Linux服务器CPU的一些主要指标说明-阿里云开发者社区

CPU的主要指标：

CPU Utilization

CPU 使用率，CPU的使用时间百分比，75%以上就比较高了。

在任意时间内,CPU有7个状态:
1.idle,表示CPU闲置并等待工作分配.
2.user,表示CPU在运行用户的进程
3.system,表示CPU在执行kernel工作
4.nice,表示CPU花费在被nice改变过优先级的process上的时间(注意:被nice命令改变优先级的process仅指那些nice值为负的process.花费在被nice命令改变优先级的任务上的时间也将被计算在系统和用户时间内,因此整个时间加起来可能会超过百分之百)
5.iowait,表示CPU等待IO操作完成的时间
6.irq,表示CPU开销在响应硬中断上的时间
7.softirq,表示CPU开销在响应软中断上的时间.
我们一般用vmstat看到的都是四个状态:sy,us,id,wa,通过他和load avg结合，基本可以知道cpu的状态

大部分的性能工具用百分比表示CPU时间.当system时间占用很高的时候,你可以用"oprofile"工具发现时间都花费在哪里.当iowait很高的时候,你需要分析你的IO设备,比如磁盘,网卡.

Average load

平均负载，上一分钟同时处于“就绪”状态的平均进程数。

Load这个东西怎么理解呢，就像一条马路，有N个车道，如果N个进程进入车道，那么正好一人一个，再多一辆车就占不到车道，要等有一个车空出车道。
在CPU中可以理解为CPU可以并行处理的任务数，那么就是“CPU个数 * 核数”，如果CPU Load = CPU个数 * 核数那么就是说CPU正好满负载，再多一点，可能就要出问题了，有任务不能被及时分配处理器，那么保证性能的话，最好是小于CPU个数 * 核数 *0.7。

Load Average是 CPU的 Load，它所包含的信息是在一段时间内 CPU正在处理以及等待 CPU处理的进程数之和的统计信息，也就是 CPU使用队列的长度的统计信息。

Load Average 的值应该小于“CPU个数 * 核数 *0.7 ” ，否则就高了。

比如：
1个1核CPU，Load Average 1个4核的CPU，Load Average必须查看cpu的信息：grep 'model name' /proc/cpuinfo

使用 vmstat 看到的数据中也有这个数据，vmstat 查看r（Load Average）。

另外，top命令应该是把每个核的CPU占用率加起来，算一个和，于是多核情况下会top命令会计算出超过100%。

在linux中,process有两种状态:
1.runnable
2.blocked waiting for an event to complete
一个blocked状态的process可能在等待一个I/O操作获取的数据，或者是一个系统调用的结果。
如果一个process在runnable状态，这就意味着它将同其他runnable状态的process等待CPU时间，而不是立即获得CPU时间，一个runnable状态的process不需要消耗CPU时间，只有当Linux调度进程从runnable队列中选择哪个process下次执行。
当 process在runnable状态，当时等待CPU时间时，他们形成的等待队列称作Run Queue.Run Queue越大，表示等待的队列越长。
性能工具通常显示runnable processes的数目和blocked processes的数目。
还有一个很常见的系统状态是load average，系统的load是指running和runnable process的总和。
例如:如果有两个processes在running和有三个在等待运行(runnable)，那么系统的load为五。
load average是指在指定时间内load的平均值。一般load average显示的三个数字的时间分别为1分钟,五分钟和十五分钟。

Interrupt rate

每秒内的设备中断数。CPU接收硬件驱动发出的中断请求数。

这种中断通常是下面请看被触发：

当一个驱动器有一个时间需要被kernel操作时。例如：如果一个磁盘控制器从磁盘上取得了一个数据块，kernel需要读取使用这个块，那么磁盘控制器会触发一个中断；
kernel接收每个中断,一个中断处理器运行如果这个中断被注册，否则，这个中断被忽略。
在系统中，中断处理器的优先级非常高，而且执行速度非常快。
很多时候，有些中断处理并不需要很高的处理优先级，所以也有soft- interrupt handler。

如果有很多的中断，kernel需要花费大量的时间去处理中断。

可以检查/proc/interrupts能够知道中断发生在哪个CPU 上.

