電子發(fā)燒友App
性能優(yōu)化
性能指標
高并發(fā)和響應快對應著性能優(yōu)化的兩個核心指標：吞吐和延時
應用負載角度：直接影響了產(chǎn)品終端的用戶體驗
系統(tǒng)資源角度：資源使用率、飽和度等
性能問題的本質(zhì)就是系統(tǒng)資源已經(jīng)到達瓶頸，但請求的處理還不夠快，無法支撐更多的請求。性能分析實際上就是找出應用或系統(tǒng)的瓶頸，設法去避免或緩解它們。
選擇指標評估應用程序和系統(tǒng)性能
為應用程序和系統(tǒng)設置性能目標
進行性能基準測試
性能分析定位瓶頸
性能監(jiān)控和告警
對于不同的性能問題要選取不同的性能分析工具。下面是常用的Linux Performance Tools以及對應分析的性能問題類型。
到底應該怎么理解”平均負載”
平均負載：單位時間內(nèi)，系統(tǒng)處于可運行狀態(tài)和不可中斷狀態(tài)的平均進程數(shù)，也就是平均活躍進程數(shù)。它和我們傳統(tǒng)意義上理解的CPU使用率并沒有直接關(guān)系。 其中不可中斷進程是正處于內(nèi)核態(tài)關(guān)鍵流程中的進程（如常見的等待設備的I/O響應）。不可中斷狀態(tài)實際上是系統(tǒng)對進程和硬件設備的一種保護機制。
平均負載多少時合理
實際生產(chǎn)環(huán)境中將系統(tǒng)的平均負載監(jiān)控起來，根據(jù)歷史數(shù)據(jù)判斷負載的變化趨勢。當負載存在明顯升高趨勢時，及時進行分析和調(diào)查。當然也可以當設置閾值（如當平均負載高于CPU數(shù)量的70%時） 現(xiàn)實工作中我們會經(jīng)?；煜骄撦d和CPU使用率的概念，其實兩者并不完全對等：
CPU 密集型進程，大量 CPU 使用會導致平均負載升高，此時兩者一致
I/O 密集型進程，等待 I/O 也會導致平均負載升高，此時 CPU 使用率并不一定高
大量等待 CPU 的進程調(diào)度會導致平均負載升高，此時 CPU 使用率也會比較高
平均負載高時可能是 CPU 密集型進程導致，也可能是 I/O 繁忙導致。具體分析時可以結(jié)合 mpstat/pidstat 工具輔助分析負載來源。
CPU
CPU上下文切換(上)
CPU 上下文切換，就是把前一個任務的 CPU 上下文（CPU 寄存器和 PC）保存起來，然后加載新任務的上下文到這些寄存器和程序計數(shù)器，最后再跳轉(zhuǎn)到程序計數(shù)器所指的位置，運行新任務。其中，保存下來的上下文會存儲在系統(tǒng)內(nèi)核中，待任務重新調(diào)度執(zhí)行時再加載，保證原來的任務狀態(tài)不受影響。
按照任務類型，CPU 上下文切換分為：
進程上下文切換
線程上下文切換
中斷上下文切換
進程上下文切換
Linux 進程按照等級權(quán)限將進程的運行空間分為內(nèi)核空間和用戶空間。從用戶態(tài)向內(nèi)核態(tài)轉(zhuǎn)變時需要通過系統(tǒng)調(diào)用來完成。
一次系統(tǒng)調(diào)用過程其實進行了兩次 CPU 上下文切換：
CPU 寄存器中用戶態(tài)的指令位置先保存起來，CPU 寄存器更新為內(nèi)核態(tài)指令的位置，跳轉(zhuǎn)到內(nèi)核態(tài)運行內(nèi)核任務；
系統(tǒng)調(diào)用結(jié)束后，CPU 寄存器恢復原來保存的用戶態(tài)數(shù)據(jù)，再切換到用戶空間繼續(xù)運行。
系統(tǒng)調(diào)用過程中并不會涉及虛擬內(nèi)存等進程用戶態(tài)資源，也不會切換進程。和傳統(tǒng)意義上的進程上下文切換不同。因此系統(tǒng)調(diào)用通常稱為特權(quán)模式切換。
進程是由內(nèi)核管理和調(diào)度的，進程上下文切換只能發(fā)生在內(nèi)核態(tài)。因此相比系統(tǒng)調(diào)用來說，在保存當前進程的內(nèi)核狀態(tài)和CPU寄存器之前，需要先把該進程的虛擬內(nèi)存，棧保存下來。再加載新進程的內(nèi)核態(tài)后，還要刷新進程的虛擬內(nèi)存和用戶棧。
進程只有在調(diào)度到CPU上運行時才需要切換上下文，有以下幾種場景：CPU時間片輪流分配，系統(tǒng)資源不足導致進程掛起，進程通過sleep函數(shù)主動掛起，高優(yōu)先級進程搶占時間片，硬件中斷時CPU上的進程被掛起轉(zhuǎn)而執(zhí)行內(nèi)核中的中斷服務。
線程上下文切換
線程上下文切換分為兩種：
前后線程同屬于一個進程，切換時虛擬內(nèi)存資源不變，只需要切換線程的私有數(shù)據(jù)，寄存器等；
前后線程屬于不同進程，與進程上下文切換相同。
同進程的線程切換消耗資源較少，這也是多線程的優(yōu)勢。
中斷上下文切換
中斷上下文切換并不涉及到進程的用戶態(tài)，因此中斷上下文只包括內(nèi)核態(tài)中斷服務程序執(zhí)行所必須的狀態(tài)（CPU寄存器，內(nèi)核堆棧，硬件中斷參數(shù)等）。
中斷處理優(yōu)先級比進程高，所以中斷上下文切換和進程上下文切換不會同時發(fā)生
CPU上下文切換(下)
通過 vmstat 可以查看系統(tǒng)總體的上下文切換情況
?
vmstat 5 #每隔5s輸出一組數(shù)據(jù) procs -----------memory---------- ---swap-- -----io---- -system-- ------cpu----- r b swpd free buff cache si so bi bo in cs us sy id wa st 1 0 0 103388 145412 511056 0 0 18 60 1 1 2 1 96 0 0 0 0 0 103388 145412 511076 0 0 0 2 450 1176 1 1 99 0 0 0 0 0 103388 145412 511076 0 0 0 8 429 1135 1 1 98 0 0 0 0 0 103388 145412 511076 0 0 0 0 431 1132 1 1 98 0 0 0 0 0 103388 145412 511076 0 0 0 10 467 1195 1 1 98 0 0 1 0 0 103388 145412 511076 0 0 0 2 426 1139 1 0 99 0 0 4 0 0 95184 145412 511108 0 0 0 74 500 1228 4 1 94 0 0 0 0 0 103512 145416 511076 0 0 0 455 723 1573 12 3 83 2 0
?
