運維秘籍:10條命令1分鐘,如何快速分析 Linux效能問題?
如果某個Linux有效能問題,你登入之後來排查,第一分鐘內你會使用哪些命令做那些方面的排查?
在 Netflix,我們在雲端有大量的 EC2 例項,有好幾個效能分析工具來監控和排查效能問題。包括全雲監控產品 Atlas 以及例項粒度的 Vector。儘管這些工具可以幫我們解決大部分問題,但有的時候,我們還是要登入例項執行一些標準的Linux命令來輔助排查。
第一分鐘:總結
在這篇文章中,Netflix 的效能工程團隊將會為你展示如何在最初的 60 秒內透過命令列做效能排查,這個過程中,會使用一些標準的 Linux 工具。
在 60 秒內,你可以透過執行以下十個命令來大致瞭解系統資源使用情況和正在執行的程式。尋找錯誤和飽和度指標,然後是資源利用率相關的指標。
飽和度這個詞可能不易理解,大家可以Google一下USE方法,所謂了飽和了,是資源的負載超過其處理能力了,可以表現為請求佇列的長度或等待時間。
uptimedmesg | tailvmstat 1mpstat -P ALL 1pidstat 1iostat -xz 1free -msar -n DEV 1sar -n TCP,ETCP 1top
1、uptime
$ uptime 23:51:26 up 21:31, 1 user, load average: 30.02, 26.43, 19.02
這是一種用來快速檢視系統平均負載的方法,它表明了系統中有多少要執行的任務(程式)。在 Linux 系統中,這些數字包含了需要在 CPU 中執行的程式以及正在等待 I/O(通常是磁碟 I/O)的程式。它僅僅是對系統負載的一個粗略展示,稍微看下即可。你還需要其他工具來進一步瞭解具體情況。
這三個數字展示的是一分鐘、五分鐘和十五分鐘內系統的負載總量平均值按照指數比例壓縮得到的結果。從中我們可以看到系統的負載是如何隨時間變化的。比方你在檢查一個問題,然後看到 1 分鐘對應的值遠小於 15 分鐘的值,那麼可能說明這個問題已經過去了,你沒能及時觀察到。
在上面這個例子中, 系統負載在隨著時間增加,因為最近一分鐘的負載值超過了 30,而 15 分鐘的平均負載則只有 19。這樣顯著的差距包含了很多含義,比方 CPU 負載。若要進一步確認的話,則要執行 vmstat 或 mpstat 命令,這兩個命令請參考後面的章節。
2、dmesg | tail
$ dmesg | tail[1880957.563150] perl invoked oom-killer: gfp_mask=0x280da, order=0, oom_score_adj=0[...][1880957.563400] Out of memory: Kill process 18694 (perl) score 246 or sacrifice child[1880957.563408] Killed process 18694 (perl) total-vm:1972392kB, anon-rss:1953348kB, file-rss:0kB[2320864.954447] TCP: Possible SYN flooding on port 7001. Dropping request. Check SNMP counters.
