聊一聊Load Average

背景

前段时间，由于有几个应用引入了 prometheus-net.DotNetRuntime 这个组件，导致系统 CPU 间歇性飙升。这是这个组件一个已知的雷。。

同样也引发了系统的 Load Average (平均负载) 十分不正常。

这是一台 4C8G 的服务器，Load Average 却是达到了 15。这也是有点离谱！修复之后的是稳定在 4 以下的。

关于平均负载，其实里面的学问很多，只要候选人简历上提到过 Linux 相关的，老黄是一定会问 Load Average 相关的内容的。

所有也花点时间梳理一下吧。

查看平均负载的N种方式

w

 12:02:29 up 25 days, 19:53,  1 user,  load average: 1.28, 0.68, 0.49
USER     TTY      FROM             LOGIN@   IDLE   JCPU   PCPU WHAT
root     pts/0    10.10.2.219    12:02    1.00s  0.01s  0.00s w

top

Tasks: 142 total,   1 running, 141 sleeping,   0 stopped,   0 zombie
%Cpu(s):  4.7 us,  2.9 sy,  0.0 ni, 91.3 id,  0.0 wa,  0.3 hi,  0.8 si,  0.0 st
MiB Mem :  15604.6 total,    170.4 free,   1771.2 used,  13663.0 buff/cache
MiB Swap:      0.0 total,      0.0 free,      0.0 used.  13522.4 avail Mem 

    PID USER      PR  NI    VIRT    RES    SHR S  %CPU  %MEM     TIME+ COMMAND             
 287467 root      20   0   22.1g 241512  20400 S   7.3   1.5   1029:52 dotnet
 287675 root      20   0   22.1g 233568  20616 S   7.3   1.5   1043:36 dotnet   

uptime

 12:04:08 up 25 days, 19:55,  1 user,  load average: 0.58, 0.61, 0.49

上面的输出结果，都可以看到 load average 的字样，后面还带了三个数据。

load average: 0.58, 0.61, 0.49

三个数字怎么理解

既然提供了三个数字，那么这三个数字分别代表什么呢？

从左到右，依次是过去 1分钟、 5分钟、 15分钟，系统的平均负载。

通过这三个数字，就可以比较简单的判断系统的负载趋势，上升或下降。

举几个例子来看看。

例子一

1.30 0.90 0.55

这三个数字在告诉我们系统的负载在慢慢上升，运行效率可能会减慢。

因为三个数字依次降低，说明在过去的 1 分钟系统的负载比过去 15 分钟系统的负载大。

例子二

0.45 0.40 0.43

这三个数字在告诉我们系统的负载比较平稳，没有太大的波动。

因为这三个数字相差不大，比较接近。

例子三

0.45 0.70 1.43

这三个数字在告诉我们系统的负载在慢慢下降，运行效率可能会有所提高。

因为三个数字依次上升，说明在过去的 1 分钟系统的负载比过去 15 分钟系统的负载小。

上面的三个例子分析也只是能看出趋势，但是并不确定更加具体一点的信息。

下面看看单个数字的含义。

负载含义

拿 1.43 来说，它是什么意思呢？

如果是单核的机器，比如 1C1G，1C2G，说明系统已经在超负荷运作了，这一个 CPU 已经被完全占用了。

如果是多核的机器，比如 2C4G，4C8G，说明还有空闲的 CPU。

对于 2C 的来说，虽然没有满载，但也超过 70% 了，该留意一下了，因为很可能马上会出现问题。

对于 4C的来说，占用还没有 50%，基本可以不用太担心。

据说有一个经验值，CPU 数量的 0.7 ！

当 Load Average 超过这个经验值的时候，就应该分析排查负载高的问题了。一旦负载过高，就可能导致进程响应变慢，进而影响服务的正常功能。

总结

Load Average 提供了一个快速查看系统整体性能的手段，反映了整体的负载情况。

要分析系统的负载情况，是离不开这三个不同时间间隔的平均值。