优质博文：IT-BLOG-CN
一、CPU 使用率
CPU使用率是 CPU处理非空闲任务所花费的时间百分比 。例如单核CPU 1s内非空闲态运行时间为0.8s，那么它的CPU使用率就是80%；双核CPU 1s内非空闲态运行时间分别为0.4s和0.6s，那么，总体CPU使用率就是(0.4s + 0.6s) / (1s * 2) = 50%，其中2表示CPU核数，多核CPU同理。CPU使用率只能在指定的时间间隔内测量。我们可以通过将空闲时间的百分比从100中减去来确定CPU使用率。
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。
使用率这个要结合时间片来说，从上图的演变可以看出影响使用率高低的因素不是load的多少，而是在分配给某个进程时间片时，这个进程是否使用了CPU的计算能力。在第四分钟时候，分配给蓝人1分钟，但是它什么也没干，这1分钟内电话是闲置的没有被使用，所以这一分钟内的电话使用率就是0%。但是load是3。
当然这里就存在一个统计周期的问题，上图我们的统计周期是1分钟，而分配给每个人的最小时间单位也是1分钟。从计算机角度来说，单核心CPU，假设1秒钟分为100个时间片，如果2个任务，第一个任务用了5个时间片执行完成，另外一个任务用了15个时间片执行完成，所以如果统计周期是1秒，那么这1秒内的CPU使用率就是20%。CPU利用率高不一定负载高，CPU利用率是一段时间内CPU被占用的情况。
二、CPU Load
CPU负载定义为在单个时间点使用或等待使用一个内核的进程数。在单核系统，我们的CPU平均负载始终低于0.7。这表明每个需要使用CPU的进程都可以立即使用它，而无需等待。如果CPU平均负载大于1，则表示有进程需要使用CPU，但由于CPU不可用，目前无法使用。在多处理器系统中高于1的平均负载不会成为问题，因为有更多内核可用。
上图的电话亭可以理解为一个CPU核心。从上图的过程中可以看到load的概念，而使用率始终100%。
理想的CPU load是多少：这个跟你的CPU核心数量有关，理想情况下一个核心被一个进程占用，如果你是4个核心，那么跑4个进程，此时Load是4但是也不高，如果你只有2个核心，依然跑4个进程，这就意味着有一半进程在某一个时刻抢不到CPU，这时候Load还是4，如果是短期状态还无所谓，如果长期是这个状态你就要注意了。
一般来说只要每个CPU的当前活动进程数不大于3那么系统的性能就是良好的，如果每个CPU的任务数大于5，那么就表示这台机器的性能有严重问题。
三、CPU 使用率和负载常用命令
top命令查看CPU使用率
通常，top命令通常用于显示系统上的活动进程以及这些进程消耗了多少资源。不过，我们可以使用这个命令来测量CPU的状态：
[root@localhost ~]# top
top - 07:08:31 up 2:41, 1 user, load average: 1.09, 1.11, 1.30
Tasks: 322 total, 2 running, 320 sleeping, 0 stopped, 0 zombie
%Cpu(s): 10.0 us, 15.0 sy, 0.0 ni, 97.8 id, 0.0 wa, 5.0 hi, 0.0 si, 0.0 st
MiB Mem : 3709.4 total, 1483.1 free, 1402.0 used, 824.4 buff/cache
MiB Swap: 2048.0 total, 2048.0 free, 0.0服务器托管网 used. 2053.4 avail Mem
参数说明：
【1】us(user)：表示CPU在用户态运行的时间百分比，通常用户态CPU高表示有应用程序比较繁忙。典型的用户态程序包括：数据库、Web服务器等；
【2】sy(sys)：表示CPU在内核态运行的时间百分比（不包括中断），通常内核态CPU越低越好，否则表示系统存在某些瓶颈；
【3】ni(nice)：表示用nice修正进程优先级的用户态进程执行的CPU时间。nice是一个进程优先级的修正值，如果进程通过它修改了优先级，则会单独统计CPU开销；
【4】id(idle)：表示CPU处于空闲态的时间占比，此时，CPU会执行一个特定的虚拟进程，名为System Idle Process空闲时间；
【5】wa(iowait)：表示CPU在等待I/O操作完成所花费的时间，通常该指标越低越好，否则表示I/O存在瓶颈，可以用iostat等命令做进一步分析；
【6】hi(hardirq)：表示CPU处理硬中断所花费的时间。硬中断是由外设硬件（如键盘控制器、硬件传感器等）发出的，需要有中断控制器参与，特点是快速执行；
【7】si(softirq)：表示CPU处理软中断所花费的时间。软中断是由软件程序（如网络收发、定时调度等）发出的中断信号服务器托管网，特点是延迟执行；
【8】st(steal)：表示CPU被其他虚拟机占用的时间，仅出现在多虚拟机场景。如果该指标过高，可以检查下宿主机或其他虚拟机是否异常；
【9】load average：表示CPU的平均负载，这3个数字分别表示1分钟、5分钟、15分钟内系统的平均负载。该值越小，表示系统工作量越少，负荷越低；反之负荷越高；
