Iowait的成因、对系统影响及对策

什么是iowait？
顾名思义，就是系统因为io导致的进程wait。再深一点讲就是：这时候系统在做io，导致没有进程在干活，cpu在执行idle进程空转，所以说iowait的产生要满足两个条件，一是进程在等io，二是等io时没有进程可运行。

Iowait是如何计算的？
先说说用户如何看到iowait吧
我们通常用vmstat就能看到iowat，图中的wa就是（标红）

这个数据是vmstat经过计算文件/proc/stat中的数据获得，所以说大家看到的是能够大概反应一个系统iowait水平的数据表象。关于/proc/stat中的数据都代表了什么意思，大家自己google吧，不再赘述。

那/proc/stat文件中的这些数据是从哪来的呢？
Kernel中有个proc_misc.c文件会专门输出这些数据，这个文件对应的函数是show_stat
部分代码：

帮助

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27

for_each_possible_cpu(i) {          int j;            user = cputime64_add(user, kstat_cpu(i).cpustat.user);          nice = cputime64_add(nice, kstat_cpu(i).cpustat.nice);          system = cputime64_add( system , kstat_cpu(i).cpustat. system );          idle = cputime64_add(idle, kstat_cpu(i).cpustat.idle);          iowait = cputime64_add(iowait, kstat_cpu(i).cpustat.iowait);          irq = cputime64_add(irq, kstat_cpu(i).cpustat.irq);          softirq = cputime64_add(softirq, kstat_cpu(i).cpustat.softirq);          steal = cputime64_add(steal, kstat_cpu(i).cpustat.steal);          for (j = 0 ; j < NR_IRQS ; j++)              sum += kstat_cpu(i).irqs[j];      } ….      seq_printf(p,          "\nctxt %llu\n"          "btime %lu\n"          "processes %lu\n"          "procs_running %lu\n"          "procs_blocked %lu\n" ,          nr_context_switches(),          (unsigned long )jif,          total_forks,          nr_running(),          nr_iowait()); …

这部分代码会输出你在/proc/stat中看到的数据，通过代码我们得知iowait来自
iowait = cputime64_add(iowait, kstat_cpu(i).cpustat.iowait);

那么 cpustat.iowait是谁来修改的呢？
我们找到了这个函数account_system_time

帮助

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

void account_system_time( struct task_struct *p, int hardirq_offset,               cputime_t cputime) {      struct cpu_usage_stat *cpustat = &kstat_this_cpu.cpustat;      struct rq *rq = this_rq(); //在smp环境下获取当前的run queue      cputime64_t tmp;        p->stime = cputime_add(p->stime, cputime);        /* Add system time to cpustat. */      tmp = cputime_to_cputime64(cputime);      if (hardirq_count() - hardirq_offset) //在做硬中断          cpustat->irq = cputime64_add(cpustat->irq, tmp);      else if (softirq_count()) //在做软中断          cpustat->softirq = cputime64_add(cpustat->softirq, tmp);      else if (p != rq->idle) //程序在正常运行，非idle          cpustat-> system = cputime64_add(cpustat-> system , tmp);      else if (atomic_read(&rq->nr_iowait) > 0) //既不做中断，而且在idle，那么就是iowait          cpustat->iowait = cputime64_add(cpustat->iowait, tmp);      else          cpustat->idle = cputime64_add(cpustat->idle, tmp);      /* Account for system time used */      acct_update_integrals(p); }

我们可以看出，当某个cpu产生iowait时，那么这个cpu上肯定有进程在进行io，并且在等待io完成（rq->nr_iowait>0），并且这个cpu上没有进程可运行（p == rq->idle），cpu在idle。

