《Linux性能优化实战》笔记（23）—— 内核线程 CPU 利用率过高，perf 与 火焰图

在排查网络问题时，我们还经常碰到的一个问题，就是内核线程的 CPU 使用率很高。比如，在高并发的场景中，内核线程 ksoftirqd 的 CPU 使用率通常就会比较高。回顾一下前面学过的 CPU 和网络模块，你应该知道，这是网络收发的软中断导致的。
要分析 ksoftirqd 这类 CPU 使用率比较高的内核线程，如果用前面介绍过的那些分析方法，一般需要借助于其他性能工具，进行辅助分析，并不算快捷。有没有其他更简单的方法，可以直接观察内核线程的行为，更快定位瓶颈呢？今天，我就继续以 ksoftirqd 为例，带你一起看看，如何分析内核线程的性能问题。

 

一、 内核线程

既然要讲内核线程的性能问题，我们就先来看看，有哪些常见的内核线程。

我们知道，在 Linux 中，用户态进程的“祖先”，都是 PID 号为 1 的 init 进程。现在主流的 Linux 发行版中，init 都是 systemd 进程；而其他的用户态进程，会通过systemd 来进行管理。

Linux 在启动过程中，有三个特殊的进程，也就是 PID 号最小的三个进程：

• 0 号进程为 idle 进程，这也是系统创建的第一个进程，它在初始化 1 号和 2 号进程后，演变为空闲任务。当 CPU 上没有其他任务执行时，就会运行它。
• 1 号进程为 init 进程，通常是 systemd 进程，在用户态运行，用来管理其他用户态进程。
• 2 号进程为 kthreadd 进程，在内核态运行，用来管理内核线程。

所以，要查找内核线程，我们只需要从 2 号进程开始，查找它的子孙进程即可。比如，你可以使用 ps 命令，来查找 kthreadd 的子进程：

ps -f --ppid 2 -p 2

UID         PID   PPID  C STIME TTY          TIME CMD
root          2      0  0 12:02 ?        00:00:01 [kthreadd]
root          9      2  0 12:02 ?        00:00:21 [ksoftirqd/0]
root         10      2  0 12:02 ?        00:11:47 [rcu_sched]
root         11      2  0 12:02 ?        00:00:18 [migration/0]
...
root      11094      2  0 14:20 ?        00:00:00 [kworker/1:0-eve]
root      11647      2  0 14:27 ?        00:00:00 [kworker/0:2-cgr]

从上面的输出，你能够看到，内核线程的名称（CMD）都在中括号里，所以，更简单的方法，就是直接查找名称包含中括号的进程。比如

ps -ef | grep "\[.*\]"

root         2     0  0 08:14 ?        00:00:00 [kthreadd]
root         3     2  0 08:14 ?        00:00:00 [rcu_gp]
root         4     2  0 08:14 ?        00:00:00 [rcu_par_gp]
...

了解内核线程的基本功能，对我们排查问题有非常大的帮助。比如，我们曾经在软中断案例中提到过 ksoftirqd。它是一个用来处理软中断的内核线程，并且每个 CPU 上都有一个。如果你知道这一点，那么以后遇到 ksoftirqd 的 CPU 使用高的情况，就会首先怀疑是软中断的问题，然后从软中断的角度来进一步分析。

其实，除了刚才看到的 kthreadd 和 ksoftirqd 外，还有很多常见的内核线程，我们在性能分析中都经常会碰到，比如下面这几个内核线程：

• kswapd0：用于内存回收（swap）
• kworker：用于执行内核工作队列，分为绑定 CPU和未绑定 CPU两类。
• migration：在负载均衡过程中把进程迁移到 CPU 上，每个 CPU 都有一个migration 内核线程。
• jbd2/sda1-8：jbd 是 Journaling Block Device 的缩写，用来为文件系统提供日志功能，以保证数据的完整性；名称中的 sda1-8，表示磁盘分区名称和设备号。每个使用了ext4 文件系统的磁盘分区，都会有一个 jbd2 内核线程。
• pdflush：用于将内存中的脏页写入磁盘（已经在 3.10 中合并入了 kworker 中）。

 

二、 案例分析

运行 hping3 命令，模拟 Nginx 的客户端请求：

# -S参数表示设置TCP协议的SYN（同步序列号），-p表示目的端口为80
# -i u10表示每隔10微秒发送一个网络帧
# 注：如果你在实践过程中现象不明显，可以尝试把10调小，比如调成5甚至1
hping3 -S -p 80 -i u10 192.168.0.30