平均负载Load Average：指单位时间内，系统处于可运行状态（Running / Runnable）和不可中断态的平均进程数，也就是平均活跃进程数。
可运行态进程包括正在使用CPU或者等待CPU的进程；不可中断态进程是指处于内核态关键流程中的进程，并且该流程不可被打断。比如当进程向磁盘写数据时，如果被打断，就可能出现磁盘数据与进程数据不一致。不可中断态，本质上是系统对进程和硬件设备的一种保护机制。
理想情况下，每个CPU应该满负荷工作，并且没有等待进程，此时，平均负载 = CPU逻辑核数。但是，在实际生产系统中，不建议系统满负荷运行。通用的经验法则是：平均负载 = 0.7 * CPU逻辑核数。
1、当平均负载持续大于0.7 * CPU逻辑核数，就需要开始调查原因，防止系统恶化；
2、当平均负载持续大于1.0 * CPU逻辑核数，必须寻找解决办法，降低平均负载；
3、当平均负载持续大于5.0 * CPU逻辑核数，表明系统已出现严重问题，长时间未响应，或者接近死机。
除了关注平均负载值本身，也应关注平均负载的变化趋势，这包含两层含义。一是load1、load5、load15之间的变化趋势；二是历史的变化趋势。
1、当load1、load5、load15三个值非常接近，表明短期内系统负载比较平稳。此时，应该将其与昨天或上周同时段的历史负载进行比对，观察是否有显著上升。
2、当load1远小于load5或load15时，表明系统最近1分钟的负载在降低，而过去5分钟或15分钟的平均负载却很高。
3、当load1远大于load5或load15时，表明系统负载在急剧升高，如果不是临时性抖动，而是持续升高，特别是当load5都已超过0.7 * CPU逻辑核数时，应调查原因，降低系统负载。
如果1个CPU的系统平均负载=1.7：如果CPU每分钟最多处理100个进程，意味着除了CPU正在处理的100个进程以外，还有70个进程正排队等着CPU处理。2个CPU表明系统负荷可以达到2.0。
此外，需要注意的是，top命令显示了单个内核的CPU百分比。在多处理器系统中，CPU百分比可能超过100%。例如，如果4个核心为75%，top命令将显示CPU为300%。由于CPU有多种非空闲态，因此，CPU使用率计算公式可以总结为：CPU使用率 = (1 – 空闲态运行时间/总运行时间) * 100%。根据经验法则， 建议生产系统的CPU总使用率不要超过70%。
我们需要获取空闲时间的值，以便我们可以从100中减去它来获得使用情况：
[root@localhost ~]# top -bn2 | grep '%Cpu' | tail -1 | grep -P '(....|...) id,'|awk '{print "CPU Usage: " 100-$8 "%"}'
CPU Usage: 2.2%
-n选项是top命令在结束前应该使用的迭代次数。我们避免使用第一个循环，因为我们检索的指标将是自启动以来的值。因此，我们进行了第二次迭代。或者，在多处理器系统中，我们必须将给定的id值除以内核数，然后从100中减去该值。例如，如果我们在四核系统上运行，并且id值为304%，我们将CPU使用率计算为：
CPU 使用率 % = 100 – (304/4)
[root@localhost ~]# top -bn2 | grep '%Cpu' | tail -1 | grep -P '(....|...) id,'|awk '{print "CPU Usage: " 100-($8/4) "%"}'
vmstat命令查看CPU的使用率
[root@localhost ~]# vmstat 3 4
procs -----------memory---------- ---swap-- -----io---- -system-- ------cpu-----
r b swpd free buff cache si so bi bo in cs us sy id wa st
4 0 0 1347080 6120 941464 0 0 68 11 72 137 1 2 97 0 0
1 0 0 1347080 6120 941464 0 0 0 0 84 157 1 2 97 0 0
1 0 0 1347080 6120 941464 0 0 0 0 59 107 1 1 98 0 0
1 0 0 1347080 6120 941464 0 0 0 1 59 104 1 1 98 0 0
id列是我们感兴趣的。延迟一秒，我们使用vmstat计算CPU使用率：
[root@localhost ~]# echo "CPU Usage: "$[100-$(vmstat 1 2|tail -1|awk '{print $15}')]"%"
CPU Usage: 2%
没有提供任何参数的vmstat命令将给出自引导以来的CPU时间。这不会提供准确的CPU使用百分比。因此，参数只能是1和2，我们采用一秒钟后计算的指标：
vmstat 1 2
/proc/stat命令查看CPU使用率
CPU活动也可以从/proc/stat文件中提取。该文件包含自启动以来有关系统的各种指标：
[root@localhost ~]# cat /proc/stat
cpu 3020 28 1863 22404 35 432 47 0 0 0
