linux 系統負載高 如何檢查？

一：load Average
    1.1：什麼是Load？什麼是Load Average?
        Load 就是對電腦幹活多少的度量（WikiPedia：the system Load is a measure of the amount of work that a compute system is doing）
        簡單的說是進程隊列的長度。Load Average 就是一段時間（1分鐘、5分鐘、15分鐘）內平均Load。【參考文章：unix Load Average Part1：How It Works】

    1.2：查看指令：
        w or uptime or procinfo or top

        load average: 0.02,   0.27,    0.17
        1 per/minute 5 per/minute 15 per/minute

    1.3：如何判斷系統是否已經Over Load？
        對一般的系統來說，根據cpu數量去判斷。如果平均負載始終在1.2一下，而你有2顆cup的機器。那麼基本不會出現cpu不夠用的情況。也就是Load平均要小於Cpu的數量
    1.4：Load與容量規劃（Capacity Planning）
        一般是會根據15分鐘那個load 平均值為首先。

    1.5：Load誤解：
        1：系統load高一定是效能有問題。
           真相：Load高也許是因為在進行cpu密集型的計算
        2：系統Load高一定是CPU能力問題或數量不夠。
           真相：Load高只是代表需要啟動並執行隊列累計過多了。但隊列中的任務實際可能是耗Cpu的，也可能是耗i/0奶子其他因素的。
        3：系統長期Load高，首先增加CPU
           真相：Load只是表象，不是實質。增加CPU個別情況下會臨時看到Load下降，但治標不治本。

二：在Load average 高的情況下如何鑒別系統瓶頸。
    是CPU不足，還是io不夠快造成或是記憶體不足？

    2.1：查看系統負載vmstat
        Vmstat
        procs -----------memory---------- ---swap-- -----io---- --system-- ----cpu----
        r b swpd free buff cache si so bi bo in cs us sy id wa
        0 0 100152 2436 97200 289740 0 1 34 45 99 33 0 0 99 0

        procs
        r 列表示運行和等待cpu時間片的進程數，如果長期大於1，說明cpu不足，需要增加cpu。
        b 列表示在等待資源的進程數，比如正在等待I/O、或者記憶體交換等。
        cpu 表示cpu的使用狀態
        us 列顯示了使用者方式下所花費 CPU 時間的百分比。us的值比較高時，說明使用者進程消耗的cpu時間多，但是如果長期大於50%，需要考慮最佳化使用者的程式。
        sy 列顯示了核心進程所花費的cpu時間的百分比。這裡us + sy的參考值為80%，如果us+sy 大於 80%說明可能存在CPU不足。
        wa 列顯示了IO等待所佔用的CPU時間的百分比。這裡wa的參考值為30%，如果wa超過30%，說明IO等待嚴重，這可能是磁碟大量隨機訪問造成的，也可能磁碟或者磁碟存取控制器的頻寬瓶頸造成的(主要是塊操作)。
        id 列顯示了cpu處在空閑狀態的時間百分比
        system 顯示採集間隔內發生的中斷數
        in 列表示在某一時間間隔中觀測到的每秒裝置中斷數。
        cs列表示每秒產生的環境切換次數，如當 cs 比磁碟 I/O 和網路資訊包速率高得多，都應進行進一步調查。
        memory
        swpd 切換到記憶體交換區的記憶體數量(k表示)。如果swpd的值不為0，或者比較大，比如超過了100m，只要si、so的值長期為0，系統效能還是正常
        free 當前的空閑頁面列表中記憶體數量(k表示)
        buff 作為buffer cache的記憶體數量，一般對塊裝置的讀寫才需要緩衝。
        cache: 作為page cache的記憶體數量，一般作為檔案系統的cache，如果cache較大，說明用到cache的檔案較多，如果此時IO中bi比較小，說明檔案系統效率比較好。
        swap
        si 由記憶體進入記憶體交換區數量。
        so由記憶體交換區進入記憶體數量。
        IO
        bi 從塊裝置讀入資料的總量（讀磁碟）（每秒kb）。
        bo 塊裝置寫入資料的總量（寫磁碟）（每秒kb）
        這裡我們設定的bi+bo參考值為1000，如果超過1000，而且wa值較大應該考慮均衡磁碟負載，可以結合iostat輸出來分析。