你会发现192.168.0.30服务器的系统响应明显变慢了。我们不妨执行 top，观察一下系统和进程的 CPU 使用情况：

$ top
top - 08:31:43 up 17 min,  1 user,  load average: 0.00, 0.00, 0.02
Tasks: 128 total,   1 running,  69 sleeping,   0 stopped,   0 zombie
%Cpu0  :  0.3 us,  0.3 sy,  0.0 ni, 66.8 id,  0.3 wa,  0.0 hi, 32.4 si,  0.0 st
%Cpu1  :  0.0 us,  0.3 sy,  0.0 ni, 65.2 id,  0.0 wa,  0.0 hi, 34.5 si,  0.0 st
KiB Mem :  8167040 total,  7234236 free,   358976 used,   573828 buff/cache
KiB Swap:        0 total,        0 free,        0 used.  7560460 avail Mem

  PID USER      PR  NI    VIRT    RES    SHR S  %CPU %MEM     TIME+ COMMAND
    9 root      20   0       0      0      0 S   7.0  0.0   0:00.48 ksoftirqd/0
   18 root      20   0       0      0      0 S   6.9  0.0   0:00.56 ksoftirqd/1
 2489 root      20   0  876896  38408  21520 S   0.3  0.5   0:01.50 docker-containe
 3008 root      20   0   44536   3936   3304 R   0.3  0.0   0:00.09 top
    1 root      20   0   78116   9000   6432 S   0.0  0.1   0:11.77 systemd

可以看到，两个 CPU 的软中断使用率都超过了 30%，而 CPU 使用率最高的进程是软中断内核线程 ksoftirqd/0 和 1。

虽然我们已经知道了 ksoftirqd 的基本功能，可以猜测是因为大量网络收发，引起了CPU 使用率升高；但它到底在执行什么逻辑，我们却并不知道。对于普通进程，我们要观察其行为有很多方法，比如 strace、pstack、lsof 等等。但这些工具并不适合内核线程。如果用 pstack 或者通过 /proc/pid/stack 查看ksoftirqd/0（进程号为 9）的调用栈，分别可以得到以下输出：

$ pstack 9
Could not attach to target 9: Operation not permitted.
detach: No such process

$ cat /proc/9/stack
[<0>] smpboot_thread_fn+0x166/0x170
[<0>] kthread+0x121/0x140
[<0>] ret_from_fork+0x35/0x40
[<0>] 0xffffffffffffffff

pstack 报出的是不允许挂载进程的错误；而 /proc/9/stack 方式虽然有输出，但输出中并没有详细的调用栈情况。那还有没有其他方法，来观察内核线程 ksoftirqd 的行为呢？

既然是内核线程，自然应该用到内核中提供的机制。我想你肯定还记得 perf 这个内核自带的性能剖析工具。perf 可以对指定的进程或者事件进行采样，并且还可以用调用栈的形式，输出整个调用链上的汇总信息。 不妨就用 perf ，来试着分析一下进程号为 9 的 ksoftirqd。

执行下面的 perf record 命令；并指定进程号 9 ，以便记录 ksoftirqd 的行为。

# 采样30s后退出
perf record -a -g -p 9 -- sleep 30

稍等一会儿，在上述命令结束后，继续执行 perf report命令，就可以得到 perf 的汇总报告。按上下方向键以及回车键，展开比例最高的 ksoftirqd 后，可以得到下面这个调用关系链图：

从这个图中，你可以清楚看到 ksoftirqd 执行最多的调用过程。虽然你可能不太熟悉内核源码，但通过这些函数，我们可以大致看出它的调用栈过程：

• net_rx_action 和 netif_receive_skb，表明这是接收网络包（rx 表示 receive）。
• br_handle_frame ，表明网络包经过了网桥（br 表示 bridge）。
• br_nf_pre_routing ，表明在网桥上执行了 netfilter 的 PREROUTING（nf 表示netfilter），而我们已经知道 PREROUTING 主要用来执行 DNAT，所以可以猜测这里有 DNAT 发生。
• br_pass_frame_up，表明网桥处理后，再交给桥接的其他桥接网卡进一步处理。比如，在新的网卡上接收网络包、执行 netfilter 过滤规则等等

我们的猜测对不对呢？实际上，我们案例最开始用 Docker 启动了容器，而 Docker 会自动为容器创建虚拟网卡、桥接到 docker0 网桥并配置 NAT 规则。这一过程，如下图所示

当然了，前面 perf report 界面的调用链还可以继续展开。但很不幸，我的屏幕不够大，如果展开更多的层级，最后几个层级会超出屏幕范围。这样，即使我们能看到大部分的调用过程，却也不能说明后面层级就没问题。那么，有没有更好的方法，来查看整个调用栈的信息呢？

