试工具，这里我们用作异常进程模拟平均负载升高的场景。该工具可以通过epel源安装。

sysstat是一个linux性能工具，用来监控和分析系统的性能，以下案例中会用到这个包的2个命令mpstat和pidstat。

mpstat 是一个常用的多核CPU性能分析工具用来实时查看每个CPU的性能指标，一级所有CPI的平均指标。
pidstat 是一个常用的进程性能分析工具，用来实时查看进程的CPU、内存、I/O以及上下文切换等性能指标。

场景1：CPU密集型进程
我们打开终端一运行stree命令，模拟一个CPU使用率100%的场景：

[root@localhost ~]# stress --cpu 1 --timeout 600
stress: info: [5399] dispatching hogs: 1 cpu, 0 io, 0 vm, 0 hdd

我们打开终端二，查看CPU负载的上升状态

[root@localhost ~]# uptime 01:50:42 up 1 day,  1:42,  3 users,  load average: 0.68, 0.22, 0.11
[root@localhost ~]# uptime 01:50:45 up 1 day,  1:42,  3 users,  load average: 0.71, 0.23, 0.12
[root@localhost ~]# uptime 01:51:10 up 1 day,  1:43,  3 users,  load average: 0.81, 0.29, 0.14
[root@localhost ~]# uptime 01:54:58 up 1 day,  1:47,  4 users,  load average: 1.03, 0.68, 0.33

一段时间后，我们发现1分钟的平均load值超过了1，为啥？设备上还有些其他进程运行啊。

打开终端三，查看CPU使用状态

[root@localhost ~]# mpstat -P ALL 5
Linux 3.10.0-514.16.1.el7.x86_64 (localhost.localdomain) 11/24/2018  _x86_64_ (16 CPU)
01:53:08 AM  CPU %usr %nice %sys %iowait %irq %soft  %steal  %guest  %gnice %idle
01:53:13 AM  all 6.24 0.00 0.01 0.00 0.00 0.00 0.01 0.00 0.00 93.73
01:53:13 AM 0 0.00 0.00 0.00 0.00 0.00 0.00 0.20 0.00 0.00 99.80
01:53:13 AM 1 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00  100.00
01:53:13 AM 2 0.20 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 99.80
01:53:13 AM 3 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00  100.00
01:53:13 AM 4 0.00 0.00 0.20 0.00 0.00 0.00 0.00 0.00 0.00 99.80
01:53:13 AM 5 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00  100.00
01:53:13 AM 6 0.00 0.00 0.20 0.00 0.00 0.00 0.00 0.00 0.00 99.80
01:53:13 AM 7 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00  100.00
01:53:13 AM 8 0.20 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 99.80
01:53:13 AM 9 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00  100.00
01:53:13 AM 10 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00  100.00
01:53:13 AM 11 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00  100.00
01:53:13 AM 12 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00  100.00
01:53:13 AM 13 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00  100.00
01:53:13 AM 14 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00  100.00
01:53:13 AM 15  100.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00

这里我们可以看到，在CPU15上 CPU的使用率一直处于100%状态，使用这个工具可以持续看到状态的变化。
从终端二中可以看到，1分钟的平均负载慢慢会增加到1，而从终端三中可以看到，正好有一个CPU的使用率为100%，但他的iowait为0，这说明，平均负载的升高正是由于CPU使用率为100%。

那么，到底是哪个进程导致了CPU使用率为100%呢？

你可以使用pidstat来查询：

[root@localhost ~]# pidstat -u 5 1
Linux 3.10.0-514.16.1.el7.x86_64 (localhost.localdomain) 11/24/2018  _x86_64_ (16 CPU)
02:00:20 AM UID    PID %usr %system  %guest %CPU CPU  Command
02:00:25 AM    0    8451  100.00 0.00 0.00  100.00    2  stress
02:00:25 AM    0    8456 0.00 0.20 0.00 0.20    3  pidstat
02:00:25 AM    0    8457 0.20 0.20 0.00 0.40 15  client
Average:    UID    PID %usr %system  %guest %CPU CPU  Command
Average:       0    8451  100.00 0.00 0.00  100.00    -  stress
Average:       0    8456 0.00 0.20 0.00 0.20    -  pidstat
Average:       0    8457 0.20 0.20 0.00 0.40    -  client