cs （context switch） 每秒上下文切換次數(shù)
in （interrupt） 每秒中斷次數(shù)
r （runnning or runnable）就緒隊列的長度，正在運行和等待CPU的進程數(shù)
b （Blocked） 處于不可中斷睡眠狀態(tài)的進程數(shù)
要查看每個進程的詳細情況，需要使用pidstat來查看每個進程上下文切換情況
?
pidstat -w 5 14時51分16秒 UID PID cswch/s nvcswch/s Command 14時51分21秒 0 1 0.80 0.00 systemd 14時51分21秒 0 6 1.40 0.00 ksoftirqd/0 14時51分21秒 0 9 32.67 0.00 rcu_sched 14時51分21秒 0 11 0.40 0.00 watchdog/0 14時51分21秒 0 32 0.20 0.00 khugepaged 14時51分21秒 0 271 0.20 0.00 jbd2/vda1-8 14時51分21秒 0 1332 0.20 0.00 argusagent 14時51分21秒 0 5265 10.02 0.00 AliSecGuard 14時51分21秒 0 7439 7.82 0.00 kworker/0:2 14時51分21秒 0 7906 0.20 0.00 pidstat 14時51分21秒 0 8346 0.20 0.00 sshd 14時51分21秒 0 20654 9.82 0.00 AliYunDun 14時51分21秒 0 25766 0.20 0.00 kworker/u2:1 14時51分21秒 0 28603 1.00 0.00 python3
?
cswch 每秒自愿上下文切換次數(shù)（進程無法獲取所需資源導致的上下文切換）
nvcswch 每秒非自愿上下文切換次數(shù)（時間片輪流等系統(tǒng)強制調(diào)度）
?
vmstat 1 1 #新終端觀察上下文切換情況 此時發(fā)現(xiàn)cs數(shù)據(jù)明顯升高，同時觀察其他指標： r列：遠超系統(tǒng)CPU個數(shù)，說明存在大量CPU競爭 us和sy列：sy列占比80%，說明CPU主要被內(nèi)核占用 in列：中斷次數(shù)明顯上升，說明中斷處理也是潛在問題說明運行/等待CPU的進程過多，導致大量的上下文切換，上下文切換導致系統(tǒng)的CPU占用率高
pidstat -w -u 1 #查看到底哪個進程導致的問題
?
從結(jié)果中看出是 sysbench 導致 CPU 使用率過高，但是 pidstat 輸出的上下文次數(shù)加起來也并不多。分析 sysbench 模擬的是線程的切換，因此需要在 pidstat 后加 -t 參數(shù)查看線程指標。
另外對于中斷次數(shù)過多，我們可以通過 /proc/interrupts 文件讀取
watch -d cat /proc/interrupts
?
發(fā)現(xiàn)次數(shù)變化速度最快的是重調(diào)度中斷（RES），該中斷用來喚醒空閑狀態(tài)的CPU來調(diào)度新的任務運行。分析還是因為過多任務的調(diào)度問題，和上下文切換分析一致。
某個應用的CPU使用率達到100%，怎么辦？
Linux作為多任務操作系統(tǒng)，將CPU時間劃分為很短的時間片，通過調(diào)度器輪流分配給各個任務使用。為了維護CPU時間，Linux通過事先定義的節(jié)拍率，觸發(fā)時間中斷，并使用全局變了jiffies記錄開機以來的節(jié)拍數(shù)。時間中斷發(fā)生一次該值+1.
CPU使用率，除了空閑時間以外的其他時間占總CPU時間的百分比?？梢酝ㄟ^/proc/stat中的數(shù)據(jù)來計算出CPU使用率。因為/proc/stat時開機以來的節(jié)拍數(shù)累加值，計算出來的是開機以來的平均CPU使用率，一般意義不大?？梢蚤g隔取一段時間的兩次值作差來計算該段時間內(nèi)的平均CPU使用率。性能分析工具給出的都是間隔一段時間的平均CPU使用率，要注意間隔時間的設置。
CPU使用率可以通過top 或 ps來查看。分析進程的CPU問題可以通過perf，它以性能事件采樣為基礎，不僅可以分析系統(tǒng)的各種事件和內(nèi)核性能，還可以用來分析指定應用程序的性能問題。
perf top / perf record / perf report （-g 開啟調(diào)用關(guān)系的采樣）
?
sudo docker run --name nginx -p 10000:80 -itd feisky/nginx sudo docker run --name phpfpm -itd --network container:nginx feisky/php-fpm ab -c 10 -n 100 http://XXX.XXX.XXX.XXX:10000/ #測試Nginx服務性能
?
發(fā)現(xiàn)此時每秒可承受請求給長少，此時將測試的請求數(shù)從100增加到10000。在另外一個終端運行top查看每個CPU的使用率。發(fā)現(xiàn)系統(tǒng)中幾個php-fpm進程導致CPU使用率驟升。
接著用perf來分析具體是php-fpm中哪個函數(shù)導致該問題。
?
perf top -g -p XXXX #對某一個php-fpm進程進行分析發(fā)現(xiàn)其中 sqrt 和 add_function 占用 CPU 過多， 此時查看源碼找到原來是sqrt中在發(fā)布前沒有刪除測試代碼段，存在一個百萬次的循環(huán)導致。將該無用代碼刪除后發(fā)現(xiàn)nginx負載能力明顯提升
?
系統(tǒng)的CPU使用率很高，為什么找不到高CPU的應用？
?
sudo docker run --name nginx -p 10000:80 -itd feisky/nginx:sp sudo docker run --name phpfpm -itd --network container:nginx feisky/php-fpm:sp ab -c 100 -n 1000 http://XXX.XXX.XXX.XXX:10000/ #并發(fā)100個請求測試實驗結(jié)果中每秒請求數(shù)依舊不高，我們將并發(fā)請求數(shù)降為5后，nginx負載能力依舊很低。 此時用top和pidstat發(fā)現(xiàn)系統(tǒng)CPU使用率過高，但是并沒有發(fā)現(xiàn)CPU使用率高的進程。 出現(xiàn)這種情況一般時我們分析時遺漏的什么信息，重新運行top命令并觀察一會。發(fā)現(xiàn)就緒隊列中處于Running狀態(tài)的進行過多，超過了我們的并發(fā)請求次數(shù)5. 再仔細查看進程運行數(shù)據(jù)，發(fā)現(xiàn)nginx和php-fpm都處于sleep狀態(tài)，真正處于運行的卻是幾個stress進程。 下一步就利用pidstat分析這幾個stress進程，發(fā)現(xiàn)沒有任何輸出。用ps aux交叉驗證發(fā)現(xiàn)依舊不存在該進程。說明不是工具的問題。再top查看發(fā)現(xiàn)stress進程的進程號變化了，此時有可能時以下兩種原因?qū)е拢?
?