如果系統中存在系統訊息,則這條命令會顯示了最近的 10 條。從這些訊息中找一下有沒有Errors,這些Error或許可以幫你定位系統效能問題。上面的例子包含了 oom-killer,以及 TCP 丟棄一個請求。
千萬不要錯過這一步!dmesg 命令永遠值得一試。
3、vmstat 1
$ vmstat 1procs ---------memory---------- ---swap-- -----io---- -system-- ------cpu----- r b swpd free buff cache si so bi bo in cs us sy id wa st34 0 0 200889792 73708 591828 0 0 0 5 6 10 96 1 3 0 032 0 0 200889920 73708 591860 0 0 0 592 13284 4282 98 1 1 0 032 0 0 200890112 73708 591860 0 0 0 0 9501 2154 99 1 0 0 032 0 0 200889568 73712 591856 0 0 0 48 11900 2459 99 0 0 0 032 0 0 200890208 73712 591860 0 0 0 0 15898 4840 98 1 1 0 0^C
vmstat(8) 是 virtual memory stat 的縮寫,是一種常用工具(幾十年前為 BSD 建立)。它在每一行列印關鍵伺服器統計資訊的摘要。
vmstat的執行引數為1,每秒列印一次,統計最近一秒鐘的情況,不過請忽略第一行,第一行統計的不是前一秒的情況,是統計的OS啟動以來的平均值,對於我們排查問題而言,沒啥幫助。
需要重點檢視的列
-
r:正在執行或等待執行的程式總數。相比 uptime 中的平均負載資料,這個 r 的值不包含 I/O,可以更好的體現 CPU 的飽和情況。如果這個值大於 CPU 的核數,就表示過於飽和了。
-
free:使用 KB 單位統計的空閒記憶體。如果你發現這裡是一長串數字,說明你還有很多記憶體可用 :) 後面我們會介紹
free -m
命令,可以更好的解釋空閒記憶體的情況。 -
si,so:Swap換入換出的量。如果這些值非0,說明你記憶體不夠用嘍。
-
us,sy,id,wa,st:這些是CPU分解值,是針對所有CPU的一個平均值,並非針對某個核心的。us是user time,sy是system time(kernel),id是idle,wa是wait I/O,st是stolen time(虛擬機器才需要關注st)
把使用者態時間和核心態時間相加,可以得知CPU是否繁忙。一個恆定水平的wa值表示I/O方面有效能瓶頸。如果wa很高,idle就會很高,因為CPU一直在等待I/O獲取資料,沒有辦法繼續運算。
系統時間system time對於I/O處理是必要的。一個高的系統時間平均值,比如超過20%,可以進一步探查,也許核心處理I/O的效率很低。
上面的例子中,CPU時間主要花在 user 上面,說明是使用者態的應用程式在佔用 CPU 時間。CPU 的平均利用率也遠遠超過了 90%。但這不一定是個問題,透過
r
列的值來檢查飽和程度。
4、mpstat -P ALL 1
$ mpstat -P ALL 1
Linux 3.13. 0- 49-generic (titanclusters-xxxxx) 07/ 14/ 2015 _x86_64 _ ( 32 CPU)
07: 38: 49 PM CPU %usr %nice %sys %iowait %irq %soft %steal %guest %gnice %idle
07: 38: 50 PM all 98.47 0. 00 0. 75 0. 00 0. 00 0. 00 0. 00 0. 00 0. 00 0. 78
07: 38: 50 PM 0 96.04 0. 00 2.97 0. 00 0. 00 0. 00 0. 00 0. 00 0. 00 0. 99
07: 38: 50 PM 1 97.00 0. 00 1.00 0. 00 0. 00 0. 00 0. 00 0. 00 0. 00 2.00
07: 38: 50 PM 2 98.00 0. 00 1.00 0. 00 0. 00 0. 00 0. 00 0. 00 0. 00 1.00
07: 38: 50 PM 3 96.97 0. 00 0. 00 0. 00 0. 00 0. 00 0. 00 0. 00 0. 00 3.03
[...]
