当系统性能变低时（俗称卡顿），我们可以从平均负载入手，找到引发根源，然后解决。

什么是平均负载？

单位时间内，系统中处于可运行状态和不可中断状态的平均进程数。

对上述状态释义如下：

• 可运行状态进程：正在使用 CPU 、或是正在等待 CPU 的进程。用命令 ps 看到 STAT 为 R （Running，Runable）。
• 不可中断状态进程：不可以被中断的进程，如等待硬件设备的I/O响应。用命令 ps 看到 STAT 为 D（Uninterruptible Sleep，也叫 Disk Sleep）。
  

如何查看平均负载？

可用命令 uptime ：

Guan@Orchard:~$ uptime
 22:11:31 up 222 days, 23:10,  1 user,  load average: 0.00, 0.04, 0.01

可以看到 load average 后面有三个数值，分别表示前 1 分钟，前 5 分钟和前 15 分钟的平均负载。

如果假设当前平均负载为 2 ，则意味着：

• 在只有 2 个 CPU 的系统上，所有 CPU 刚好沾满；
• 在只有 1 个 CPU 的系统上，有一半的进程竞争不到 CPU；
• 在有 4 个 CPU 的系统上，CPU 有 50% 的空闲。

这里建议：当平均负载高于 CPU 数量的 70% 时，应该开始分析排查负载高的问题。

查看系统 CPU 数量的方法：grep "model name" /proc/cpuinfo | wc -l 。

平均负载!=CPU使用率

当我们发现电脑卡顿，一般会马上去看 CPU 使用率，通常 top 命令，或者 htop 。事实上，我们还可以看平均负载，因为过高的负载也会造成机器性能下降。需要说明的是：$平均负载 != CPU 使用率$。

CPU 使用率是指：单位时间内 CPU 繁忙情况的统计。而平均负载不但包括正在使用 CPU 的进程，还包括等待 CPU 的进程，以及等待 I/O 的进程。

二者关系可分三种情况讨论：

• CPU密集型进程：使用大量 CPU 会导致平均负载升高，此时二者一致；
• I/O密集型进程：等待 I/O 也会导致平均负载升高，但 CPU 使用率不一定很高；
• 大量进程：大量等待 CPU 的进程调度会导致平均负载升高，此时 CPU 使用率也会比较高。

Python 实验

以下用 Python 程序模拟 CPU 密集，I/O 密集，大量进程等待调度三种情况。都基于腾讯的学生优惠套餐服务器，也就是 1 核 2G 那种。

第一种情况：CPU 密集

# CPU 密集型
def test_func():
    # 死循环，自增 1
    x = 0
    while True:
        x += 1

test_func()

跑上段代码前，可以先使用 top ，方便观察 CPU 使用率； watch -d uptime 方便观察平均负载的变化。

在我的服务器上，CPU 很快飙到 99%+ ，一段时间后平均负载也上升到了 1.00+ 。

# top 命令
%Cpu(s): 99.7 us,  0.3 sy,  0.0 ni,  0.0 id,  0.0 wa,  0.0 hi,  0.0 si,  0.0 st

# uptime 命令
23:16:25 up 223 days, 15 min,  4 users,  load average: 1.05, 0.91, 0.61

即：使用大量 CPU 会导致平均负载升高，正确。

第二种情况：I/O 密集

# I/O密集型
import os
import time
import random
from threading import Thread

def test_func():
    while True:
        filename = ".{}-{}".format(int(time.time()), random.randrange(10000))
        with open(filename, "w+") as f:
            f.write("*" * 1000)
            f.flush()
            print(f.read())

for __ in range(50):
    t = Thread(target=test_func)
    t.start()
else:
    t.join()

为使效果明显，我开了很多线程，并且都在以“死循环”的方式的做I/O操作。此时在我的服务器上，CPU 使用率只是略有升高，而平均负载飙到了 39+ 。

# I/O 密集
%Cpu(s):  3.6 us, 13.1 sy,  0.0 ni,  0.0 id, 83.2 wa,  0.0 hi,  0.0 si,  0.0 st

# uptime 命令
23:45:41 up 223 days, 44 min,  4 users,  load average: 39.26, 14.98, 6.30

即：等待 I/O 也会导致平均负载升高，但 CPU 使用率不一定很高，正确。

第三种情况：大量进程

# 大量进程
import time
from multiprocessing import Process

def test_func():
    while True:
        x = 0
        x += 1

for __ in range(50):
    p = Process(target=test_func)
    p.start()
else:
    p.join()

此次也开启了 50 个进程，通过 top 可以看到，尽管每个 python 带起来的进程只占用很少的 CPU ，这里清一色是 2.2% 。最后结果是 CPU 上升至 100% ，前1 分钟的平均负载达到了 49+ 。

# uptime 命令
00:04:24 up 223 days,  1:03,  4 users,  load average: 49.71, 28.25, 13.58

即：大量等待 CPU 的进程调度会导致平均负载、CPU 使用率升高，正确。

感谢

• 参考极客时间《Linux性能优化实战》到底应该怎么理解“平均负载”？

倪朋飞老师建议用 pidstat 和 mpstat 作为性能分析工具，但因我的环境问题，暂时没装上，但 top 和 uptime 也够看个大概了。