進程不停的崩潰重啟（如段錯誤/配置錯誤等），此時進程退出后可能又被監(jiān)控系統(tǒng)重啟；
短時進程導致，即其他應用內(nèi)部通過 exec 調(diào)用的外面命令，這些命令一般只運行很短時間就結(jié)束，很難用top這種間隔較長的工具來發(fā)現(xiàn)
可以通過pstree來查找 stress 的父進程，找出調(diào)用關(guān)系。
?
pstree | grep stress
?
發(fā)現(xiàn)是php-fpm調(diào)用的該子進程，此時去查看源碼可以看出每個請求都會調(diào)用一個stress命令來模擬I/O壓力。之前top顯示的結(jié)果是CPU使用率升高，是否真的是由該stress命令導致的，還需要繼續(xù)分析。代碼中給每個請求加了verbose=1的參數(shù)后可以查看stress命令的輸出，在中斷測試該命令結(jié)果顯示stress命令運行時存在因權(quán)限問題導致的文件創(chuàng)建失敗的bug。
此時依舊只是猜測，下一步繼續(xù)通過perf工具來分析。性能報告顯示確實時stress占用了大量的CPU，通過修復權(quán)限問題來優(yōu)化解決即可。
系統(tǒng)中出現(xiàn)大量不可中斷進程和僵尸進程怎么辦？
進程狀態(tài)
R Running/Runnable，表示進程在CPU的就緒隊列中，正在運行或者等待運行；
D Disk Sleep，不可中斷狀態(tài)睡眠，一般表示進程正在跟硬件交互，并且交互過程中不允許被其他進程中斷；
Z Zombie，僵尸進程，表示進程實際上已經(jīng)結(jié)束，但是父進程還沒有回收它的資源；
S Interruptible Sleep，可中斷睡眠狀態(tài)，表示進程因為等待某個事件而被系統(tǒng)掛起，當?shù)却录l(fā)生則會被喚醒并進入R狀態(tài)；
I Idle，空閑狀態(tài)，用在不可中斷睡眠的內(nèi)核線程上。該狀態(tài)不會導致平均負載升高；
T Stop/Traced，表示進程處于暫停或跟蹤狀態(tài)（SIGSTOP/SIGCONT， GDB調(diào)試）；
X Dead，進程已經(jīng)消亡，不會在top/ps中看到。
對于不可中斷狀態(tài)，一般都是在很短時間內(nèi)結(jié)束，可忽略。但是如果系統(tǒng)或硬件發(fā)生故障，進程可能會保持不可中斷狀態(tài)很久，甚至系統(tǒng)中出現(xiàn)大量不可中斷狀態(tài)，此時需注意是否出現(xiàn)了I/O性能問題。
僵尸進程一般多進程應用容易遇到，父進程來不及處理子進程狀態(tài)時子進程就提前退出，此時子進程就變成了僵尸進程。大量的僵尸進程會用盡PID進程號，導致新進程無法建立。
磁盤O_DIRECT問題
?
sudo docker run --privileged --name=app -itd feisky/app:iowait ps aux | grep '/app'可以看到此時有多個app進程運行，狀態(tài)分別時Ss+和D+。其中后面s表示進程是一個會話的領導進程，+號表示前臺進程組。 其中進程組表示一組相互關(guān)聯(lián)的進程，子進程是父進程所在組的組員。會話指共享同一個控制終端的一個或多個進程組。 用top查看系統(tǒng)資源發(fā)現(xiàn)：1）平均負載在逐漸增加，且1分鐘內(nèi)平均負載達到了CPU個數(shù)，說明系統(tǒng)可能已經(jīng)有了性能瓶頸；2）僵尸進程比較多且在不停增加；3）us和sys CPU使用率都不高，iowait卻比較高；4）每個進程CPU使用率也不高，但有兩個進程處于D狀態(tài)，可能在等待IO。 分析目前數(shù)據(jù)可知：iowait過高導致系統(tǒng)平均負載升高，僵尸進程不斷增長說明有程序沒能正確清理子進程資源。 用dstat來分析，因為它可以同時查看CPU和I/O兩種資源的使用情況，便于對比分析。
dstat 1 10 #間隔1秒輸出10組數(shù)據(jù)可以看到當wai（iowait）升高時磁盤請求read都會很大，說明iowait的升高和磁盤的讀請求有關(guān)。接下來分析到底時哪個進程在讀磁盤。
?
之前 Top 查看的處于 D 狀態(tài)的進程號，用 pidstat -d -p XXX 展示進程的 I/O 統(tǒng)計數(shù)據(jù)。發(fā)現(xiàn)處于 D 狀態(tài)的進程都沒有任何讀寫操作。在用 pidstat -d 查看所有進程的 I/O統(tǒng)計數(shù)據(jù)，看到 app 進程在進行磁盤讀操作，每秒讀取 32MB 的數(shù)據(jù)。進程訪問磁盤必須使用系統(tǒng)調(diào)用處于內(nèi)核態(tài)，接下來重點就是找到app進程的系統(tǒng)調(diào)用。
?
sudo strace -p XXX #對app進程調(diào)用進行跟蹤報錯沒有權(quán)限，因為已經(jīng)時 root 權(quán)限了。所以遇到這種情況，首先要檢查進程狀態(tài)是否正常。ps 命令查找該進程已經(jīng)處于Z狀態(tài)，即僵尸進程。 這種情況下top pidstat之類的工具無法給出更多的信息，此時像第5篇一樣，用 perf record -d和 perf report 進行分析，查看app進程調(diào)用棧。 看到 app 確實在通過系統(tǒng)調(diào)用 sys_read() 讀取數(shù)據(jù)，并且從 new_sync_read和 blkdev_direct_IO看出進程時進行直接讀操作，請求直接從磁盤讀，沒有通過緩存導致iowait升高。 通過層層分析后，root cause 是 app 內(nèi)部進行了磁盤的直接I/O。然后定位到具體代碼位置進行優(yōu)化即可。
?
僵尸進程
上述優(yōu)化后 iowait 顯著下降，但是僵尸進程數(shù)量仍舊在增加。首先要定位僵尸進程的父進程，通過pstree -aps XXX，打印出該僵尸進程的調(diào)用樹，發(fā)現(xiàn)父進程就是app進程。 查看app代碼，看看子進程結(jié)束的處理是否正確（是否調(diào)用wait()/waitpid()，有沒有注冊SIGCHILD信號的處理函數(shù)等）。 碰到iowait升高時，先用dstat pidstat等工具確認是否存在磁盤I/O問題，再找是哪些進程導致I/O，不能用strace直接分析進程調(diào)用時可以通過perf工具分析。 對于僵尸問題，用pstree找到父進程，然后看源碼檢查子進程結(jié)束的處理邏輯即可。
CPU性能指標
CPU使用率
用戶CPU使用率, 包括用戶態(tài)(user)和低優(yōu)先級用戶態(tài)(nice). 該指標過高說明應用程序比較繁忙.
系統(tǒng)CPU使用率, CPU在內(nèi)核態(tài)運行的時間百分比(不含中斷). 該指標高說明內(nèi)核比較繁忙.
