作者：夏明（亚海）创建日期：2019-08-14栏目地址：【稳定比什么都重要】CPU（CentralProcessingUnit）是计算机系统的运算和控制核心，是计算机系统的核心。信息处理和程序运行的最终来源。执行单元相当于系统的“大脑”。当CPU太忙时，就像“人脑”并发处理太多事情，会降低做事效率，严重时甚至会导致死机“宕机”。因此，了解CPU的工作原理，合理控制负载是保证系统稳定持续运行的重要手段。目录CPU的物理内核和逻辑内核什么是CPU使用率？什么是平均负载？CPU使用率与平均负载的关系性能优化推荐工具&产品参考文章添加我们CPU的物理核心和逻辑核心一台机器可能包含多个CPU芯片，多个CPU通过系统总线进行通信。一个CPU芯片可能包含多个物理核心，每个物理核心都是一个真正的计算核心（包括计算单元、内存等）。超线程（Hyper-Threading）技术可以让一个物理核心在单位时间内同时处理两个线程，成为两个逻辑核心。但它不会有传统单核两倍的处理能力，也不能提供完全并行处理。例如，假设一个CPU芯片是一个类；它有2个物理核心，即2个同学，老师让他们分别担任班长和体育委员；过了一段时间，校长要求每个班要有一个学习委员，理论上生活委员和生活委员需要两个学生，但是这个班只有两个学生。最后，老师只能让班长和体委兼职。这样，对于不知道的人来说，这个班有4个职位：班长、体育委员、学习委员、生活委员。应该有4个人，每个位置都是一个逻辑核心；同学们，也就是只有2个体核，虽然可以做4个工作，但也不能算是4个人。如何查询CPU信息？在Linux系统下，可以从/proc/cpuinfo文件中读取CPU信息，如下图：查看CPU数量：cat/proc/cpuinfo|grep'物理ID'|排序|独特|wc-l查看CPU物理核数：cat/proc/cpuinfo|grep'cpu内核'|排序|uniq查看CPU逻辑核心数：cat/proc/cpuinfo|grep'兄弟姐妹'|排序|uniq什么是CPU使用率？CPU使用率是CPU运行在非空闲状态的时间百分比，它反映了CPU的繁忙程度。例如单核CPU的非空闲运行时间为1s以内0.8s，则其CPU占用率为80%；双核CPU的非空闲运行时间在1s以内分别为0.4s和0.6s，则CPU整体占用率为（0.4s+0.6s）/（1s*2）=50%，其中2代表个数CPU内核数，这同样适用于多核CPU。在Linux系统中，使用top命令查看CPU占用率，可以得到如下信息：Cpu(s):0.2%us,0.1%sy,0.0%ni,77.5%id,2.1%wa,0.0%hi,0.0%si,20.0%stus(user)：表示CPU运行在用户态的时间百分比。通常，用户模式下的高CPU表明某些应用程序很忙。典型的用户态程序包括：数据库、web服务器等。sy(sys)：表示CPU运行在内核态的时间百分比（不包括中断）。通常，内核模式下的CPU越低越好，否则说明系统存在一些瓶颈。ni(nice)：表示具有nice校正进程优先级的用户态进程执行的CPU时间。nice是进程优先级的修改值，如果进程通过它修改优先级，CPU开销会单独统计。id(idle)：表示CPU处于空闲状态的时间百分比。这时CPU会执行一个特定的虚拟进程，名为SystemIdleProcess。wa(iowait)：表示CPU等待I/O操作完成的时间。通常，指标越低越好。否则，表明I/O存在瓶颈。您可以使用iostat和其他命令进行进一步分析。hi(hardirq)：表示CPU处理硬中断所花费的时间。硬中断由外围硬件（如键盘控制器、硬件传感器等）发出，需要中断控制器的参与，具有执行速度快的特点。si(softirq)：表示CPU处理softirq所花费的时间。软中断是软件程序（如网络收发、时序调度等）发出的中断信号，具有延迟执行的特点。st(steal)：表示CPU被其他虚拟机占用的时间，只出现在多虚拟机场景。如果指标过高，可以检查主机或其他虚拟机是否异常。由于CPU有多种非空闲状态，因此计算CPU占用率的公式可以概括为：CPU占用率=（1-空闲状态运行时间/总运行时间）*100%。根据经验，建议生产系统的总CPU使用率不要超过70%。什么是平均负载？LoadAverage是指单位时间内系统处于运行状态（Running/Runnable）和不可中断状态的平均进程数，即平均活跃进程数。可运行进程包括正在使用CPU或等待CPU的进程；不可中断进程是指进程处于内核态的关键进程，进程不能被中断。例如，当一个进程向磁盘写入数据时，如果被中断，磁盘数据可能与进程数据不一致。