這個命令列印每個 CPU 核心的時間花費情況,可以用來檢查是否有不均衡的情況。一個高使用率的 CPU,可能是某個單執行緒應用導致的。
5、pidstat 1
$ pidstat 1
Linux 3.13.0-49-generic (titanclusters-xxxxx) 07/14/2015 _x86_64_ (32 CPU)
07: 41:02 PM UID PID %usr %system %guest %CPU CPU Command
07: 41:03 PM 0 9 0.00 0.94 0.00 0.94 1 rcuos/0
07: 41:03 PM 0 4214 5.66 5.66 0.00 11.32 15 mesos-slave
07: 41:03 PM 0 4354 0.94 0.94 0.00 1.89 8 java
07: 41:03 PM 0 6521 1596.23 1.89 0.00 1598.11 27 java
07: 41:03 PM 0 6564 1571.70 7.55 0.00 1579.25 28 java
07: 41:03 PM 60004 60154 0.94 4.72 0.00 5.66 9 pidstat
07: 41:03 PM UID PID %usr %system %guest %CPU CPU Command
07: 41:04 PM 0 4214 6.00 2.00 0.00 8.00 15 mesos-slave
07: 41:04 PM 0 6521 1590.00 1.00 0.00 1591.00 27 java
07: 41:04 PM 0 6564 1573.00 10.00 0.00 1583.00 28 java
07: 41:04 PM 108 6718 1.00 0.00 0.00 1.00 0 snmp-pass
07: 41:04 PM 60004 60154 1.00 4.00 0.00 5.00 9 pidstat
^C
pidstat 有點像 top 針對特定程式的統計檢視,與 top 不同的是,pidstat 會滾動列印,而不是清除螢幕。這對於觀察一段時間內的模式很有用,也可以把你看到的東西(複製-貼上)記錄到你的調查記錄中。
上面的例子確定了兩個負責消耗CPU的java程式。
%CPU
一欄是所有CPU的總和;
1591%
顯示這個java程式幾乎消耗了16個CPU。
6、iostat -xz 1
$ iostat -xz 1
Linux 3.13. 0- 49-generic (titanclusters-xxxxx) 07/ 14/ 2015 _x86_64 _ ( 32 CPU)
avg-cpu: %user %nice %system %iowait %steal %idle
73.96 0. 00 3.73 0. 03 0. 06 22.21
Device: rrqm/ s wrqm/ s r/ s w/ s rkB/ s wkB/ s avgrq-sz avgqu-sz await r_await w_await svctm %util
xvda 0. 00 0. 23 0. 21 0. 18 4.52 2.08 34.37 0. 00 9.98 13.80 5.42 2.44 0.09
xvdb 0. 01 0. 00 1.02 8.94 127.97 598.53 145.79 0. 00 0. 43 1.78 0. 28 0. 25 0. 25
xvdc 0. 01 0. 00 1.02 8.86 127.79 595.94 146.50 0. 00 0. 45 1.82 0. 30 0. 27 0. 26
dm- 0 0. 00 0. 00 0. 69 2.32 10.47 31.69 28.01 0. 01 3.23 0. 71 3.98 0. 13 0. 04
dm- 1 0. 00 0. 00 0. 00 0. 94 0. 01 3.78 8.00 0. 33 345.84 0. 04 346.81 0. 01 0. 00
dm- 2 0. 00 0. 00 0.09 0. 07 1.35 0. 36 22.50 0. 00 2.55 0. 23 5.62 1.78 0. 03
[...]
^C
這是瞭解塊狀裝置(磁碟)的一個很好的工具,包括應用的工作負載和由此產生的效能指標。
-
r/s, w/s, rkB/s, wkB/s:這些是裝置的每秒讀次數、寫次數、讀KB和寫KB。使用這些來描述工作負載。一個效能問題可能僅僅是由於過分的負載。
-
await:I/O的平均時間,以毫秒計。這是應用的I/O請求所耗費的時間,它包括排隊的時間和被服務的時間。大於預期的平均時間可能是裝置飽和的指標,或裝置問題。
-
avgqu-sz: 發給裝置的平均請求數。大於1的值可能是飽和的證據(儘管裝置通常可以並行處理請求,特別是在多個後端磁碟前的虛擬裝置)。
-
%util:裝置利用率。這實際上是一個繁忙的百分比,顯示裝置每秒鐘進行工作的時間。大於60%的值通常會導致效能不佳(應該在等待中看到),儘管這取決於裝置的情況。接近100%的值通常表示飽和。
如果儲存裝置是一個邏輯磁碟裝置,面向許多後端磁碟,那麼100%的利用率可能只是意味著一些I/O在100%的時間內被處理,然而,後端磁碟可能遠遠沒有飽和,可能能夠處理更多的工作。