谁在产生iowait？
那么是谁修改了rq->nr_iowait呢？
重点终于来了，呵呵。

帮助

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23

void __sched io_schedule( void ) {      struct rq *rq = &__raw_get_cpu_var(runqueues);        delayacct_blkio_start();      atomic_inc(&rq->nr_iowait);      schedule();      atomic_dec(&rq->nr_iowait);      delayacct_blkio_end(); }   long __sched io_schedule_timeout( long timeout) {      struct rq *rq = &__raw_get_cpu_var(runqueues);      long ret;        delayacct_blkio_start();      atomic_inc(&rq->nr_iowait);      ret = schedule_timeout(timeout);      atomic_dec(&rq->nr_iowait);      delayacct_blkio_end();      return ret; }

所以产生iowait的根源被我们找到了，就是函数io_schedule, io_schedule_timeout，顾名思义，这两个函数是用来做进程切换的，而且切换的原因是有io。只不过io_schedule_timeout还给出了一个sleep的时间，也就是timeout。

systemtap来跟一下到底是谁在什么时候调用了这两个函数？
在这里我们以引擎为例子，trace进程searcher_server

Stap脚本Block.stp:（只截取了部分程序）

帮助

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52

probe io_schedule = kernel.function( "io_schedule" ){          #if(tid() == target_pid){          if (isinstr(execname(), "searcher_server" )){                  stat[execname(), tid(), probefunc()]++;                  count++;                  printf ( "trace time:%s\n" , ctime (gettimeofday_s()));                  print_stack(backtrace());          } }   probe io_schedule_timeout = kernel.function( "io_schedule_timeout" ){          #if(tid() == target_pid){          if (isinstr(execname(), "searcher_server" )){                  stat[execname(), tid(), probefunc()]++;                  count++;                  printf ( "trace time:%s\n" , ctime (gettimeofday_s()));                  print_stack(backtrace());          } }   probe io_schedule, io_schedule_timeout{ }   probe begin{          printf ( "begin %s\n" , ctime (gettimeofday_s()));            if ($# == 2){            if (@1 == "pid" )                 target_pid = strtol (@2, 10)            if (@1 == "name" )                 target_name = @2                  printf ( "pid:%d name:%s\n" , target_pid, target_name);          } else {                  printf ( "arguments error\n" );                  exit ();          } }   probe end{          printf ( "end %s\n" , ctime (gettimeofday_s())); }   probe timer.ms(1000){          printf ( "%s running...\n" , ctime (gettimeofday_s()));          foreach([proc, tid, func] in stat- limit 100){                  printf ( "%s:%d=>%s %d\n" , proc, tid, func, stat[proc,tid,func]);          }          delete stat;            printf ( "%s average schedule times:%d\n" , ctime (gettimeofday_s()), count);          count = 0; }

程序的大意就是在1S内，统计哪个进程分别调用了多少次这两个函数。并且把调用时的堆栈print出来，这样能更清楚地看到到底是哪个系统调用跑到了这个地方。

在最正常的状态下，跑一下机器：

此时新 引擎 searcher QPS有1500+，cpu busy有88%，iowait几乎为0，内存在mmap时全部用MAP_LOCKED被锁在内存中

帮助

1 2 3 4 5 6 7 8 9 10 11

sudo stap block.stp pid 5739 -DMAXSKIPPED=1000000 Fri Jul  6 05:57:21 2012 average schedule times:0 Fri Jul  6 05:57:22 2012 running... Fri Jul  6 05:57:22 2012 average schedule times:0 Fri Jul  6 05:57:23 2012 running... Fri Jul  6 05:57:23 2012 average schedule times:0 Fri Jul  6 05:57:24 2012 running... Fri Jul  6 05:57:24 2012 average schedule times:0 Fri Jul  6 05:57:25 2012 running... Fri Jul  6 05:57:25 2012 average schedule times:0 …

跑了一会发现并没有调用到io schedule，这也符合我们的预期。
我们再一边跑dd一边stap抓取

sudo stap block.stp pid 5739 -DMAXSKIPPED=1000000 > directdd
起两个dd进程，写10G的数据，不走page cache，direct写
dd if=/dev/zero of=a count=20000000 oflag=direct
dd if=/dev/zero of=b count=20000000 oflag=direct
一共写20G