    2.2：查看磁碟負載iostat
        每隔2秒統計一次磁碟IO資訊，直到按Ctrl+C終止程式，-d 選項表示統計磁碟資訊， -k 表示以每秒KB的形式顯示，-t 要求列印出時間資訊，2 表示每隔 2 秒輸出一次。第一次輸出的磁碟IO負載狀況提供了關於自從系統啟動以來的統計資訊。隨後的每一次輸出則是每個間隔之間的平均IO負載狀況。

        # iostat -x 1 10
        Linux 2.6.18-92.el5xen 02/03/2009
        avg-cpu:   %user %nice %system %iowait   %steal %idle
                    1.10 0.00 4.82 39.54 0.07 54.46
        Device:       rrqm/s wrqm/s r/s w/s rsec/s wsec/s avgrq-sz avgqu-sz await   svctm   %util
           sda             0.00     3.50   0.40   2.50     5.60 48.00 18.48     0.00 0.97 0.97 0.28
           sdb             0.00     0.00   0.00   0.00     0.00     0.00     0.00     0.00 0.00 0.00 0.00
           sdc             0.00     0.00   0.00   0.00     0.00     0.00     0.00     0.00 0.00 0.00 0.00
           sdd             0.00     0.00   0.00   0.00     0.00     0.00     0.00     0.00 0.00 0.00 0.00
           sde             0.00     0.10   0.30   0.20     2.40     2.40     9.60     0.00 1.60 1.60 0.08
           sdf              17.40     0.50 102.00   0.20 12095.20     5.60 118.40     0.70 6.81 2.09   21.36
           sdg          232.40     1.90 379.70   0.50 76451.20 19.20 201.13     4.94 13.78 2.45   93.16
           rrqm/s: 每秒進行 merge 的讀運算元目。即 delta(rmerge)/s
           wrqm/s:   每秒進行 merge 的寫運算元目。即 delta(wmerge)/s
           r/s:           每秒完成的讀 I/O 裝置次數。即 delta(rio)/s
           w/s:       每秒完成的寫 I/O 裝置次數。即 delta(wio)/s
           rsec/s: 每秒讀扇區數。即 delta(rsect)/s
           wsec/s: 每秒寫扇區數。即 delta(wsect)/s
           rkB/s:   每秒讀K位元組數。是 rsect/s 的一半，因為每扇區大小為512位元組。(需要計算)
           wkB/s: 每秒寫K位元組數。是 wsect/s 的一半。(需要計算)
           avgrq-sz: 平均每次裝置I/O操作的資料大小 (扇區)。delta(rsect+wsect)/delta(rio+wio)
           avgqu-sz: 平均I/O隊列長度。即 delta(aveq)/s/1000 (因為aveq的單位為毫秒)。
           await: 平均每次裝置I/O操作的等待時間 (毫秒)。即 delta(ruse+wuse)/delta(rio+wio)
           svctm: 平均每次裝置I/O操作的服務時間 (毫秒)。即 delta(use)/delta(rio+wio)
           %util:    一秒中有百分之多少的時間用於 I/O 操作，或者說一秒中有多少時間 I/O 隊列是非空的。即 delta(use)/s/1000 (因為use的單位為毫秒)
          
           如果 %util 接近 100%，說明產生的I/O請求太多，I/O系統已經滿負荷，該磁碟
           可能存在瓶頸。
           idle小於70% IO壓力就較大了,一般讀取速度有較多的wait.
          
           同時可以結合vmstat 查看查看b參數(等待資源的進程數)和wa參數(IO等待所佔用的CPU時間的百分比,高過30%時IO壓力高)
          
           另外還可以參考
           一般:
           svctm < await (因為同時等待的請求的等待時間被重複計算了)，
           svctm的大小一般和磁碟效能有關:CPU/記憶體的負荷也會對其有影響，請求過多也會間接導致 svctm 的增加。
           await: await的大小一般取決於服務時間(svctm) 以及 I/O 隊列的長度和 I/O 請求的發出模式。
           如果 svctm 比較接近 await，說明I/O 幾乎沒有等待時間；
           如果 await 遠大於 svctm，說明 I/O隊列太長，應用得到的回應時間變慢，
           如果回應時間超過了使用者可以容許的範圍，這時可以考慮更換更快的磁碟，調整核心 elevator演算法，最佳化應用，或者升級 CPU。
           隊列長度(avgqu-sz)也可作為衡量系統 I/O 負荷的指標，但由於 avgqu-sz 是按照單位時間的平均值，所以不能反映瞬間的 I/O 洪水。
          