等待I/O的CPU使用率, iowait, 該指標高說明系統(tǒng)與硬件設備I/O交互時間比較長.
軟/硬中斷CPU使用率, 該指標高說明系統(tǒng)中發(fā)生大量中斷.
steal CPU / guest CPU, 表示虛擬機占用的CPU百分比.
平均負載
理想情況下平均負載等于邏輯CPU個數(shù),表示每個CPU都被充分利用. 若大于則說明系統(tǒng)負載較重.
進程上下文切換
包括無法獲取資源的自愿切換和系統(tǒng)強制調(diào)度時的非自愿切換. 上下文切換本身是保證Linux正常運行的一項核心功能. 過多的切換則會將原本運行進程的CPU時間消耗在寄存器,內(nèi)核占及虛擬內(nèi)存等數(shù)據(jù)保存和恢復上
CPU緩存命中率
CPU緩存的復用情況,命中率越高性能越好. 其中L1/L2常用在單核,L3則用在多核中
性能工具
平均負載案例
先用uptime查看系統(tǒng)平均負載
判斷負載在升高后再用mpstat和pidstat分別查看每個CPU和每個進程CPU使用情況.找出導致平均負載較高的進程.
上下文切換案例
先用vmstat查看系統(tǒng)上下文切換和中斷次數(shù)
再用pidstat觀察進程的自愿和非自愿上下文切換情況
最后通過pidstat觀察線程的上下文切換情況
進程CPU使用率高案例
先用top查看系統(tǒng)和進程的CPU使用情況,定位到進程
再用perf top觀察進程調(diào)用鏈,定位到具體函數(shù)
系統(tǒng)CPU使用率高案例
先用top查看系統(tǒng)和進程的CPU使用情況,top/pidstat都無法找到CPU使用率高的進程
重新審視top輸出
從CPU使用率不高,但是處于Running狀態(tài)的進程入手
perf record/report發(fā)現(xiàn)短時進程導致 (execsnoop工具)
不可中斷和僵尸進程案例
先用top觀察iowait升高,發(fā)現(xiàn)大量不可中斷和僵尸進程
strace無法跟蹤進程系統(tǒng)調(diào)用
perf分析調(diào)用鏈發(fā)現(xiàn)根源來自磁盤直接I/O
軟中斷案例
top觀察系統(tǒng)軟中斷CPU使用率高
查看/proc/softirqs找到變化速率較快的幾種軟中斷
sar命令發(fā)現(xiàn)是網(wǎng)絡小包問題
tcpdump找出網(wǎng)絡幀的類型和來源，確定SYN FLOOD攻擊導致
根據(jù)不同的性能指標來找合適的工具：
先運行幾個支持指標較多的工具，如 top/vmstat/pidstat，根據(jù)它們的輸出可以得出是哪種類型的性能問題。定位到進程后再用 strace/perf 分析調(diào)用情況進一步分析。如果是軟中斷導致用 /proc/softirqs
CPU優(yōu)化
應用程序優(yōu)化
編譯器優(yōu)化：編譯階段開啟優(yōu)化選項，如gcc -O2
算法優(yōu)化
異步處理：避免程序因為等待某個資源而一直阻塞，提升程序的并發(fā)處理能力。(將輪詢替換為事件通知)
多線程代替多進程：減少上下文切換成本
善用緩存：加快程序處理速度
系統(tǒng)優(yōu)化
CPU綁定：將進程綁定要1個/多個CPU上，提高CPU緩存命中率，減少CPU調(diào)度帶來的上下文切換
CPU獨占：CPU親和性機制來分配進程
優(yōu)先級調(diào)整：使用nice適當降低非核心應用的優(yōu)先級
為進程設置資源顯示: cgroups設置使用上限，防止由某個應用自身問題耗盡系統(tǒng)資源
NUMA優(yōu)化: CPU盡可能訪問本地內(nèi)存
中斷負載均衡: irpbalance，將中斷處理過程自動負載均衡到各個CPU上
TPS、QPS、系統(tǒng)吞吐量的區(qū)別和理解
QPS（TPS）
并發(fā)數(shù)
響應時間
QPS（TPS）=并發(fā)數(shù)/平均相應時間
用戶請求服務器
服務器內(nèi)部處理
服務器返回給客戶
QPS 類似 TPS，但是對于一個頁面的訪問形成一個 TPS，但是一次頁面請求可能包含多次對服務器的請求，可能計入多次 QPS
QPS（Queries Per Second）每秒查詢率，一臺服務器每秒能夠響應的查詢次數(shù).
TPS（Transactions Per Second）每秒事務數(shù)，軟件測試的結(jié)果.
系統(tǒng)吞吐量，包括幾個重要參數(shù)：
內(nèi)存
Linux內(nèi)存是怎么工作的
內(nèi)存映射
大多數(shù)計算機用的主存都是動態(tài)隨機訪問內(nèi)存(DRAM)，只有內(nèi)核才可以直接訪問物理內(nèi)存。Linux內(nèi)核給每個進程提供了一個獨立的虛擬地址空間，并且這個地址空間是連續(xù)的。這樣進程就可以很方便的訪問內(nèi)存(虛擬內(nèi)存)。 虛擬地址空間的內(nèi)部分為內(nèi)核空間和用戶空間兩部分，不同字長的處理器地址空間的范圍不同。32位系統(tǒng)內(nèi)核空間占用1G，用戶空間占3G。64位系統(tǒng)內(nèi)核空間和用戶空間都是128T，分別占內(nèi)存空間的最高和最低處，中間部分為未定義。 并不是所有的虛擬內(nèi)存都會分配物理內(nèi)存，只有實際使用的才會。分配后的物理內(nèi)存通過內(nèi)存映射管理。為了完成內(nèi)存映射，內(nèi)核為每個進程都維護了一個頁表，記錄虛擬地址和物理地址的映射關(guān)系。頁表實際存儲在CPU的內(nèi)存管理單元MMU中，處理器可以直接通過硬件找出要訪問的內(nèi)存。 當進程訪問的虛擬地址在頁表中查不到時，系統(tǒng)會產(chǎn)生一個缺頁異常，進入內(nèi)核空間分配物理內(nèi)存，更新進程頁表，再返回用戶空間恢復進程的運行。 MMU以頁為單位管理內(nèi)存，頁大小4KB。為了解決頁表項過多問題Linux提供了多級頁表和HugePage的機制。
虛擬內(nèi)存空間分布
用戶空間內(nèi)存從低到高是五種不同的內(nèi)存段：
只讀段 代碼和常量等
數(shù)據(jù)段 全局變量等
堆 動態(tài)分配的內(nèi)存，從低地址開始向上增長
文件映射 動態(tài)庫、共享內(nèi)存等，從高地址開始向下增長
棧 包括局部變量和函數(shù)調(diào)用的上下文等，棧的大小是固定的。一般8MB
內(nèi)存分配與回收
分配
malloc 對應到系統(tǒng)調(diào)用上有兩種實現(xiàn)方式：
brk() 針對小塊內(nèi)存(<128K)，通過移動堆頂位置來分配。
內(nèi)存釋放后不立即歸還內(nèi)存，而是被緩存起來。
mmap()針對大塊內(nèi)存(>128K)，直接用內(nèi)存映射來分配，即在文件映射段找一塊空閑內(nèi)存分配。
前者的緩存可以減少缺頁異常的發(fā)生，提高內(nèi)存訪問效率。但是由于內(nèi)存沒有歸還系統(tǒng)，在內(nèi)存工作繁忙時，頻繁的內(nèi)存分配/釋放會造成內(nèi)存碎片。
后者在釋放時直接歸還系統(tǒng)，所以每次mmap都會發(fā)生缺頁異常。
在內(nèi)存工作繁忙時，頻繁內(nèi)存分配會導致大量缺頁異常，使內(nèi)核管理負擔增加。
上述兩種調(diào)用并沒有真正分配內(nèi)存，這些內(nèi)存只有在首次訪問時，才通過缺頁異常進入內(nèi)核中，由內(nèi)核來分配
回收
內(nèi)存緊張時，系統(tǒng)通過以下方式來回收內(nèi)存：
回收緩存：LRU算法回收最近最少使用的內(nèi)存頁面；
回收不常訪問內(nèi)存：把不常用的內(nèi)存通過交換分區(qū)寫入磁盤
殺死進程：OOM內(nèi)核保護機制（進程消耗內(nèi)存越大 oom_score 越大，占用 CPU 越多 oom_score 越小，可以通過 /proc 手動調(diào)整 oom_adj）
?
