Wie kann ich die Linux-Leistung in 60 Sekunden optimieren und verbessern? Nur 2 % der Menschen wissen es-LINUX-php.cn

Welche Systemindikatoren werden Sie in der ersten Minute überprüfen, wenn Sie ein Systemleistungsproblem auf einem Linux-Server feststellen?

Netflix verfügt über einen großen EC2-Cluster auf AWS sowie eine Vielzahl von Tools zur Leistungsanalyse und -überwachung. Wir verwenden beispielsweise Atlas zur Überwachung der gesamten Plattform und Vector zur Analyse der Leistung von EC2-Instanzen in Echtzeit. Diese Tools können uns bereits bei der Lösung der meisten Probleme helfen, aber manchmal müssen wir uns trotzdem am Computer anmelden und einige Standard-Linux-Leistungsanalysetools verwenden, um das Problem zu lokalisieren.

In diesem Artikel stellt das Netflix Performance Engineering-Team einige der standardmäßigen Linux-Befehlszeilentools vor, mit denen wir Probleme innerhalb der ersten 60 Sekunden nach der Entdeckung analysieren und lokalisieren.

Während dieser 60 Sekunden können Sie die folgenden 10 Befehlszeilen verwenden, um den Gesamtbetrieb des Systems und die Ressourcennutzung aktuell laufender Prozesse zu verstehen.

Unter diesen Metriken konzentrieren wir uns zunächst auf Metriken im Zusammenhang mit Fehlern und der Ressourcensättigungsrate und betrachten dann die Ressourcennutzung. Fehler und Ressourcensättigungsraten sind relativ leicht zu verstehen. Unter Sättigung versteht man die Belastung einer Ressource (z. B. CPU, Speicher, Festplatte), die ihre Belastbarkeit überschreitet. Zu diesem Zeitpunkt beobachten wir, dass sich die Anforderungswarteschlange anhäuft oder die Anforderungswartezeit länger wird.

uptime 
dmesg | tail 
vmstat 1 
mpstat -P ALL 1 
pidstat 1 
iostat -xz 1 
free -m 
sar -n DEV 1 
sar -n TCP,ETCP 1 
top

Nach dem Login kopieren

Einige Befehlszeilen hängen vom Sysstat-Paket ab. Durch die Verwendung dieser Befehlszeilen können Sie sich mit einer Reihe von Methoden oder Prozessen vertraut machen, die häufig bei der Analyse von Systemleistungsproblemen verwendet werden: USE. Diese Methode analysiert hauptsächlich alle Ressourcen (CPU, Speicher, Festplatte usw.) unter drei Gesichtspunkten: Ressourcennutzung (Utilization), Ressourcensättigung (Satulation) und Fehler (Error).

Während dieses Analyseprozesses müssen wir auch immer auf die Ressourcenprobleme achten, die wir eliminiert haben, um den Umfang unserer Positionierung einzugrenzen und eine klarere Richtung für die nächste Positionierung vorzugeben.

Die folgenden Kapitel erklären jede Befehlszeile und verwenden unsere Daten in der Produktionsumgebung als Beispiel. Eine detailliertere Beschreibung dieser Befehlszeilen finden Sie in der entsprechenden Hilfedokumentation.

1.Betriebszeit

$ uptime

Nach dem Login kopieren

Dieser Befehl kann schnell die durchschnittliche Systemlast überprüfen. Sie können sich diesen Lastwert so vorstellen, dass er anzeigt, wie viele Aufgaben auf die Ausführung warten. Auf Linux-Systemen gehören dazu Aufgaben, die die CPU nutzen wollen oder werden, sowie Aufgaben, die auf io blockiert sind. Dieser Befehl kann uns einen allgemeinen Überblick über den globalen Status des Systems geben, wir müssen jedoch noch andere Tools verwenden, um weitere Informationen zu erhalten.

Diese drei Werte sind die vom System berechneten exponentiell gewichteten dynamischen Durchschnittswerte von 1 Minute, 5 Minuten und 15 Minuten, die einfach als Durchschnittswert innerhalb dieses Zeitraums betrachtet werden können. Anhand dieser drei Werte können wir nachvollziehen, wie sich die Systemlast im Laufe der Zeit verändert. Wenn beispielsweise jetzt ein Problem mit dem System vorliegt und Sie diese drei Werte überprüfen und feststellen, dass der Lastwert von 1 Minute viel kleiner ist als der Lastwert von 15 Minuten, dann haben Sie wahrscheinlich den Zeitpunkt von verpasst das Systemproblem.

