如何预估系统的瓶颈

---

CPU 使用率、内存占用、网络流量、磁盘 IO等指标，异常或者持续高位的情况下，都可能是系统瓶颈的表现。

1 CPU

CPU使用率正常在70%左右，如果持续90%左右，可能是CPU瓶颈。
代码问题。递归调用、死循环、并发运行了大量线程
大量磁盘I/O操作

1. load average 系统负载，即任务队列的平均长度。是指1分钟、5分钟、15分钟前到现在的平均值。（数除以逻辑CPU的数量，结果高于5的时候就表明系统在超负荷运转了。）

2. Tasks: 125 total 是指125个进程在运行。 zombie是僵尸数量

3. Cpu(s): 1.2%us 用户空间占用CPU的百分比。 96.4%id 空闲CPU的百分比。 0.9%wa 等待I/O的CPU时间百分比。

4. Mem: 4045416k total 总内存。 396748k used 已使用的内存。 3648668k free 空闲内存。 102828k buffers 缓存的内存。

5. Swap: 2097144k total 交换空间。 0k used 已使用的交换空间。 2097144k free 空闲的交换空间。 242456k cached 缓存的交换空间。

6. PID 进程ID。 USER 进程所有者（User）。 PR 优先级。 NI nice值。 VIRT 虚拟内存。VIRT=SWAP+RES RES 物理内存。 SHR 共享内存。 S 进程状态。(D=不可中断的睡眠状态 R=运行 S=睡眠 T=跟踪/停止 Z=僵尸进程) %CPU CPU占用率。 %MEM 内存占用率。 TIME+ 运行时间。 COMMAND 命令。

1.1 CPU和同吞吐量

在压力测试中：

吞吐量低、CPU占用率低。可能是因为出现了锁等待、并发任务出现了同步处理。

吞吐量低、CPU占用率高。可能是因为出现了CPU密集型的任务，比如复杂算法、压缩/解压、序列化/反序列化等。

吞吐量高、CPU占用率高。可能是服务端处理能力强。如果怕冲垮服务端，可以通过限流、熔断等手段来控制。

2 内存

在压力测试中，随着压测的请求增加，内存使用量也会增加，如果压测结束后一段时间，内存使用量没有下降，可能是内存泄漏。（此时就可以进行对场景下的代码进行定位优化）

3 磁盘IO

容量瓶颈：使用df -h命令查看磁盘容量，如果磁盘容量快满了，可能是磁盘容量瓶颈。

性能瓶颈：使用iostat命令查看磁盘性能，如果磁盘的平均等待时间超过了10ms，可能是磁盘性能瓶颈。比如：iostat -x 1 10

4 网络宽带

理论上网络宽带的真实传输速率只有网卡显示的8分之一。比如iftop命令可以查看网络流量。

=>发送流量。<=接收流量。
TX 发送流量。 RX 接收流量。 TOTAL 总流量。
cum 开始命令至今的累计流量。 peak 峰值流量。 rates 速率（2s、10s、40s 的平均流量值）。

5 数据库服务器

开启慢查询日志和死锁日志、当前连接数据量、最大连接数量

6 APP服务端

JVM堆栈、线程池等

我的Github地址，欢迎大家加入我的开源项目，或者(在我的主页联系我)加入你们的开源项目，点点Github-Stars。

\	开源项目名称	依赖类型	版本号	描述
1	spring-boot-starter-trie	pom	1.0.0-SNAPSHOT	特定需求下查询速度远超开源检索工具，innodb下B+树或者ES中倒排索引无法与之比拟.
2	spring-boot-starter-trie	jar	1.0.0-M1	提供了基于SpringCloud的服务节点，可以通过Nacos注册中心进行服务发现，实现了树的动态扩容与缩容，以及服务的动态上下线。
3	Data-Provider	pom	1.0.0-SNAPSHOT	提供了多种数据源的查询，以及数据的类型同步，作为一个Jar可以依赖在其他服务上动态的提供数据。