三、 火焰图

1. 简介

针对 perf 汇总数据的展示问题，Brendan Gragg 发明了火焰图，通过矢量图的形式，更直观展示汇总结果。下图就是一个针对 mysql 的火焰图示例。

• 横轴表示采样数和采样比例。一个函数占用的横轴越宽代表它的执行时间越长。同一层的多个函数，则是按照字母来排序。
• 纵轴表示调用栈，由下往上根据调用关系逐个展开。换句话说，上下相邻的两个函数中，下面的函数，是上面函数的父函数。调用栈越深，纵轴就越高。
• 图中的颜色并没有特殊含义，只是用来区分不同的函数。

火焰图是动态的矢量图格式，所以它还支持一些动态特性。比如，鼠标悬停到某个函数上时，就会自动显示这个函数的采样数和采样比例。而当你用鼠标点击函数时，火焰图就会把该层及其上的各层放大，方便观察细节。上面 mysql 火焰图的示例，就表示了 CPU 的繁忙情况，这种火焰图也被称为 on-CPU 火焰图。

 

如果我们根据性能分析的目标来划分，火焰图可以分为下面这几种。

• on-CPU 火焰图：表示 CPU 的繁忙情况，用在 CPU 使用率比较高的场景中。
• off-CPU 火焰图：表示 CPU 等待 I/O、锁等各种资源的阻塞情况。
• 内存火焰图：表示内存的分配和释放情况。
• 热 / 冷火焰图：表示将 on-CPU 和 off-CPU 结合在一起综合展示。
• 差分火焰图：表示两个火焰图的差分情况，红色表示增长，蓝色表示衰减。常用来比较不同场景和不同时期的火焰图，以便分析系统变化前后对性能的影响情况。
   

接下来，我们再回到案例，运用火焰图来观察刚才perf record 得到的记录。

2. 生成火焰图

我们先下载几个能从 perf record 记录生成火焰图的工具，这些工具都放在 https://github.com/brendangregg/FlameGraph 上面。你可以执行下面的命令来下载：

git clone https://github.com/brendangregg/FlameGraph
cd FlameGraph

安装好工具后，要生成火焰图，其实主要需要三个步骤：

• 执行 perf script ，将 perf record 的记录转换成可读的采样记录；
• 执行 stackcollapse-perf.pl 脚本，合并调用栈信息；
• 执行 flamegraph.pl 脚本，生成火焰图

在 Linux 中，我们可以使用管道，来简化这三个步骤的执行过程。假设刚才用 perf record 生成的文件路径为 /root/perf.data，执行下面的命令，你就可以直接生成火焰图：

perf script -i /root/perf.data | ./stackcollapse-perf.pl --all |  ./flamegraph.pl > ksoftirqd.svg

执行成功后，使用浏览器打开 ksoftirqd.svg ，你就可以看到生成的火焰图了。

 

3. 分析火焰图

根据刚刚讲过的火焰图原理，这个图应该从下往上看，沿着调用栈中最宽的函数来分析执行次数最多的函数。这儿看到的结果，其实跟刚才的 perf report 类似，但直观了很多，中间这一团火，很明显就是最需要我们关注的地方。我们顺着调用栈由下往上看（顺着图中蓝色箭头），就可以得到跟刚才 perf report 中一样的结果：

• 最开始，还是 net_rx_action 到 netif_receive_skb 处理网络收包；
• 然后， br_handle_frame 到 br_nf_pre_routing ，在网桥中接收并执行 netfilter 钩子函数；
• 再向上， br_pass_frame_up 到 netif_receive_skb ，从网桥转到其他网络设备又一次接收。
• 不过最后，到了 ip_forward 这里，已经看不清函数名称了。所以我们需要点击ip_forward，展开最上面这一块调用栈：

这样，就可以进一步看到 ip_forward 后的行为，也就是把网络包发送出去。根据这个调用过程，再结合我们前面学习的网络收发和 TCP/IP 协议栈原理，这个流程中的网络接收、网桥以及 netfilter 调用等，都是导致软中断 CPU 升高的重要因素，也就是影响网络性能的潜在瓶颈。

不过，回想一下网络收发的流程，你可能会觉得它缺了好多步骤。比如，这个堆栈中并没有 TCP 相关的调用，也没有连接跟踪 conntrack 相关的函数。实际上，这些流程都在其他更小的火焰中，你可以点击上图左上角的“Reset Zoom”，回到完
整火焰图中，再去查看其他小火焰的堆栈。

所以，在理解这个调用栈时要注意。从任何一个点出发、纵向来看的整个调用栈，其实只是最顶端那一个函数的调用堆栈，而非完整的内核网络执行流程。

另外，整个火焰图不包含任何时间的因素，所以并不能看出横向各个函数的执行次序。到这里，我们就找出了内核线程 ksoftirqd 执行最频繁的函数调用堆栈，而这个堆栈中的各层级函数，就是潜在的性能瓶颈来源。这样，后面想要进一步分析、优化时，也就有了根据。