             別人一個不錯的例子.(I/O 系統 vs. 超市排隊)
           舉一個例子，我們在超市排隊 checkout 時，怎麼決定該去哪個交款台呢? 首當是看排的隊人數，5個人總比20人要快吧?除了數人頭，我們也常常看看前面人購買的東西多少，如果前面有個採購了一星期食品的大媽，那麼可以考慮換個隊排了。還有就是收銀員的速度了，如果碰上了連錢都點不清楚的新手，那就有的等了。另外，時機也很重要，可能 5分鐘前還人滿為患的收款台，現在已是人去樓空，這時候交款可是很爽啊，當然，前提是那過去的 5 分鐘裡所做的事情比排隊要有意義(不過我還沒發現什麼事情比排隊還無聊的)。
           I/O 系統也和超市排隊有很多類似之處:
           r/s+w/s 類似於交款人的總數
           平均隊列長度(avgqu-sz)類似於單位時間裡平均排隊人的個數
           平均服務時間(svctm)類似於收銀員的收款速度
           平均等待時間(await)類似於平均每人的等待時間
           平均I/O資料(avgrq-sz)類似於平均每人所買的東西多少
           I/O 操作率 (%util)類似於收款台前有人排隊的時間比例。
           我們可以根據這些資料分析出 I/O 請求的模式，以及 I/O 的速度和回應時間。
        下面是別人寫的這個參數輸出的分析
           # iostat -x 1
           avg-cpu:   %user %nice %sys %idle
           16.24 0.00 4.31 79.44
           Device: rrqm/s wrqm/s r/s w/s   rsec/s   wsec/s rkB/s wkB/s avgrq-sz avgqu-sz await   svctm   %util
           /dev/cciss/c0d0
           0.00   44.90   1.02 27.55 8.16   579.59     4.08 289.80 20.57 22.35 78.21 5.00   14.29
           /dev/cciss/c0d0p1
           0.00   44.90   1.02 27.55 8.16   579.59     4.08 289.80 20.57 22.35 78.21 5.00   14.29
           /dev/cciss/c0d0p2
           0.00 0.00   0.00   0.00 0.00 0.00     0.00     0.00     0.00     0.00 0.00 0.00 0.00
           上面的 iostat 輸出表明秒有 28.57 次裝置 I/O 操作: 總IO(io)/s = r/s(讀) +w/s(寫) = 1.02+27.55 = 28.57 (次/秒) 其中寫操作佔了主體 (w:r = 27:1)。
           平均每次裝置 I/O 操作只需要 5ms 就可以完成，但每個 I/O 請求卻需要等上 78ms，為什麼? 因為發出的 I/O 請求太多 (每秒鐘約 29 個)，假設這些請求是同時發出的，那麼平均等待時間可以這樣計算:
           平均等待時間 = 單個 I/O 服務時間 * ( 1 + 2 + ... + 請求總數-1) / 請求總數
           應用到上面的例子: 平均等待時間 = 5ms * (1+2+...+28)/29 = 70ms，和 iostat 給出的78ms 的平均等待時間很接近。這反過來表明 I/O 是同時發起的。
           每秒發出的 I/O 請求很多 (約 29 個)，平均隊列卻不長 (只有 2 個 左右)，這表明這 29 個請求的到來並不均勻，大部分時間 I/O 是閒置。
           一秒中有 14.29% 的時間 I/O 隊列中是有請求的，也就是說，85.71% 的時間裡 I/O 系統無事可做，所有 29 個 I/O 請求都在142毫秒之內處理掉了。
           delta(ruse+wuse)/delta(io) = await = 78.21 => delta(ruse+wuse)/s=78.21 * delta(io)/s = 78.21*28.57 =2232.8，表明每秒內的I/O請求總共需要等待2232.8ms。
           所以平均隊列長度應為 2232.8ms/1000ms = 2.23，而iostat 給出的平均隊列長度 (avgqu-sz) 卻為 22.35，為什麼?! 因為 iostat 中有 bug，avgqu-sz值應為 2.23，而不是 22.35。