echo -16 > /proc/$(pidof XXX)/oom_adj
?
如何查看內(nèi)存使用情況
free來查看整個系統(tǒng)的內(nèi)存使用情況
top/ps來查看某個進程的內(nèi)存使用情況
VIRT 進程的虛擬內(nèi)存大小
RES 常駐內(nèi)存的大小，即進程實際使用的物理內(nèi)存大小，不包括swap和共享內(nèi)存
SHR 共享內(nèi)存大小，與其他進程共享的內(nèi)存，加載的動態(tài)鏈接庫以及程序代碼段
%MEM 進程使用物理內(nèi)存占系統(tǒng)總內(nèi)存的百分比
怎樣理解內(nèi)存中的Buffer和Cache？
buffer是對磁盤數(shù)據(jù)的緩存，cache是對文件數(shù)據(jù)的緩存，它們既會用在讀請求也會用在寫請求中
如何利用系統(tǒng)緩存優(yōu)化程序的運行效率
緩存命中率
緩存命中率是指直接通過緩存獲取數(shù)據(jù)的請求次數(shù)，占所有請求次數(shù)的百分比。命中率越高說明緩存帶來的收益越高，應用程序的性能也就越好。 安裝bcc包后可以通過cachestat和cachetop來監(jiān)測緩存的讀寫命中情況。 安裝pcstat后可以查看文件在內(nèi)存中的緩存大小以及緩存比例
#首先安裝Go export GOPATH=~/go export PATH=~/go/bin:$PATH go get golang.org/x/sys/unix go ge github.com/tobert/pcstat/pcstat
?
dd緩存加速
?
dd if=/dev/sda1 of=file bs=1M count=512 #生產(chǎn)一個512MB的臨時文件 echo 3 > /proc/sys/vm/drop_caches #清理緩存 pcstat file #確定剛才生成文件不在系統(tǒng)緩存中，此時cached和percent都是0 cachetop 5 dd if=file of=/dev/null bs=1M #測試文件讀取速度 #此時文件讀取性能為30+MB/s，查看cachetop結(jié)果發(fā)現(xiàn)并不是所有的讀都落在磁盤上，讀緩存命中率只有50%。 dd if=file of=/dev/null bs=1M #重復上述讀文件測試 #此時文件讀取性能為4+GB/s，讀緩存命中率為100% pcstat file #查看文件file的緩存情況，100%全部緩存
?
O_DIRECT選項繞過系統(tǒng)緩存
?
cachetop 5 sudo docker run --privileged --name=app -itd feisky/app:io-direct sudo docker logs app #確認案例啟動成功 #實驗結(jié)果表明每讀32MB數(shù)據(jù)都要花0.9s，且cachetop輸出中顯示1024次緩存全部命中但是憑感覺可知如果緩存命中讀速度不應如此慢，讀次數(shù)時1024，頁大小為4K，五秒的時間內(nèi)讀取了1024*4KB數(shù)據(jù)，即每秒0.8MB，和結(jié)果中32MB相差較大。說明該案例沒有充分利用緩存，懷疑系統(tǒng)調(diào)用設置了直接I/O標志繞過系統(tǒng)緩存。因此接下來觀察系統(tǒng)調(diào)用。
strace -p $(pgrep app) #strace 結(jié)果可以看到openat打開磁盤分區(qū)/dev/sdb1，傳入?yún)?shù)為O_RDONLY|O_DIRECT這就解釋了為什么讀32MB數(shù)據(jù)那么慢，直接從磁盤讀寫肯定遠遠慢于緩存。找出問題后我們再看案例的源代碼發(fā)現(xiàn)flags中指定了直接IO標志。刪除該選項后重跑，驗證性能變化。
?
內(nèi)存泄漏，如何定位和處理？
對應用程序來說，動態(tài)內(nèi)存的分配和回收是核心又復雜的一個邏輯功能模塊。管理內(nèi)存的過程中會發(fā)生各種各樣的“事故”：
沒正確回收分配的內(nèi)存，導致了泄漏
訪問的是已分配內(nèi)存邊界外的地址，導致程序異常退出
內(nèi)存的分配與回收
虛擬內(nèi)存分布從低到高分別是只讀段，數(shù)據(jù)段，堆，內(nèi)存映射段，棧五部分。其中會導致內(nèi)存泄漏的是：
堆：由應用程序自己來分配和管理，除非程序退出這些堆內(nèi)存不會被系統(tǒng)自動釋放。
內(nèi)存映射段：包括動態(tài)鏈接庫和共享內(nèi)存，其中共享內(nèi)存由程序自動分配和管理
內(nèi)存泄漏的危害比較大，這些忘記釋放的內(nèi)存，不僅應用程序自己不能訪問，系統(tǒng)也不能把它們再次分配給其他應用。內(nèi)存泄漏不斷累積甚至會耗盡系統(tǒng)內(nèi)存。
如何檢測內(nèi)存泄漏
預先安裝systat，docker，bcc
?
sudo docker run --name=app -itd feisky/app:mem-leak sudo docker logs app vmstat 3可以看到free在不斷下降，buffer和cache基本保持不變。說明系統(tǒng)的內(nèi)存一致在升高。但并不能說明存在內(nèi)存泄漏。此時可以通過memleak工具來跟蹤系統(tǒng)或進程的內(nèi)存分配/釋放請求
/usr/share/bcc/tools/memleak -a -p $(pidof app)
?