• Searcher表现：

Cpu busy & iowait

Latency：

可以看出direct dd产生的iowait极小，最高才1.4左右，但是对searcher却也造成了不小的影响，通过vmstat的结果来看，当执行dd之后进程上下文切换从2W+飙到了8W+，被block的searcher线程为个位数。

• 被block的线程堆栈：

写log

帮助

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17

trace time :Fri Jul  6 06:46:23 2012   0xffffffff8006377c : io_schedule+0x1/0x67 [kernel]   0xffffffff800153e7 : sync_buffer+0x3b/0x3f [kernel]   0xffffffff800639e6 : __wait_on_bit+0x40/0x6e [kernel]   0xffffffff80063a80 : out_of_line_wait_on_bit+0x6c/0x78 [kernel]   0xffffffff8003a9d3 : sync_dirty_buffer+0x96/0xcb [kernel]   0xffffffff8000fd42 : generic_file_buffered_write+0x1cc/0x675 [kernel]   0x00000ffffffff800   trace time :Fri Jul  6 06:46:23 2012   0xffffffff8006377c : io_schedule+0x1/0x67 [kernel]   0xffffffff80028a90 : get_request_wait+0xd8/0x11f [kernel]   0xffffffff8000bfff : __make_request+0x33d/0x401 [kernel]   0xffffffff8001c049 : generic_make_request+0x211/0x228 [kernel]   0xffffffff80033472 : submit_bio+0xe4/0xeb [kernel]   0xffffffff8001a793 : submit_bh+0xf1/0x111 [kernel]   0x00000ffffffff800

• 被block的频率

帮助

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

grep -E 'run|ks_searcher' directdd | more searcher_server:21001=>io_schedule 1 searcher_server:20813=>io_schedule 1 Fri Jul  6 06:46:20 2012 running... Fri Jul  6 06:46:21 2012 running... Fri Jul  6 06:46:22 2012 running... Fri Jul  6 06:46:23 2012 running... Fri Jul  6 06:46:24 2012 running... searcher_server:20813=>io_schedule 2 searcher_server:21014=>io_schedule 1 Fri Jul  6 06:46:25 2012 running... Fri Jul  6 06:46:26 2012 running... Fri Jul  6 06:46:27 2012 running... Fri Jul  6 06:46:28 2012 running... Fri Jul  6 06:46:29 2012 running...

经stap追查发现，切换次数的增加都是由于direct dd导致的：
由于是direct写，所以每写一次都要做io schedule

帮助

1 2 3 4 5 6

0xffffffff80062391 : schedule+0x1/0xcd4 [kernel] 0xffffffff800637ba : io_schedule+0x3f/0x67 [kernel] 0xffffffff800f281b : __blockdev_direct_IO+0x8bc/0xa35 [kernel] 0xffffffff800c4c91 : generic_file_direct_IO+0xff/0x119 [kernel] 0xffffffff8001edd1 : generic_file_direct_write+0x60/0xf2 [kernel] 0xffffffff8001646e : __generic_file_aio_write_nolock+0x2b8/0x3b6 [kernel]

• 小结：

Searcher latency上升和searcher相对温和的io schedule、进程切换都有关系，但是这时的主因应该是进程切换，进程切换还会造成频繁的进程迁移，TLB flush ，Cache pollution。

再做一次新的实验，把dd的direct flag去掉，让page cache生效
Searcher的运行环境和运行压力和上同

• Searcher表现：

Cpu busy & iowait：

Latency：

可以看出带page cache的dd对searcher影响更大，我们先看一下vmstat抓取到的数据

平均被block的线程数据很多，甚至在某个时刻可以运行的线程数量为0

• searcher被block时的堆栈：

block layer写请求

帮助

1 2 3 4 5 6 7 8

trace time :Fri Jul  6 07:13:45 2012   0xffffffff8006377c : io_schedule+0x1/0x67 [kernel]   0xffffffff80028a90 : get_request_wait+0xd8/0x11f [kernel]   0xffffffff8000bfff : __make_request+0x33d/0x401 [kernel]   0xffffffff8001c049 : generic_make_request+0x211/0x228 [kernel]   0xffffffff80033472 : submit_bio+0xe4/0xeb [kernel]   0xffffffff8001a793 : submit_bh+0xf1/0x111 [kernel]   0x00000ffffffff800