从这里，可以明显看到，stress进程的CPU使用率为100%。

场景二：I/O 密集型进程

首先还是运行stress命令，但这次模拟I/O压力，即不停的执行sync：

打开终端一，执行stress

[root@localhost ~]# stress -i 1 --timeout 3600
stress: info: [8817] dispatching hogs: 0 cpu, 1 io, 0 vm, 0 hdd

打开终端二

[root@localhost ~]# uptime
02:02:36 up 1 day,  1:54,  4 users,  load average: 0.83, 0.85, 0.56

[root@localhost ~]# uptime
02:05:27 up 1 day,  1:57,  4 users,  load average: 0.99, 0.92, 0.63
这里，也会看到，load会不断的升高

打开终端三

[root@localhost ~]# mpstat -P ALL 5
Linux 3.10.0-514.16.1.el7.x86_64 (localhost.localdomain) 11/24/2018  _x86_64_ (16 CPU)
Average:    CPU %usr %nice %sys %iowait %irq %soft  %steal  %guest  %gnice %idle
Average:    all 0.05 0.00 5.93 0.34 0.00 0.00 0.05 0.00 0.00 93.63
Average:    0 0.16 0.00 0.48 0.00 0.00 0.00 0.14 0.00 0.00 99.22
Average:    1 0.03 0.00 0.09 0.01 0.00 0.00 0.03 0.00 0.00 99.84
Average:    2 0.03 0.00 0.09 0.00 0.00 0.00 0.01 0.00 0.00 99.88
Average:    3 0.09 0.00 0.23 0.00 0.00 0.00 0.03 0.00 0.00 99.65
Average:    4 0.13 0.00 0.53 0.00 0.00 0.00 0.05 0.00 0.00 99.29
Average:    5 0.02 0.00 0.05 0.00 0.00 0.00 0.05 0.00 0.00 99.88
Average:    6 0.02 0.00 0.35 0.00 0.00 0.00 0.08 0.00 0.00 99.56
Average:    7 0.02 0.00 0.04 0.00 0.00 0.00 0.03 0.00 0.00 99.90
Average:    8 0.02 0.00 0.14 0.00 0.00 0.00 0.04 0.00 0.00 99.80
Average:    9 0.10 0.00 0.28 0.00 0.00 0.00 0.03 0.00 0.00 99.59
Average:    10 0.09 0.00 0.34 0.00 0.00 0.00 0.05 0.00 0.00 99.52
Average:    11 0.01 0.00 0.06 0.00 0.00 0.00 0.03 0.00 0.00 99.90
Average:    12 0.03 0.00 33.73 1.96 0.00 0.00 0.05 0.00 0.00 64.23
Average:    13 0.02 0.00 0.04 0.00 0.00 0.00 0.02 0.00 0.00 99.92
Average:    14 0.03 0.00 2.43 0.12 0.00 0.00 0.04 0.00 0.00 97.37
Average:    15 0.04 0.00 56.38 3.30 0.00 0.00 0.17 0.00 0.00 40.12

这里看到，CPU的use使用不是很高，反而sys使用的比较高，分布在了2个CPU上，约等于100%
同时可以看到iowait的值也升高了一些，由于我的设备全是ssd磁盘，所以这个io的性能可能会稍微好一些。
从以上操作中，我们看到1分钟的平均负载会慢慢的增加，其中一个CPU的系统CPU使用率提升到了56，同时iowait也提升到了3，这说明平均负载的升高是由于系统资源使用和iowait导致。

那么到底是哪个进程，导致系统CPU使用率特别高，及iowait特别高呢？

[root@localhost ~]# pidstat -u 5 1
Linux 3.10.0-514.16.1.el7.x86_64 (localhost.localdomain) 11/24/2018  _x86_64_ (16 CPU)
02:34:53 AM UID    PID %usr %system  %guest %wait %CPU CPU  Command
02:34:58 AM    0    730 0.00 0.20 0.00 0.00 0.20 12  xfsaild/vda6
02:34:58 AM    0    1471 0.00 0.20 0.00 0.00 0.20 10  kworker/10:2
02:34:58 AM    0    3042 0.00 0.40 0.00 0.00 0.40    7  kworker/7:1H
02:34:58 AM    0    11617 0.00 1.59 0.00 0.00 1.59    2  kworker/u32:1
02:34:58 AM    0    15272 0.00 91.43 0.00 0.40 91.43    7  stress
02:34:58 AM    0    15273 0.00 0.20 0.00 0.00 0.20 14  kworker/u32:0
02:34:58 AM    0    15274 0.20 0.40 0.00 0.00 0.60    5  pidstat