從 memleak 輸出可以看到，應用在不停地分配內(nèi)存，并且這些分配的地址并沒有被回收。通過調(diào)用?？吹绞?fibonacci 函數(shù)分配的內(nèi)存沒有釋放。定位到源碼后查看源碼來修復增加內(nèi)存釋放函數(shù)即可。
為什么系統(tǒng)的 Swap 變高
系統(tǒng)內(nèi)存資源緊張時通過內(nèi)存回收和OOM殺死進程來解決。其中可回收內(nèi)存包括：
緩存/緩沖區(qū)，屬于可回收資源，在文件管理中通常叫做文件頁
在應用程序中通過fsync將臟頁同步到磁盤
交給系統(tǒng)，內(nèi)核線程pdflush負責這些臟頁的刷新
被應用程序修改過暫時沒寫入磁盤的數(shù)據(jù)(臟頁)，要先寫入磁盤然后才能內(nèi)存釋放
內(nèi)存映射獲取的文件映射頁，也可以被釋放掉，下次訪問時從文件重新讀取
對于程序自動分配的堆內(nèi)存，也就是我們在內(nèi)存管理中的匿名頁，雖然這些內(nèi)存不能直接釋放，但是 Linux 提供了 Swap 機制將不常訪問的內(nèi)存寫入到磁盤來釋放內(nèi)存，再次訪問時從磁盤讀取到內(nèi)存即可。
Swap原理
Swap本質(zhì)就是把一塊磁盤空間或者一個本地文件當作內(nèi)存來使用，包括換入和換出兩個過程：
換出：將進程暫時不用的內(nèi)存數(shù)據(jù)存儲到磁盤中，并釋放這些內(nèi)存
換入：進程再次訪問內(nèi)存時，將它們從磁盤讀到內(nèi)存中
Linux如何衡量內(nèi)存資源是否緊張？
直接內(nèi)存回收新的大塊內(nèi)存分配請求，但剩余內(nèi)存不足。
此時系統(tǒng)會回收一部分內(nèi)存；
kswapd0 內(nèi)核線程定期回收內(nèi)存。
為了衡量內(nèi)存使用情況，定義了pages_min，pages_low，pages_high 三個閾值，并根據(jù)其來進行內(nèi)存的回收操作。
剩余內(nèi)存 < pages_min，進程可用內(nèi)存耗盡了，只有內(nèi)核才可以分配內(nèi)存
pages_min < 剩余內(nèi)存 < pages_low,內(nèi)存壓力較大，kswapd0執(zhí)行內(nèi)存回收，直到剩余內(nèi)存 > pages_high
pages_low < 剩余內(nèi)存 < pages_high，內(nèi)存有一定壓力，但可以滿足新內(nèi)存請求
剩余內(nèi)存 > pages_high，說明剩余內(nèi)存較多，無內(nèi)存壓力
pages_low = pages_min 5 / 4 pages_high = pages_min 3 / 2
NUMA 與 SWAP
很多情況下系統(tǒng)剩余內(nèi)存較多，但 SWAP 依舊升高，這是由于處理器的 NUMA 架構(gòu)。 在NUMA架構(gòu)下多個處理器劃分到不同的 Node，每個Node都擁有自己的本地內(nèi)存空間。在分析內(nèi)存的使用時應該針對每個Node單獨分析
numactl --hardware #查看處理器在Node的分布情況，以及每個Node的內(nèi)存使用情況內(nèi)存三個閾值可以通過 /proc/zoneinfo 來查看，該文件中還包括活躍和非活躍的匿名頁/文件頁數(shù)。 當某個Node內(nèi)存不足時，系統(tǒng)可以從其他Node尋找空閑資源，也可以從本地內(nèi)存中回收內(nèi)存。通過/proc/sys/vm/zone_raclaim_mode來調(diào)整。
?
0表示既可以從其他Node尋找空閑資源，也可以從本地回收內(nèi)存
1，2，4 表示只回收本地內(nèi)存，2表示可以會回臟數(shù)據(jù)回收內(nèi)存，4表示可以用Swap方式回收內(nèi)存。
swappiness
在實際回收過程中Linux根據(jù) /proc/sys/vm/swapiness 選項來調(diào)整使用Swap的積極程度，從 0-100，數(shù)值越大越積極使用 Swap，即更傾向于回收匿名頁；數(shù)值越小越消極使用 Swap，即更傾向于回收文件頁。 注意：這只是調(diào)整 Swap 積極程度的權(quán)重，即使設置為0，當剩余內(nèi)存+文件頁小于頁高閾值時，還是會發(fā)生 Swap。
Swap升高時如何定位分析
?
free #首先通過free查看swap使用情況，若swap=0表示未配置Swap #先創(chuàng)建并開啟swap fallocate -l 8G /mnt/swapfile chmod 600 /mnt/swapfile mkswap /mnt/swapfile swapon /mnt/swapfile free #再次執(zhí)行free確保Swap配置成功 dd if=/dev/sda1 of=/dev/null bs=1G count=2048 #模擬大文件讀取 sar -r -S 1 #查看內(nèi)存各個指標變化 -r內(nèi)存 -S swap #根據(jù)結(jié)果可以看出，%memused在不斷增長，剩余內(nèi)存kbmemfress不斷減少，緩沖區(qū)kbbuffers不斷增大，由此可知剩余內(nèi)存不斷分配給了緩沖區(qū) #一段時間之后，剩余內(nèi)存很小，而緩沖區(qū)占用了大部分內(nèi)存。此時Swap使用之間增大，緩沖區(qū)和剩余內(nèi)存只在小范圍波動 停下sar命令 cachetop5 #觀察緩存 #可以看到dd進程讀寫只有50%的命中率，未命中數(shù)為4w+頁，說明正式dd進程導致緩沖區(qū)使用升高 watch -d grep -A 15 ‘Normal’ /proc/zoneinfo #觀察內(nèi)存指標變化 #發(fā)現(xiàn)升級內(nèi)存在一個小范圍不停的波動，低于頁低閾值時會突然增大到一個大于頁高閾值的值說明剩余內(nèi)存和緩沖區(qū)的波動變化正是由于內(nèi)存回收和緩存再次分配的循環(huán)往復。有時候 Swap 用的多，有時候緩沖區(qū)波動更多。此時查看 swappiness 值為60，是一個相對中和的配置，系統(tǒng)會根據(jù)實際運行情況來選去合適的回收類型。
?