Im obigen Beispiel beträgt der Auslastungsdurchschnitt 30 in 1 Minute, also mehr als 19 in 15 Minuten. Es gibt viele Gründe für die erhöhte Auslastung, vielleicht wird die CPU nicht ausreichend ausgelastet; vmstat oder mpstat können weiter bestätigen, wo das Problem liegt.

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 count

Nach dem Login kopieren

Dieser Befehl zeigt die neuesten Systemprotokolle an. Hier wird vor allem geprüft, ob Systemfehler vorliegen, die zu Leistungsproblemen führen können. Das obige Beispiel umfasst Oom-Killer und TCP-Paketverlust.

Überspringen Sie diesen Schritt nicht! dmesg ist immer einen Blick wert.

3. vmstat 1

$ vmstat 1 
procs ---------memory---------- ---swap-- -----io---- -system-- ------cpu----- 
r  b swpd   free   buff  cache   si   so    bi    bo   in   cs us sy id wa st 
34  0    0 200889792  73708 591828    0    0     0     5    6   10 96  1  3  0  0 
32  0    0 200889920  73708 591860    0    0     0   592 13284 4282 98  1  1  0  0 
32  0    0 200890112  73708 591860    0    0     0     0 9501 2154 99  1  0  0  0 
32  0    0 200889568  73712 591856    0    0     0    48 11900 2459 99  0  0  0  0 
32  0    0 200890208  73712 591860    0    0     0     0 15898 4840 98  1  1  0  0 
^C

Nach dem Login kopieren

vmstat zeigt einige Zustände des virtuellen Speichers und der CPU. Im obigen Beispiel bedeutet 1 in der Befehlszeile, dass es alle 1 Sekunde angezeigt wird. In dieser Version von vmstat stellt die erste Zeile die verschiedenen Indikatoren seit diesem Start dar. Wir können die erste Zeile vorübergehend ignorieren.

Zu überprüfende Indikatoren:

r：处在 runnable 状态的任务，包括正在运行的任务和等待运行的任务。这个值比平均负载能更好地看出 CPU 是否饱和。这个值不包含等待 io 相关的任务。当 r 的值比当前 CPU 个数要大的时候，系统就处于饱和状态了。
free：以 KB 计算的空闲内存大小。
si，so：换入换出的内存页。如果这两个值非零，表示内存不够了。
us，sy，id，wa，st：CPU 时间的各项指标（对所有 CPU 取均值），分别表示：用户态时间，内核态时间，空闲时间，等待 io，偷取时间（在虚拟化环境下系统在其它租户上的开销）

把用户态 CPU 时间（us）和内核态 CPU 时间（sy）加起来，我们可以进一步确认 CPU 是否繁忙。等待 IO 的时间（wa）高的话，表示磁盘是瓶颈；注意，这个也被包含在空闲时间里面(id)， CPU 这个时候也是空闲的，任务此时阻塞在磁盘 IO 上了。你可以把等待 IO 的时间(wa)看做另一种形式的 CPU 空闲，它可以告诉你 CPU 为什么是空闲的。

系统处理 IO 的时候，肯定是会消耗内核态时间(sy)的。如果内核态时间较多的话，比如超过 20%，我们需要进一步分析，也许内核对 IO 的处理效率不高。

在上面这个例子里，CPU 时间大部分都消耗在了用户态，表明主要是应用层的代码在使用 CPU。CPU 利用率（us + sy）也超过了 90%，这不一定是一个问题;我们可以通过 r 和 CPU 个数确定 CPU 的饱和度。

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 
[...]

Nach dem Login kopieren

这个命令把每个 CPU 的时间都打印出来，可以看看 CPU 对任务的处理是否均匀。比如，如果某一单个 CPU 使用率很高的话，说明这是一个单线程应用。

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

Nach dem Login kopieren

pidstat 和 top 很像，不同的是它可以每隔一个间隔打印一次，而不是像 top 那样每次都清屏。这个命令可以方便地查看进程可能存在的行为模式，你也可以直接 copy past，可以方便地记录随着时间的变化，各个进程运行状况的变化。

上面的例子说明有 2 个 Java 进程消耗了大量 CPU。这里的 %CPU 表明的是对所有 CPU 的值，比如 1591% 标识这个 Java 进程几乎消耗了 16 个 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