不可中断状态本质上是系统对进程和硬件设备的一种保护机制。在Linux系统下，使用top命令查看平均负载，可以得到如下信息：loadaverage：1.09、1.12、1.52这三个数字分别代表1分钟、5分钟、15分钟内系统的平均负载分钟分别。该值越小，系统的工作量越少，负载越低；否则，负载越高。什么是更合理的平均负载？理想情况下，每个CPU都应该满负荷工作，并且没有等待进程。此时平均负载=CPU逻辑核心数。但是，在实际的生产系统中，不建议系统满负荷运行。一般的经验法则是：平均负载=0.7*CPU逻辑核心数。当平均负载持续大于0.7*CPU逻辑核心数时，需要开始排查原因，防止系统恶化；当平均负载持续超过1.0*CPUlogicalcores时，必须想办法降低平均负载；当平均负载持续超过5.0*CPU逻辑核心数时，表明系统出现严重问题，长时间未响应，或接近崩溃。除了关注平均负载值本身，我们还应该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；二是历史变化趋势。当load1、load5、load15这三个值非常接近时，说明系统负载在短期内比较稳定。此时应与昨天或上周同期的历史负荷进行对比，看是否有明显增加。当load1远小于load5或load15时，说明系统最近一分钟的负载在下降，而最近5分钟或15分钟的平均负载偏高。当load1远大于load5或load15时，表明系统负载急剧上升。如果不是暂时抖动，而是持续上升，尤其是load5已经超过0.7*CPUlogiccores时，应排查原因，降低系统。加载。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，两者不能划等号，常见的有两种场景如下所述：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。对于I/O密集型应用，大量进程在等待I/O，此时loadaverage会增加，但CPU占用率不一定高。为了更深入地理解CPU使用率和平均负载之间的关系，我们举个例子：假设有一个电话亭，有4个人在等着打电话。电话亭一次只能容纳1人拨打电话。它真的被使用了。那么CPU使用率就是拿起听筒所花时间的百分比，它仅取决于展位内人员的行为，与平均负载没有太大直接关系。平均负载是指电话亭和排队的总人数，如下图所示：性能优化实战无论是CPU使用率还是平均负载，都只是反映系统健康状况的指标，不是问题的根本原因。因为。因此，它们的价值主要体现在两个方面：一是全面反映当前系统的健康状况，结合监控告警产品实现快速响应；二是初步定位问题方向，缩小排查范围，缩短故障恢复时间。例如当CPUiowait很高时，首先要检查磁盘I/O；当CPUsteal高时，应首先检查主机状态。CPU涉及的问题场景很多，限于篇幅，下面以最常见的用户态CPU占用率高为例，介绍Java应用的排查思路。其他场景留待以后分享。推荐阅读《如何迅速分析出系统CPU的瓶颈在哪里？》。用户态CPU使用率高怎么解决？用户态CPU使用率反映了应用程序的繁忙程度，通常与我们自己编写的代码密切相关。因此，当你在做应用发布、配置变更或性能优化时，如果你想定位到消耗CPU最多的Java代码，可以按照以下思路：使用top命令找到消耗最多的进程号中央处理器;使用top-Hpprocessnumber命令找到消耗CPU最多的线程号（列名还是PID）；通过printf"%x\n"线程号命令输出线程号对应的十六进制数；使用jstack进程号|grephexadecimalthreadnumber-A10命令查找消耗最多CPU的线程方法堆栈。上述方法是目前业界最常用的诊断流程。如果是非Java应用，可以将jstack换成perf。推荐阅读《Perf -- Linux下的系统性能调优工具》。然而，上述方法有两个明显的缺陷。一是操作过程复杂，往往一个jstack不足以定位根源，需要执行多次；另一个是它只能用于诊断在线问题。如果问题已经出现，就无法复现了，往往只能放手。所以生产系统推荐使用APM产品，比如阿里云的ARMS，可以自动记录每类线程的CPU耗时和方法栈，开箱即用，并自动保存问题现场，如图如下图：推荐工具&产品阿里云ARMS线程诊断参考文章《Linux性能优化实战》《CPU问题定位的知识基础与运维基础》《理解Linux系统负荷》加入我们【稳定比什么都重要】打造国内稳定领域的知识库，让无法解决的问题少一些，世界上更多的确定性。GitHub地址钉钉群号：23179349如果您在阅读本文中有所收获，请分享给您的朋友，期待更多的同学加入！