如何“快準狠”找到系統(tǒng)內(nèi)存存在的問題
內(nèi)存性能指標
系統(tǒng)內(nèi)存指標
已用內(nèi)存/剩余內(nèi)存
共享內(nèi)存 （tmpfs實現(xiàn)）
可用內(nèi)存：包括剩余內(nèi)存和可回收內(nèi)存
緩存：磁盤讀取文件的頁緩存，slab分配器中的可回收部分
緩沖區(qū)：原始磁盤塊的臨時存儲，緩存將要寫入磁盤的數(shù)據(jù)
進程內(nèi)存指標
虛擬內(nèi)存：5大部分
常駐內(nèi)存：進程實際使用的物理內(nèi)存，不包括Swap和共享內(nèi)存
共享內(nèi)存：與其他進程共享的內(nèi)存，以及動態(tài)鏈接庫和程序的代碼段
Swap 內(nèi)存：通過Swap換出到磁盤的內(nèi)存
缺頁異常
可以直接從物理內(nèi)存中分配，次缺頁異常
需要磁盤 IO 介入（如 Swap），主缺頁異常。此時內(nèi)存訪問會慢很多
內(nèi)存性能工具
根據(jù)不同的性能指標來找合適的工具：
內(nèi)存分析工具包含的性能指標：
如何迅速分析內(nèi)存的性能瓶頸
通常先運行幾個覆蓋面比較大的性能工具，如 free，top，vmstat，pidstat 等
先用 free 和 top 查看系統(tǒng)整體內(nèi)存使用情況
再用 vmstat 和 pidstat，查看一段時間的趨勢，從而判斷內(nèi)存問題的類型
最后進行詳細分析，比如內(nèi)存分配分析，緩存/緩沖區(qū)分析，具體進程的內(nèi)存使用分析等
常見的優(yōu)化思路：
最好禁止 Swap，若必須開啟則盡量降低 swappiness 的值
減少內(nèi)存的動態(tài)分配，如可以用內(nèi)存池，HugePage 等
盡量使用緩存和緩沖區(qū)來訪問數(shù)據(jù)。如用堆棧明確聲明內(nèi)存空間來存儲需要緩存的數(shù)據(jù)，或者用 Redis 外部緩存組件來優(yōu)化數(shù)據(jù)的訪問
cgroups 等方式來限制進程的內(nèi)存使用情況，確保系統(tǒng)內(nèi)存不被異常進程耗盡
/proc/pid/oom_adj 調(diào)整核心應用的 oom_score，保證即使內(nèi)存緊張核心應用也不會被OOM殺死
vmstat 使用詳解
vmstat 命令是最常見的 Linux/Unix 監(jiān)控工具，可以展現(xiàn)給定時間間隔的服務器的狀態(tài)值，包括服務器的 CPU 使用率，內(nèi)存使用，虛擬內(nèi)存交換情況，IO讀寫情況?？梢钥吹秸麄€機器的 CPU，內(nèi)存，IO 的使用情況，而不是單單看到各個進程的 CPU 使用率和內(nèi)存使用率（使用場景不一樣）。
?
vmstat 2 procs -----------memory---------- ---swap-- -----io---- -system-- ------cpu----- r b swpd free buff cache si so bi bo in cs us sy id wa st 1 0 0 1379064 282244 11537528 0 0 3 104 0 0 3 0 97 0 0 0 0 0 1372716 282244 11537544 0 0 0 24 4893 8947 1 0 98 0 0 0 0 0 1373404 282248 11537544 0 0 0 96 5105 9278 2 0 98 0 0 0 0 0 1374168 282248 11537556 0 0 0 0 5001 9208 1 0 99 0 0 0 0 0 1376948 282248 11537564 0 0 0 80 5176 9388 2 0 98 0 0 0 0 0 1379356 282256 11537580 0 0 0 202 5474 9519 2 0 98 0 0 1 0 0 1368376 282256 11543696 0 0 0 0 5894 8940 12 0 88 0 0 1 0 0 1371936 282256 11539240 0 0 0 10554 6176 9481 14 1 85 1 0 1 0 0 1366184 282260 11542292 0 0 0 7456 6102 9983 7 1 91 0 0 1 0 0 1353040 282260 11556176 0 0 0 16924 7233 9578 18 1 80 1 0 0 0 0 1359432 282260 11549124 0 0 0 12576 5495 9271 7 0 92 1 0 0 0 0 1361744 282264 11549132 0 0 0 58 8606 15079 4 2 95 0 0 1 0 0 1367120 282264 11549140 0 0 0 2 5716 9205 8 0 92 0 0 0 0 0 1346580 282264 11562644 0 0 0 70 6416 9944 12 0 88 0 0 0 0 0 1359164 282264 11550108 0 0 0 2922 4941 8969 3 0 97 0 0 1 0 0 1353992 282264 11557044 0 0 0 0 6023 8917 15 0 84 0 0 # 結(jié)果說明 - r 表示運行隊列(就是說多少個進程真的分配到CPU)，我測試的服務器目前CPU比較空閑，沒什么程序在跑，當這個值超過了CPU數(shù)目，就會出現(xiàn)CPU瓶頸了。這個也和top的負載有關(guān)系，一般負載超過了3就比較高，超過了5就高，超過了10就不正常了，服務器的狀態(tài)很危險。top的負載類似每秒的運行隊列。如果運行隊列過大，表示你的CPU很繁忙，一般會造成CPU使用率很高。 - b 表示阻塞的進程,這個不多說，進程阻塞，大家懂的。 - swpd 虛擬內(nèi)存已使用的大小，如果大于0，表示你的機器物理內(nèi)存不足了，如果不是程序內(nèi)存泄露的原因，那么你該升級內(nèi)存了或者把耗內(nèi)存的任務遷移到其他機器。 - free 空閑的物理內(nèi)存的大小，我的機器內(nèi)存總共8G，剩余3415M。 - buff Linux/Unix系統(tǒng)是用來存儲，目錄里面有什么內(nèi)容，權(quán)限等的緩存，我本機大概占用300多M - cache cache直接用來記憶我們打開的文件,給文件做緩沖，我本機大概占用300多M(這里是Linux/Unix的聰明之處，把空閑的物理內(nèi)存的一部分拿來做文件和目錄的緩存，是為了提高 程序執(zhí)行的性能，當程序使用內(nèi)存時，buffer/cached會很快地被使用。) - si 每秒從磁盤讀入虛擬內(nèi)存的大小，如果這個值大于0，表示物理內(nèi)存不夠用或者內(nèi)存泄露了，要查找耗內(nèi)存進程解決掉。我的機器內(nèi)存充裕，一切正常。 - so 每秒虛擬內(nèi)存寫入磁盤的大小，如果這個值大于0，同上。 - bi 塊設備每秒接收的塊數(shù)量，這里的塊設備是指系統(tǒng)上所有的磁盤和其他塊設備，默認塊大小是1024byte，我本機上沒什么IO操作，所以一直是0，但是我曾在處理拷貝大量數(shù)據(jù)(2-3T)的機器上看過可以達到140000/s，磁盤寫入速度差不多140M每秒 - bo 塊設備每秒發(fā)送的塊數(shù)量，例如我們讀取文件，bo就要大于0。bi和bo一般都要接近0，不然就是IO過于頻繁，需要調(diào)整。 - in 每秒CPU的中斷次數(shù)，包括時間中斷 - cs 每秒上下文切換次數(shù)，例如我們調(diào)用系統(tǒng)函數(shù)，就要進行上下文切換，線程的切換，也要進程上下文切換，這個值要越小越好，太大了，要考慮調(diào)低線程或者進程的數(shù)目,例如在apache和nginx這種web服務器中，我們一般做性能測試時會進行幾千并發(fā)甚至幾萬并發(fā)的測試，選擇web服務器的進程可以由進程或者線程的峰值一直下調(diào)，壓測，直到cs到一個比較小的值，這個進程和線程數(shù)就是比較合適的值了。系統(tǒng)調(diào)用也是，每次調(diào)用系統(tǒng)函數(shù)，我們的代碼就會進入內(nèi)核空間，導致上下文切換，這個是很耗資源，也要盡量避免頻繁調(diào)用系統(tǒng)函數(shù)。上下文切換次數(shù)過多表示你的CPU大部分浪費在上下文切換，導致CPU干正經(jīng)事的時間少了，CPU沒有充分利用，是不可取的。 - us 用戶CPU時間，我曾經(jīng)在一個做加密解密很頻繁的服務器上，可以看到us接近100,r運行隊列達到80(機器在做壓力測試，性能表現(xiàn)不佳)。 - sy 系統(tǒng)CPU時間，如果太高，表示系統(tǒng)調(diào)用時間長，例如是IO操作頻繁。 - id 空閑CPU時間，一般來說，id + us + sy = 100,一般我認為id是空閑CPU使用率，us是用戶CPU使用率，sy是系統(tǒng)CPU使用率。 - wt 等待IO CPU時間
?