Nach dem Login kopieren

iostat 是理解块设备(磁盘)的当前负载和性能的重要工具。几个指标的含义：

r/s，w/s，rkB/s，wkB/s：系统发往设备的每秒的读次数、每秒写次数、每秒读的数据量、每秒写的数据量。这几个指标反映的是系统的工作负载。系统的性能问题很有可能就是负载太大。
await：系统发往 IO 设备的请求的平均响应时间。这包括请求排队的时间，以及请求处理的时间。超过经验值的平均响应时间表明设备处于饱和状态，或者设备有问题。
avgqu-sz：设备请求队列的平均长度。队列长度大于 1 表示设备处于饱和状态。
%util：设备利用率。设备繁忙的程度，表示每一秒之内，设备处理 IO 的时间占比。大于 60% 的利用率通常会导致性能问题(可以通过 await 看到)，但是每种设备也会有有所不同。接近 100% 的利用率表明磁盘处于饱和状态。

如果这个块设备是一个逻辑块设备，这个逻辑快设备后面有很多物理的磁盘的话，100% 利用率只能表明有些 IO 的处理时间达到了 100%;后端的物理磁盘可能远远没有达到饱和状态，可以处理更多的负载。

还有一点需要注意的是，较差的磁盘 IO 性能并不一定意味着应用程序会有问题。应用程序可以有许多方法执行异步 IO，而不会阻塞在 IO 上面;应用程序也可以使用诸如预读取，写缓冲等技术降低 IO 延迟对自身的影响。

7. free -m

$ free -m
            total       used       free       shared    buffers     cached
Mem:        245998      24545     221453         83         59        541
-/+ buffers/cache:      23944     222053
Swap:

Nach dem Login kopieren

右边的两列显式：

buffers：用于块设备 I/O 的缓冲区缓存。
cached：用于文件系统的页面缓存。

我们只是想要检查这些不接近零的大小，其可能会导致更高磁盘 I/O(使用 iostat 确认)，和更糟糕的性能。上面的例子看起来还不错，每一列均有很多 M 个大小。

比起第一行，-/+ buffers/cache 提供的内存使用量会更加准确些。Linux 会把暂时用不上的内存用作缓存，一旦应用需要的时候就立刻重新分配给它。所以部分被用作缓存的内存其实也算是空闲的内存。为了解释这一点，甚至有人专门建了个网站：http://www.linuxatemyram.com/。

如果使用 ZFS 的话，可能会有点困惑。ZFS 有自己的文件系统缓存，在 free -m 里面看不到;系统看起来空闲内存不多了，但是有可能 ZFS 有很多的缓存可用。

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

Nach dem Login kopieren

这个工具可以查看网络接口的吞吐量：rxkB/s 和 txkB/s 可以测量负载，也可以看是否达到网络流量限制了。在上面的例子里，eth0 的吞吐量达到了大约 22 Mbytes/s，差不多 176 Mbits/sec ，比 1 Gbit/sec 还要少很多。

这个例子里也有 %ifutil 标识设备利用率，我们也用 Brenan 的 nicstat tool 测量。和 nicstat 一样，这个设备利用率很难测量正确，上面的例子里好像这个值还有点问题。

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

Nach dem Login kopieren

这是对 TCP 重要指标的一些概括，包括：

active/s：每秒钟本地主动开启的 TCP 连接，也就是本地程序使用 connect() 系统调用
passive/s：每秒钟从源端发起的 TCP 连接，也就是本地程序使用 accept() 所接受的连接
retrans/s：每秒钟的 TCP 重传次数
atctive 和 passive 的数目通常可以用来衡量服务器的负载：接受连接的个数(passive)，下游连接的个数(active)。可以简单认为 active 为出主机的连接，passive 为入主机的连接；但这个不是很严格的说法，比如 loalhost 和 localhost 之间的连接。

重传表示网络或者服务器的问题。也许是网络不稳定了，也许是服务器负载过重开始丢包了。上面这个例子表示每秒只有 1 个新连接建立。

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

Nach dem Login kopieren

top 命令涵盖了我们前面讲述的许多指标。我们可以用它来看和我们之前查看的结果有没有很大的不同，如果有的话，那表示系统的负载在变化。

top 的缺点就是你很难找到这些指标随着时间的一些行为模式，在这种情况下，vmstat 或者 pidstat 这种可以提供滚动输出的命令是更好的方式。如果你不以足够快的速度暂停输出(Ctrl-S 暂停，Ctrl-Q 继续)，一些间歇性问题的线索也可能由于被清屏而丢失。

Das obige ist der detaillierte Inhalt vonWie kann ich die Linux-Leistung in 60 Sekunden optimieren und verbessern? Nur 2 % der Menschen wissen es. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!