cpu0 3020 28 1863 22404 35 432 47 0 0 0
intr 96468 28 100 0 0 0 0 0 0 1 0 0 0 1263 0 0 0 3696 0 153 928 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 207 0 41 14600 0 0 0 0 0 0 0 0 0 0 0 0 0 0 343 97 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
ctxt 340950
btime 1628404433
processes 3276
procs_running 2
procs_blocked 0
softirq 112867 1 16857 56 269 510 0 261 0 0 94913
第一行，cpu是系统所有核心指标的聚合。在具有4个内核的系统上，将有4条cpu线——cpu0、cpu1、cpu2和cpu3。cpu行中的列表示处理不同任务所花费的时间：
【1】user在用户模式下花费的时间；
【2】nice在用户模式下处理 nice 进程所花费的时间；
【3】system执行内核代码所花费的时间；
【4】idl空闲时间；
【5】iowait等待I/O所花费的时间；
【6】irq服务中断所花费的时间；
【7】softirq服务软件中断所花费的时间；
【8】steal从虚拟机中窃取的时间；
【9】guest为来宾操作系统运行虚拟CPU所花费的时间；
【10】guest_nice为“不错的”客户操作系统运行虚拟CPU所花费的时间；
我们将使用这些指标来计算平均空闲百分比。随后，我们将使用计算值来计算CPU使用率。需要注意的是，较旧的Linux发行版不计算窃取、来宾或来宾_nice指标。如果我们使用的是旧系统，我们会在计算中忽略这些指标：
平均空闲时间 (%) = (idle * 100) / (user + nice + system + idle + iowait + irq + softirq +steal + guest + guest_nice)
cat /proc/stat |grep cpu |tail -1|awk '{print ($5*100)/($2+$3+$4+$5+$6+$7+$8+$9+$10)}'|awk '{print "CPU Usage: " 100-$1}'
CPU Usage: 2.4219
由于我们正在开发单核系统，因此cpu行将与cpu1相同。因此，tail -1的使用是 只检索其中一行。然而，我们会在多处理器系统上使用cpu行，因为它是所有内核上的指标的集合。
uptime查看平均负载
uptime命令为我们提供了以1、5和15分钟为间隔的平均负载视图：
[root@localhost ~]# uptime
12:40:05 up 2:29, 1 user, load average: 0.37, 0.08, 0.03
如果不知道系统的核心数，就无法解释平均负载：
[root@localhost ~]# cat /proc/cpuinfo |grep core
core id : 0
cpu cores : 2
四、总结
CPU利用率低负载高： 说明等待执行的任务很多，但是通常任务多CPU使用率也会比较高，如果低就说明CPU根本没工作，那些很多的任务处于等待状态，可能进程僵死了。
CPU利用率高负载低： 说明任务少，但是任务执行时间长，有可能是程序本身有问题，如果没有问题那么计算完成后则利用率会下降。
CPU 使用率与平均负载的关系： CPU使用率是单位时间内CPU繁忙程度的统计。平均负载不仅包括正在使用CPU的进程，还包括等待CPU或I/O的进程。因此，两者不能等同，有两种常见的场景如下所述：
【1】CPU密集型应用，大量进程在等待或使用CPU，此时CPU使用率与平均负载呈正相关状态。
【2】I/O密集型应用，大量进程在等待I/O，此时平均负载会升高，但CPU使用率不一定很高。
生产CPU使用率低而平均负载高的场景： 等待磁盘I/O完成的进程过多，队列长度大，导致负载高，但此时CPU被分配执行别的任务或空闲，具体如：
【1】磁盘读写请求过多导致大量I/O等待： CPU的工作效率要高于磁盘，而进程在CPU上面运行需要访问磁盘文件，这个时候CPU会向内核发起调用文件的请求，让内核去磁盘取文件，这个时候会切换到其他进程或者空闲，这个任务就会转换为不可中断睡眠状态。当这种读写请求过多就会导致不可中断睡眠状态的进程过多，从而导致负载高，CPU低的情况。
【2】数据库抖动： 造成线程队列hang住，负载升高。
【3】外接硬盘故障： 常见有挂了NFS，但是NFS server故障了。比如系统挂载了外接硬盘如NFS共享存储，经常会有大量的读写请求去访问NFS存储的文件，如果这个时候NFS Server故障，那么就会导致进程读写请求一直获取不到资源，从而进程一直是不可中断状态，造成负载很高。
Reference：
CPU load 过高问题排查
CPU 如何正确理解 CPU 使用率和平均负载的关系？
服务器托管，北京服务器托管，服务器租用 http://www.fwqtg.net