pidstat 使用詳解
pidstat 主要用于監(jiān)控全部或指定進程占用系統(tǒng)資源的情況，如CPU，內(nèi)存、設備IO、任務切換、線程等。
使用方法：
pidstat –d interval times 統(tǒng)計各個進程的IO使用情況
pidstat –u interval times 統(tǒng)計各個進程的CPU統(tǒng)計信息
pidstat –r interval times 統(tǒng)計各個進程的內(nèi)存使用信息
pidstat -w interval times 統(tǒng)計各個進程的上下文切換
p PID 指定PID
1、統(tǒng)計 IO 使用情況
?
pidstat -d 1 10 0302 PM UID PID kB_rd/s kB_wr/s kB_ccwr/s Command 0303 PM 0 816 0.00 918.81 0.00 jbd2/vda1-8 0303 PM 0 1007 0.00 3.96 0.00 AliYunDun 0303 PM 997 7326 0.00 1904.95 918.81 java 0303 PM 997 8539 0.00 3.96 0.00 java 0303 PM 0 16066 0.00 35.64 0.00 cmagent 0303 PM UID PID kB_rd/s kB_wr/s kB_ccwr/s Command 0304 PM 0 816 0.00 1924.00 0.00 jbd2/vda1-8 0304 PM 997 7326 0.00 11156.00 1888.00 java 0304 PM 997 8539 0.00 4.00 0.00 java
?
UID
PID
kB_rd/s：每秒進程從磁盤讀取的數(shù)據(jù)量 KB 單位 read from disk each second KB
kB_wr/s：每秒進程向磁盤寫的數(shù)據(jù)量 KB 單位 write to disk each second KB
kB_ccwr/s：每秒進程向磁盤寫入，但是被取消的數(shù)據(jù)量，This may occur when the task truncates some dirty pagecache.
iodelay：Block I/O delay，measured in clock ticks
Command：進程名 task name
2、統(tǒng)計 CPU 使用情況
?
# 統(tǒng)計CPU pidstat -u 1 10 0333 PM UID PID %usr %system %guest %CPU CPU Command 0334 PM 0 2321 3.96 0.00 0.00 3.96 0 ansible 0334 PM 0 7110 0.00 0.99 0.00 0.99 4 pidstat 0334 PM 997 8539 0.99 0.00 0.00 0.99 5 java 0334 PM 984 15517 0.99 0.00 0.00 0.99 5 java 0334 PM 0 24406 0.99 0.00 0.00 0.99 5 java 0334 PM 0 32158 3.96 0.00 0.00 3.96 2 ansible
?
UID
PID
%usr: 進程在用戶空間占用 cpu 的百分比
%system: 進程在內(nèi)核空間占用 CPU 百分比
%guest: 進程在虛擬機占用 CPU 百分比
%wait: 進程等待運行的百分比
%CPU: 進程占用 CPU 百分比
CPU: 處理進程的 CPU 編號
Command: 進程名
3、統(tǒng)計內(nèi)存使用情況
?
# 統(tǒng)計內(nèi)存 pidstat -r 1 10 Average: UID PID minflt/s majflt/s VSZ RSS %MEM Command Average: 0 1 0.20 0.00 191256 3064 0.01 systemd Average: 0 1007 1.30 0.00 143256 22720 0.07 AliYunDun Average: 0 6642 0.10 0.00 6301904 107680 0.33 java Average: 997 7326 10.89 0.00 13468904 8395848 26.04 java Average: 0 7795 348.15 0.00 108376 1233 0.00 pidstat Average: 997 8539 0.50 0.00 8242256 2062228 6.40 java Average: 987 9518 0.20 0.00 6300944 1242924 3.85 java Average: 0 10280 3.70 0.00 807372 8344 0.03 aliyun-service Average: 984 15517 0.40 0.00 6386464 1464572 4.54 java Average: 0 16066 236.46 0.00 2678332 71020 0.22 cmagent Average: 995 20955 0.30 0.00 6312520 1408040 4.37 java Average: 995 20956 0.20 0.00 6093764 1505028 4.67 java Average: 0 23936 0.10 0.00 5302416 110804 0.34 java Average: 0 24406 0.70 0.00 10211672 2361304 7.32 java Average: 0 26870 1.40 0.00 1470212 36084 0.11 promtail
?
UID
PID
Minflt/s : 每秒次缺頁錯誤次數(shù) （minor page faults），虛擬內(nèi)存地址映射成物理內(nèi)存地址產(chǎn)生的 page fault 次數(shù)
Majflt/s : 每秒主缺頁錯誤次數(shù) (major page faults), 虛擬內(nèi)存地址映射成物理內(nèi)存地址時，相應 page 在 swap 中
VSZ virtual memory usage : 該進程使用的虛擬內(nèi)存 KB 單位
RSS : 該進程使用的物理內(nèi)存 KB 單位
%MEM : 內(nèi)存使用率
Command : 該進程的命令 task name
4、查看具體進程使用情況
?
pidstat -T ALL -r -p 20955 1 10 0316 PM UID PID minflt/s majflt/s VSZ RSS %MEM Command 0317 PM 995 20955 0.00 0.00 6312520 1408040 4.37 java 0316 PM UID PID minflt-nr majflt-nr Command 0317 PM 995 20955 0 0 java
?
工商網(wǎng)監(jiān)
評論