Interrupt Rate中包括内核由于进程的时间片中断。
在 Linux 2.6 中，系统时钟每 1 毫秒中断一次时钟频率，用 HZ 单位表示（即每秒中断 1000 次）。
系统不一样，内核不一样的配置100、250的都有。

内核的时钟频率可以通过如下命令知道：

cat /boot/config-`uname -r` | grep '^CONFIG_HZ='

CONFIG_HZ=100

每秒总的时钟中断数就是 = cpu个数 * 核数 * CONFIG_HZ

cat /proc/interrupts 可以查看中断的类型以及次数

          CPU0       CPU1       CPU2       CPU3
LOC:   97574747   52361843 105207680   69447653   Local timer interrupts
RES:     107368     257510      98635     186294   Rescheduling interrupts
CAL:      14174      14206      14164        194   function call interrupts
TLB:    1007949     853117     992546     591410   TLB shootdowns

用vmstat查看的 in（Interrupt）就是这个参数

Context Switch Rate

大部分现在的CPU在同一时间只能运行一个process。
虽然也有一些CPU，例如超线程技术的CPU，能实现同时运行超过一个process。linux把这种CPU看作多个单线程CPU。
linux内核不断的在不同process间切换，造成一个错觉，让人感觉一个单CPU同时处理多个任务。
不同process之间的切换称作 Context Switch。
当系统做Context Switch时，CPU保存所有old process的context信息并获得new process的所有context信息。
Context信息包括大量的linux追踪每个process信息，尤其是一些资源：
那些process正在执行，被分配了哪些内存，它打开了那些文件，等等。
切换Context会触发大量的信息移动，这是比较高的开销。
如果可能的话尽量保持很小的 context switches。

为了尽可能的减小context switches，你首先需要知道它们是怎么产生的。
首先，kernel调度触发context switches。为了保证每个process平等的共享CPU时间，kernel周期性中断running的process，如果合适，
kernel调度器会开始一个其他的process而不是让当前的process继续执行，每次的周期性中断或者定时中断都可能触发context switch。
每秒定时中断的次数因不同架构和不同的kernel版本而不同。
获取每秒中断次数的一个简单办法是通过监控 /proc/interrupts文件,看下面的例子:
root@localhost asm-i386]# cat /proc/interrupts | grep timer; sleep 10 ; cat /proc/interrupts | grep timer
0: 24060043 XT-PIC timer
0: 24070093 XT-PIC timer
上面可以看到在指定的时间内timer次数的变化，每秒产生的中断次数为1000次。
如果你的context switch比timer中断大很多。那么context switch更多的可能是I/O请求或者其他长时间的系统调用(比如sleep)产生。
当一个应用请求一个操作不能立即实现时，kernel开始 context switch操作:
存入请求的process并且试着切换到其他runnable process。这将使得CPU保持工作状态.

Context Switch大体上由两个部分组成：
中断和进程(包括线程)切换，一次中断（Interrupt）会引起一次切换，进程（线程）的创建、激活之类的也会引起一次切换。
Context Switch 的值也和TPS（Transaction Per Second）相关的，假设每次调用会引起N次CS，那么就可以得出

Context Switch Rate = Interrupt Rate + TPS* N

CSR减掉IR，就是进程/线程的切换，假如主进程收到请求交给线程处理，线程处理完毕归还给主进程，这里就是2次切换。也可以用CSR、IR、TPS的值代入公式中，得出每次事物导致的切换数。因此，要降低CSR，就必须在每个TPS引起的切换上下功夫，只有N这个值降下去，CSR就能降低，理想情况下N=0，但是无论如何如果N >= 4，则要好好检查检查。

用vmstat查看 cs（Context Switch）就是这个参数