請記住,磁碟I/O效能差並不一定是應用程式的問題。許多技術通常用於非同步執行I/O,這樣應用程式就不會阻塞並直接受到延遲的影響(例如,讀取時的超前讀取和寫入時的緩衝)。
7、free -m
$ free -m total used free shared buffers cachedMem: 245998 24545 221453 83 59 541-/+ buffers/cache: 23944 222053Swap: 0 0 0
右側的兩列:
-
buffers:用於塊裝置 I/O 的緩衝區快取
-
cached:用於檔案系統的頁面快取
通常,我們需要檢查這些值是否接近 0 了,如果快到 0 了可能會導致更高的硬碟 I/O(使用 iostat 做進一步確認)以及更差的效能。上面例子裡的值看起來還不錯,每個都還有很多 MB。
-/+ buffers/cache
為 used 和 free 記憶體量提供了更直觀的數值。Linux將空閒記憶體用於快取,但如果應用程式需要它,可以快速回收。所以在某種程度上,快取的記憶體應該包括在空閒記憶體一欄中,這一行就是這樣做的。甚至有一個網站,linuxatemyram,來解釋這個讓人困惑的情況。
free -m
列正確反映出來。看起來系統的可用記憶體很低,而實際上這些記憶體在需要時可以從ZFS快取中使用。8、sar -n DEV 1
$ sar -n DEV 1
Linux 3.13.0-49-generic (titanclusters-xxxxx) 07/14/2015 _x86_64_ (32 CPU)
12: 16:48 AM IFACE rxpck/s txpck/s rxkB/s txkB/s rxcmp/s txcmp/s rxmcst/s %ifutil
12: 16:49 AM eth0 18763.00 5032.00 20686.42 478.30 0.00 0.00 0.00 0.00
12: 16:49 AM lo 14.00 14.00 1.36 1.36 0.00 0.00 0.00 0.00
12: 16:49 AM docker0 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
12: 16:49 AM IFACE rxpck/s txpck/s rxkB/s txkB/s rxcmp/s txcmp/s rxmcst/s %ifutil
12: 16:50 AM eth0 19763.00 5101.00 21999.10 482.56 0.00 0.00 0.00 0.00
12: 16:50 AM lo 20.00 20.00 3.25 3.25 0.00 0.00 0.00 0.00
12: 16:50 AM docker0 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
^C
%ifutil
用於裝置利用率(全雙工的兩個方向的最大值),這也是我們使用Brendan的nicstat工具來測量的東西。和nicstat一樣,這很難搞正確,而且在這個例子中似乎不工作(0.00)。9、sar -n TCP,ETCP 1
$ sar -n TCP,ETCP 1
Linux 3.13.0-49-generic (titanclusters-xxxxx) 07/14/2015 _x86_64_ (32 CPU)
12: 17:19 AM active/s passive/s iseg/s oseg/s
12: 17:20 AM 1.00 0.00 10233.00 18846.00
12: 17:19 AM atmptf/s estres/s retrans/s isegerr/s orsts/s
12: 17:20 AM 0.00 0.00 0.00 0.00 0.00
12: 17:20 AM active/s passive/s iseg/s oseg/s
12: 17:21 AM 1.00 0.00 8359.00 6039.00
12: 17:20 AM atmptf/s estres/s retrans/s isegerr/s orsts/s
12: 17:21 AM 0.00 0.00 0.00 0.00 0.00
^C
這是對一些關鍵的TCP指標的摘要式檢視。這些指標包括:
-
active/s:每秒本地發起的TCP連線的數量(例如,透過connect())
-
passive/s:每秒遠端啟動的TCP連線的數量(例如,透過accept())
-
retrans/s:每秒的TCP重傳次數
主動和被動計數通常作為伺服器負載的一個粗略衡量標準:新接受的連線數(被動),以及下游連線數(主動)。姑且可以把主動看作是出站,把被動看作是入站,但這並不嚴格正確(例如,有的時候是本地主機到本地主機)。
重傳是網路或伺服器問題的標誌;可能是一個不可靠的網路(如公共網際網路),也可能是由於伺服器過載而丟棄資料包。上面的例子顯示每秒鐘只有一個新的TCP連線。
10、top
$ top
top - 00:15:40 up 21:56, 1 user, load average: 31.09, 29.87, 29.92
