上善若水 2024-09-22 08:01 广东
Linux 上的问题排查是后台开发的家常便饭，但如何尽快缩小问题范围和定位问题根源呢？
在实际开发中，有时候会收到一些服务的监控报警，比如CPU飙高，内存飙高等，这个时候，我们会登录到服务器上进行排查。本篇博客将涵盖这方面的知识：Linux性能工具。
一次线上问题排查模拟
背景：服务在平稳运行一段时间后，CPU突然飙高。通过top命令，可以确认下，到底是哪个进程导致CPU飙高了（也许是误报呢？）。
top
从上面可以看到图中PID是2816的进程，CPU使用率非常高。使用top -Hp 2816来对该进程下的线程进行观察。图中可以发现，2825这个线程CPU非常高。
查看进程下的线程信息
这里利用Python非常方便的把十进制的线程ID转化成了16进制。
进制转换
为什么要这么做呢？因为在接下来的线程DUMP文件中使用的就是16进制的NID。
线程DUMP文件
在实际中，我们应该利用jstack pid多DUMP几次，因为线程存在状态转换，因此多次DUMP有利于抓取到线程更多的信息。图中，你可以观察到，一个线程得到了锁，在运行，迟迟没有释放，而另一个线程一直在等待这个锁。至此，就可以到去查看代码去分析为什么锁迟迟不释放的原因了。
线程状态转换
性能监测工具top详解
上文的案例中，就使用到了top，而在实际中，top的信息量是很大的，这里详细分析下。
top
第一行：涉及到2个时间，一个是系统时间，一个是机器运行的时间。【我们应该重点关注的是机器运行的时间，Why? 有时候，重启机器能带来很多问题，你懂的！】
多少用户登录了系统？【通过who/w/history可以查到更多信息】
3个load值是什么含义？分别代表的是1MIN,5MIN,15MIN机器的负载情况，如何确定负载的大小呢？需要和CPU的核数相结合来看，比如该机器是4核CPU，那么如果load值超过了4，就意味着负载很大了！【在top下按下1可以观察出CPU的个数】，关于系统负载，具体可以阅读前面文章Linux中load average意义（请戳我）。
第二行：主要是总共有多少个任务，重点应该关注的是僵尸状态的任务数。
第三行：主要是CPU的一些信息。
US/SY：说的就是用户进程和系统进程使用CPU的占比。
NI：即NICE，表示被调整过线程优先级的进程占比，这个比例正常不应该很大。
ID：表示空闲；WA表示资源等待的时间，比如在瞬时大流量下，服务打了很多日志的话，那么这个值就会飙高，因为这会很消耗资源的。
HI：硬中断，一般就是外设引起的，如果HI飙高的话，那么意味着外设在硬件层面出现了问题。SI表示软中断。
ST：即steel，如果该主机是虚拟的话会有这个ST信息，也即是该虚拟机从宿主机获取CPU的时间片的百分占比。
用户空间和系统空间
第四、五行：这里主要说2个概念性的东西：buffer 和 cache。
buffer主要是什么呢？应该是待处理的数据，主要是处理2个系统之间速度不匹配的问题。而cache，一般应该是结果数据的缓存，比如从DB加载一些信息供查询用。
SWAP分区，就是想利用硬盘的做一部分缓存，如果SWAP交换非常频繁的话，就是说内存不够用！
列表说明：PID 进程ID、USER 用户、PR 优先级、VIRT 虚拟内存、RES 驻留内存、SHR 共享内存
这里需要指出的是，RES表示的是该进程实际占用的内存，而并不是申请的内存大小。也就是说当前进程所占用的内存物理大小是 RES-SHR。
作者丨 上善若水
来源丨公众号：码农有道（ID：b497155298）
dbaplus社群欢迎广大技术人员投稿，投稿邮箱：editor@dbaplus.cn
