top命令输出解释以及load average 详解及排查思路

昨天nagios报警warning，没来得及留下报警截图，nagios值设定的值是

当1分钟多于15个进程等待,5分钟多于10个,15分钟多于5个则为warning状态

当1分钟多于30个进程等待,5分钟多于25个,15分钟多于20个则为critical状态

----------------------------------------------------------------------------------------------------------------------------------------------------------------------------

MySQL主服务器load average 骤增

虽然没来得及排查出来最后又下去了，但是在增长的时候没有最后落实这个错误，着实很难过，在网上看许多资料，大部分都是一样的解释，转载的，抄袭的，心中也是错乱，最终就是一个问题在困扰，这三个数值，是本身内核计算完CPU单核的值，还是未除以CPU核数之前的值，这个问题在许多论坛和博文里，有不同的说法，但是大部分还是倾向于是除完的，实在无解，半夜求解同学胖伟，骚伟已翻墙，跑到国外技术网站，给了我这么一段话。

我蹩脚的翻译过来（不对的地方请多指正）

在多处理器系统上

负载相对于可用的处理器内核的数量是相对的

“100%利用”标志负载为1，只是标志在一个单一的核心系统

2标志是在双核，4是标志在四核等
因此，有一个 14 load average值和 24个 内核的负载平均，你的服务器是远离超载的

（一天的心结·······释然）

----------------------------------------------------------------------------------------------------------------------------------------------------------------------------

以下是从不同地方摄取精华并重新整理已方便自己以后查阅

load average  

以下命令均可获取load average系统平均负载

]# top

]# uptime

]# w 

]# cat /proc/loadavg

/proc文件系统是一个虚拟的文件系统，不占用磁盘空间，它反映了当前操作系统在内存中的运行情况，查看/proc下的文件可以了解到系统的运行状态。查看系统平均负载使用“cat /proc/loadavg”命令，输出结果如下

前三个数字是1、5、15分钟内的平均进程数。后面的 1/331 一个的分子是正在运行的进程数，分母是进程总数；另一个是最近运行的进程ID号。

top获取：

系统平均负载被定义为：在特定时间间隔内运行队列中(在CPU上运行或者等待运行多少进程)的平均进
程数。

  如果一个进程满足以下条件则其就会位于运行队列中：

上图椭圆部分3个数值分别表示系统在过去1分钟、5分钟、15分钟内运行进程队列中的平均进程数量。
运行队列嘛，没有等待IO，没有WAIT，没有KILL的进程通通都进这个队列。
　　- 它没有在等待I/O操作的结果
　　- 它没有主动进入等待状态(也就是没有调用'wait')
　　- 没有被停止(例如：等待终止)

  我们可以这样认为，就是   正在运行的进程 + 准备好等待运行的进程   在特定时间内（1分钟，5分钟，10分钟）的平均进程数 

但是具体平均时候分母的值是按秒还是什么单位运算的？我也搞不清楚，大概就是这样算出来的值，不影响对系统初步性能瓶颈判断，此处先略过

在Linux中，进程分为三种状态，      一种是阻塞的进程blocked process，

                 一种是可运行的进程runnable process，     

      另外就是正在运行的进程running process。当进程阻塞时，进程会等待I/O设备的数据或者系统调用。

进程可运行状态时，它处在一个运行队列run queue中，与其他可运行进程争夺CPU时间。 系统的load是指正在运行running one和准备好运行runnable one的进程的总数。比如现在系统有2个正在运行的进程，3个可运行进程，那么系统的load就是5，load average就是一定时间内的load数量均值

----------------------------------------------------------------------------------------------------------------------------------------------------------------------------

看到一篇文章小汽车的举例说的很不错，但是更深层次的我觉得有个打电话的写的更加详细，现以小汽车举例

为了更好地理解系统负载，我们用交通流量来做类比。

单核CPU可以想象成单车道

比如每个圆圈都是小汽车，第一种是满负荷但CPU时间片不用排队等待正好够用，第二种是%50空闲，第三个是超负荷50%，后面的就有队列等待了

  1.单核CPU， 数字在0.00-1.00之间正常
0.00-1.00        之间的数字表示此时路况非常良好，没有拥堵，车辆可以毫无阻碍地通过。
1.00  表示道路还算正常，但有可能会恶化并造成拥堵。此时系统已经没有多余的资源了，管理员需要进行优化。
1.00以上 表示路况不太好了，如果到达2.00表示有桥上车辆一倍数目的车辆正在等待。这种情况你必须进行检查了。

2.多核CPU - 多车道      数字/CPU核数 在0.00-1.00之间正常

  用双核举例，双核的负载已经比单核提高一倍了，那多核的也是同理。

多核CPU的话，满负荷状态的数字为 "1.00 * CPU核数"，即双核CPU为2.00，四核CPU为4.00。
3、安全的系统平均负载
这里没有完全的定论，一般来讲70%左右的负载也就是0.7左右应该是没问题的，要根据实际生产环境中实际需求来进行浮动设定
4、应该看哪一个