Sync buffer

帮助

1 2 3 4 5 6 7 8

trace time :Fri Jul  6 07:13:46 2012   0xffffffff8006377c : io_schedule+0x1/0x67 [kernel]   0xffffffff800153e7 : sync_buffer+0x3b/0x3f [kernel]   0xffffffff800639e6 : __wait_on_bit+0x40/0x6e [kernel]   0xffffffff80063a80 : out_of_line_wait_on_bit+0x6c/0x78 [kernel]   0xffffffff8003a9d3 : sync_dirty_buffer+0x96/0xcb [kernel]   0xffffffff8001cdc3 : mpage_writepages+0x1bf/0x37e [kernel]   0x00000ffffffff800

此时的dirty ratio已大于40%，需要做blk_congestion_wait，这个可以算是最严厉的惩罚了。。

帮助

1 2 3 4 5 6 7 8

trace time :Fri Jul  6 07:13:48 2012   0xffffffff800631bb : io_schedule_timeout+0x1/0x79 [kernel]   0xffffffff8003b426 : blk_congestion_wait+0x67/0x81 [kernel]   0xffffffff800c7e68 : balance_dirty_pages_ratelimited_nr+0x17d/0x1fa [kernel]   0xffffffff8000fd81 : generic_file_buffered_write+0x20b/0x675 [kernel]   0xffffffff8001651f : __generic_file_aio_write_nolock+0x369/0x3b6 [kernel]   0xffffffff8002157b : generic_file_aio_write+0x65/0xc1 [kernel]   0x00000ffffffff800

Searcher用到的某些页被刷出去，需要sync page read

帮助

1 2 3 4 5 6 7 8

trace time :Fri Jul  6 07:13:49 2012   0xffffffff8006377c : io_schedule+0x1/0x67 [kernel]   0xffffffff80028936 : sync_page+0x3e/0x43 [kernel]   0xffffffff800638fe : __wait_on_bit_lock+0x36/0x66 [kernel]   0xffffffff8003fbad : __lock_page+0x5e/0x64 [kernel]   0xffffffff800139f8 : find_lock_page+0x69/0xa2 [kernel]   0xffffffff800c45a5 : grab_cache_page_write_begin+0x2c/0x89 [kernel]   0x00000ffffffff800

• 被block的频率：

帮助

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

searcher_server:21010=>io_schedule 3 searcher_server:21003=>io_schedule 1 Fri Jul  6 07:14:39 2012 running... searcher_server:21010=>io_schedule 7 Fri Jul  6 07:14:40 2012 running... searcher_server:21008=>io_schedule 1 Fri Jul  6 07:14:41 2012 running... Fri Jul  6 07:14:42 2012 running... searcher_server:21004=>io_schedule 1 Fri Jul  6 07:14:43 2012 running... searcher_server:21014=>io_schedule 11 searcher_server:21015=>io_schedule 1 searcher_server:21008=>io_schedule 1 Fri Jul  6 07:14:44 2012 running... Fri Jul  6 07:14:45 2012 running... Fri Jul  6 07:14:46 2012 running... searcher_server:21003=>io_schedule 2 Fri Jul  6 07:14:47 2012 running... Fri Jul  6 07:14:48 2012 running... Fri Jul  6 07:14:49 2012 running...