Tasks: 871 total, 1 running, 868 sleeping, 0 stopped, 2 zombie
%Cpu(s): 96.8 us, 0.4 sy, 0.0 ni, 2.7 id, 0.1 wa, 0.0 hi, 0.0 si, 0.0 st
KiB Mem: 25190241+total, 24921688 used, 22698073+free, 60448 buffers
KiB Swap: 0 total, 0 used, 0 free. 554208 cached Mem
PID USER PR NI VIRT RES SHR S %CPU %MEM TIME+ COMMAND
20248 root 20 0 0.227t 0.012t 18748 S 3090 5.2 29812:58 java
4213 root 20 0 2722544 64640 44232 S 23.5 0.0 233:35.37 mesos-slave
66128 titancl+ 20 0 24344 2332 1172 R 1.0 0.0 0:00.07 top
5235 root 20 0 38.227g 547004 49996 S 0.7 0.2 2:02.74 java
4299 root 20 0 20.015g 2.682g 16836 S 0.3 1.1 33:14.42 java
1 root 20 0 33620 2920 1496 S 0.0 0.0 0:03.82 init
2 root 20 0 0 0 0 S 0.0 0.0 0:00.02 kthreadd
3 root 20 0 0 0 0 S 0.0 0.0 0:05.35 ksoftirqd/0
5 root 0 -20 0 0 0 S 0.0 0.0 0:00.00 kworker/0:0H
6 root 20 0 0 0 0 S 0.0 0.0 0:06.94 kworker/u256:0
8 root 20 0 0 0 0 S 0.0 0.0 2:38.05 rcu_sched
後續分析
還有更多的命令和方法,你可以應用這些命令和方法來深入研究。請看Brendan在2015年Velocity上的Linux效能工具教程,它透過40多個命令,涵蓋了可觀察性、基準測試、調優、靜態效能調優、剖析和跟蹤。
來源:本文轉自公眾號 SRETalk。
來自 “ ITPUB部落格 ” ,連結:http://blog.itpub.net/70013542/viewspace-2952269/,如需轉載,請註明出處,否則將追究法律責任。
相關文章
- docker 快速運維命令Docker運維
- 1分鐘內檢查Linux伺服器效能的10條命令Linux伺服器
- 無水乾貨-如何快速分析Linux伺服器的效能問題Linux伺服器
- chattr命令如何使用?Linux運維核心命令Linux運維
- 如何快速排查Linux伺服器效能問題Linux伺服器
- 如何利用九條命令在一分鐘內檢查Linux伺服器效能?Linux伺服器
- 秘籍|論運維如何安心浪漫過七夕節運維
- Linux運維命令重要嗎?運維入門Linux運維
- 如何分析報表效能問題
- Redis效能分析和運維工具Redis運維
- 運維該如何解決 Linux 伺服器重啟後命令無法正常使用的問題?運維Linux伺服器
- Linux運維新手如何快速入門?Linux學習方法Linux運維
- 【運維必看】Linux命令之lsblk命令運維Linux
- Linux日常運維管理命令Linux運維
- 【Linux運維教程】Linux命令面試的簡答題(三)!Linux運維面試
- 網站訪問速度慢運維如何排查?Linux運維技術網站運維Linux
- Kafka 0.10 常用運維命令Kafka運維
- Linux 運維常用命令Linux運維
- linux運維常用命令Linux運維
- Linux運維前景如何?Linux運維
- linux 運維 命令 + 運維需要掌握些什麼東西Linux運維
- 如何分析一條sql的效能SQL
- Linux運維新手如何快速入門?這三點很重要!Linux運維
- Linux運維新手如何高效的提問?學習linuxLinux運維
- Linux系統運維面試題,Linux運維經典面試題講解Linux運維面試題
- Linux運維pwd命令有什麼用途?linux運維主要做什麼Linux運維
- 10條有趣的Linux命令Linux
- 運維排查問題常用sql運維SQL
- 20條Linux命令面試問答Linux面試
- du 命令秘籍
- 如何在Linux命令列下檢視幫助?學習linux運維Linux命令列運維
- 一條insert語句導致的效能問題分析(二)
- 一條insert語句導致的效能問題分析(一)
- Linux 伺服器效能出問題,運維應該排查下這些引數指標!Linux伺服器運維指標
- 每個運維人員應該知道的 10 個 Linux 命令!運維Linux
- 推薦5個常用Linux運維命令Linux運維
- Linux運維是什麼?Linux運維行業發展前景如何?Linux運維行業
- kafka 運維中遇到的問題Kafka運維