通过以上的信息，可以很清晰的看到，是由于stress进程出现了大量的系统使用。

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。

我们打开终端一：使用stress模拟24个进程：

[root@localhost ~]# stress -c 24 --timeout 3600
stress: info: [11726] dispatching hogs: 24 cpu, 0 io, 0 vm, 0 hdd

打开终端二：看下当前的负载值

[root@localhost ~]# uptime
02:20:36 up 1 day,  2:12,  4 users,  load average: 17.22, 5.98, 2.61

[root@localhost ~]# uptime
02:20:52 up 1 day,  2:13,  4 users,  load average: 18.72, 6.86, 2.95

[root@localhost ~]# uptime
02:24:03 up 1 day,  2:16,  4 users,  load average: 23.77, 14.94, 6.85

打开终端三：看下进程的资源使用信息

[root@localhost ~]# pidstat -u 5 1
Linux 3.10.0-514.16.1.el7.x86_64 (localhost.localdomain) 11/24/2018  _x86_64_ (16 CPU)
02:28:14 AM UID    PID %usr %system  %guest %wait %CPU CPU  Command
02:28:19 AM    0       43 0.00 0.20 0.00 0.00 0.20    7  ksoftirqd/7
02:28:19 AM    0    2292 0.20 0.00 0.00 0.00 0.20 11  dstat
02:28:19 AM    0    11727 48.81 0.00 0.00 44.05 48.81    5  stress
02:28:19 AM    0    11728 44.64 0.00 0.00 0.00 44.64 12  stress
02:28:19 AM    0    11729 41.27 0.00 0.00 49.60 41.27 11  stress
02:28:19 AM    0    11730 46.03 0.00 0.00 41.27 46.03    2  stress
02:28:19 AM    0    11731 59.92 0.00 0.00 30.16 59.92 15  stress
02:28:19 AM    0    11732 47.62 0.00 0.00 25.60 47.62 13  stress
02:28:19 AM    0    11733 65.67 0.00 0.00 22.02 65.67    2  stress
02:28:19 AM    0    11734 41.67 0.00 0.00 50.40 41.67 10  stress
02:28:19 AM    0    11735 54.17 0.00 0.00 32.34 54.17 15  stress
02:28:19 AM    0    11736 42.06 0.00 0.00 50.20 42.06    6  stress
02:28:19 AM    0    11737 35.91 0.00 0.00 29.96 35.91    3  stress
02:28:19 AM    0    11738 50.20 0.00 0.00 5.16 50.20 10  stress
02:28:19 AM    0    11739 42.06 0.00 0.00 49.60 42.06    6  stress
02:28:19 AM    0    11740 58.73 0.00 0.00 34.92 58.73    4  stress
02:28:19 AM    0    11741 46.63 0.00 0.00 13.49 46.63    1  stress
02:28:19 AM    0    11742 43.45 0.00 0.00 50.79 43.45 14  stress
02:28:19 AM    0    11743 44.05 0.00 0.00 45.24 44.05    7  stress
02:28:19 AM    0    11744 56.55 0.00 0.00 12.70 56.55    0  stress
02:28:19 AM    0    11745 46.23 0.00 0.00 49.80 46.23    5  stress
02:28:19 AM    0    11746 49.40 0.00 0.00 41.27 49.40 11  stress
02:28:19 AM    0    11747 43.65 0.00 0.00 49.40 43.65 14  stress
02:28:19 AM    0    11748 59.33 0.00 0.00 0.99 59.33    8  stress
02:28:19 AM    0    11749 46.43 0.00 0.00 45.24 46.43    4  stress
02:28:19 AM    0    11750 51.19 0.00 0.00 24.60 51.19    9  stress
02:28:19 AM    0    14276 0.00 0.40 0.00 0.20 0.40 10  pidstat

我们发现，运行的24个stress进程，出现了资源争抢的问题，既然出现了资源争抢，就会出现等待时间wait。

帐号		自动登录	找回密码
密码			注册

[系统管理] linux下几个工具stress,mpstat,pidstat的妙用

浏览过的版块