• 小结：

当带page cahce进行dd时，很容易就能达到10%的background dirty ratio和40%的dirty ratio，达到40%的时候buffered write就变成了sync write。经stap trace发现每次blk_congestion_wait都要耗时100ms左右，也就是说一个线程要被block 100ms，很致命。

为了减少io的影响，我们把log给禁掉
再做一次实验

• Searcher表现：

Cpu busy & iowait

Latency：

把写log关掉之后竟然还有iowait，是谁造成的呢？

• Searcher被block时的堆栈:

帮助

1 2 3 4 5 6 7 8

trace time :Fri Jul  6 02:08:28 2012   0xffffffff8006377c : io_schedule+0x1/0x67 [kernel]   0xffffffff80028936 : sync_page+0x3e/0x43 [kernel]   0xffffffff800638fe : __wait_on_bit_lock+0x36/0x66 [kernel]   0xffffffff8003fbad : __lock_page+0x5e/0x64 [kernel]   0xffffffff80013881 : filemap_nopage+0x268/0x360 [kernel]   0xffffffff8000898c : __handle_mm_fault+0x1fa/0xf99 [kernel]   0x00000ffffffff800

我们的内存都被mlock了，竟然还有sync page，为啥呢？
用blktrace和debugfs追了一下，发现竟然是一个算法数据的问题
/path/of/data
原来是这个文件的数据被dd给刷出去了，导致还要重新read到内存
然后写了个程序把这个数据也lock到内存中
./lock /path/of/data

Lock数据再重新跑dd with page cache

• Searcher 表现：

Cpu busy & iowait：

Latency：

可以看到，iowait水平又降低了不少，那么此时此刻，谁还在制造iowait呢？

• Searcher被block时的堆栈：

帮助

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

trace time :Fri Jul  6 03:45:04 2012   0xffffffff800631bb : io_schedule_timeout+0x1/0x79 [kernel]   0xffffffff8003b426 : blk_congestion_wait+0x67/0x81 [kernel]   0xffffffff800ca438 : try_to_free_pages+0x252/0x2d7 [kernel]   0xffffffff8000f40d : __alloc_pages+0x1cb/0x2ce [kernel]   0xffffffff80008e62 : __handle_mm_fault+0x6d0/0xf99 [kernel]   0xffffffff80066b25 : do_page_fault+0x4cb/0x830 [kernel]   trace time :Fri Jul  6 03:45:04 2012   0xffffffff800631bb : io_schedule_timeout+0x1/0x79 [kernel]   0xffffffff8003b426 : blk_congestion_wait+0x67/0x81 [kernel]   0xffffffff800ca438 : try_to_free_pages+0x252/0x2d7 [kernel]   0xffffffff8000f40d : __alloc_pages+0x1cb/0x2ce [kernel]   0xffffffff8002600b : tcp_sendmsg+0x567/0xb0e [kernel]   0xffffffff80037c60 : do_sock_write+0xc6/0x102 [kernel]

原来是内存很少了，导致申请内存时要走到try_to_free_pages（平时极少走到），走到这一步说明系统内存已经少的可怜。但是没办法，谁让searcher还要去malloc呢，这些malloc来自两部分：1，mempool申请的内存，其实这个是完全可以抹掉的 2，算法so中STL部分用到的内存。

• 小结：

关掉log，将数据都lock在内存中，降低了iowait的水平，但是要让searcher不受影响，还要做更多的工作，比如不申请内存。

如何消除searcher（或应用系统）的iowait？
1， 没有io
不写log，或者把写log的事情交给一个专门线程来做，searcher不做buffered write；不做disk read，尤其是sync page这类操作。
2， 全内存且不申请内存
用到的数据read once，全内存且lock住；把mempool做到完美，起码做到99%的case不做内存申请。
3， 尽量减少其他应用的io影响
其实就是能将dd的负面影响降到最少，如用cgroup；在scp多个大文件的时候，在传输过程中及时清理每个大文件的page cache，将系统的dirty ratio维持在10%以下，尤其是不能达到40%。

工具连接：
Systemtap
Blktrace+Blkparse+Debugfs 结合使用，会找到每次io对应的磁盘块所属inode，还可以查看块内容