Linux服务器中高负载现象故障排查指南 - 51CTO.COM
技术支持分析师们常常接到用户对服务器高负载的控诉。事实上cPanel软件及其安装的应用很少引发服务器高负载情况。服务器拥有者、系统管理员或者服务器供应商应当对高负载状况进行初步调查，并在确认情况复杂后再向分析人士求助。
服务器高负载因何而起？
下列项目的过度使用会直接导致高负载问题：
- CPU
- 内存（包括虚拟内存）
- 磁盘I/O
该如何检查这些项目？
这取决于大家是要审查当前资源使用情况还是历史资源使用情况。当然，在本文中我们将从这两方面进行探讨。
关于sar的简要说明
历史资源使用情况可通过sar工具查看，该工具在默认情况下应该通过sysstat软件包安装在所有cPanel服务器当中。只要通过cron命令对sysstat进行周期性执行（/etc/cron.d/sysstat），服务器的运行状态数据就会被收集起来。如果cron没有运行，sysstat将无法收集历史统计结果。
要在sar中查看历史资源使用情况，我们必须为文件提供与统计数据相符的路径。
举例来说，如果大家打算查看本月23号以来服务器的平均负载状况，可以运行以下命令：
代码：
- [user@host ~]$ sar -q -f /var/log/sa/sa23
以上命令中的-q用于获取平均负载信息，而-f则用于指定sar从哪个文件中获取信息。请注意，sar可能无法使用一周之前乃至更早的运行信息。
如果大家打算查看当前日期的统计信息，则不必为其指令具体时间。输入以下命令即可显示今天的平均负载情况：
代码：
- [user@host ~]$ sar -q
我们强烈建议大家阅读sar说明文档：
代码：
- [user@host ~]$ man sar
它所提供的统计信息能够帮助我们确切掌握服务器的运行状态。
当前CPU使用情况
运行top，并在Cpu（s）一行中检查%id部分所显示的闲置CPU百分比。该数字越高结果越好，说明CPU的工作负载不强。处于99%闲置状态下的CPU几乎没有处理任何实际任务，而处于1%闲置状态下的CPU则意味着接近满载。
代码：
- [user@host ~]$ top c
提示：可加写P根据消耗CPU资源的多少对进程加以分类。
历史CPU使用情况
查看“%idle”列：
代码：
- [user@host ~]$ sar -p
当前内存使用情况
代码：
- [user@host ~]$ free -m
提示：运行top c并加写M可查看哪个进程占用的内存量最大。
历史内存使用情况
根据sar版本的不同，命令内容也有所区别。早期版本通过添加“-r”参数显示内存使用百分比与虚拟内存使用百分比，但新版本则改用“-s”参数显示虚拟内存使用百分比。
Check %memused and %swpused：
代码：
- [user@host ~]$ sar -r
或者：
代码：
- [user@host ~]$ sar -r
代码：
- [user@host ~]$ sar -S
内存使用情况提示：服务器内存占用量较高的情况其实非常正常。这是因为内存的读写速度及效率远高于服务器磁盘，因此操作系统倾向于将内存作为缓冲机制预先载入数据，从而提高数据读取速度。
同样，内存使用百分比也并不是什么大问题（除非大家没有设置虚拟内存分区，但这也与内存本身无关）。大家真正需要关注的是虚拟内存使用百分比，因为只有在服务器的物理内存被全部占用后、虚拟内存才会接替而上发挥作用。这一数字越低，就说明服务器的运行状态越好。如果虚拟内存使用率为0%，则意味着我们的服务器能够完全利用物理内存执行任务。
那么虚拟内存使用率达到多少才算过高？这取决于大家自己的感觉。一般来说，如果虚拟内存使用率一直不高、那么我们的服务器的运行状态还是比较理想的。如果大家发现虚拟内存使用率随时间不断提升（例如由1%到7%再到32%），这就代表服务器上的某些进程正在疯狂吞噬内存，我们需要及时展开调查以了解具体情况（而不该直接安装更多内存）。一旦服务器用尽了所有物理内存与虚拟内存，那么整套系统的运行将变得极为缓慢，需要经过重启才能暂时恢复正常。
当前磁盘I/O使用情况
注意：这一项对于OpenVZ/Virtuozzo容器不起作用。
以下命令将以每秒一次的频率连续显示十次磁盘使用率统计。请大家关注显示结果中的%util列：
代码：
- [user@host ~]$ iostat -x 1 10
历史磁盘I/O使用情况
代码：
- [user@host ~]$ sar -d
优秀的系统管理员能够准确把握服务器负载的基准线，并在当前负载超出基准时立即做出判断。这样做的主要目的（除了防止服务器陷入半瘫痪并不得不重新启动之外）是为了及时了解负载高企时服务器正在运行哪些项目。快速反应能帮助大家在发现问题后第一时间进行故障排查。
如果服务器负载过高的状况出现在凌晨两点到四点之间，那么正在熟睡中的我们肯定无法马上展开调查。虽然sar会一直守护在服务器身边，帮我们收集这段时间内到底哪些资源的使用率居高不下，但却无法揭示问题出现的实际原因。引发负载过高的原因多种多样，其中包括DoS攻击、垃圾邮件攻击、php脚本设计不当、网络蜘蛛在绘制网络图谱时太过积极、硬件故障、针对用户MySQL数据库的磁盘写入量暴增等等。
好消息是，大家可以利用工具收集这些信息，并在负载过高后将结果自动发送过来。如何实现？从进程列表入手：
代码：
- [user@host ~]$ ps auxwwwf
我创建了一个shell脚本，以我曾经管理过的服务器上的一套perl脚本为基础。这套脚本与其它服务器监控工具（例如Nagios）配合起来给我的工作带来诸多便利。它能检查六种不同项目（下面将详细介绍），并在进程列表中的条目超出阈值时向我发送邮件通知。
注意：cPanel公司对该脚本的开发、维护或技术支持不承担责任。请不要就这款脚本提出服务申请。如果您在使用中遇到任何问题，请到相关论坛上发帖或请教有经验的系统管理员。cPanel不提供与此脚本相关的任何支持。
它所检查的具体资源对象如下：
- 一分钟平均负载
- 虚拟内存使用数量（单位为KB）
- 内存使用数量（单位为KB）
- 每秒接收数据包数量
- 每秒发出数据包数量
- 进程总数
如何使用脚本
要自动运行此脚本，大家需要设置一项cron任务并根据实际情况设定运行频率。我发现每五分钟运行一次是个不错的选择。该脚本无需使用root身份运行，既然如此我们也就不必为其分配高权限。
如果上述监控资源对象中的某一项超过用户自定义的阈值，脚本会自动发送一封电子邮件，其中包含当前进程列表内容。
电子邮件的主题行如下所示：
代码：
- server.example.com [L: 35] [P: 237] [Swap Use: 1% ] [pps in: 54 pps out: 289]
下面我们一一解释其中的条目：
- L代表一分钟平均负载
- P代表当前进程列表中的进程数量
- Swap Usage代表虚拟内存使用百分比
- pps in代表每秒接收数据包数量
- pps out代表每秒发出数据包数量
脚本使用前的注意事项
重要事项：大家需要根据自己的理解来调整脚本中的数值。完美的默认值设定并不存在，因为不同的服务器环境在实际运行中所应遵循的标准也不一样。举例来说，拥有十六个CPU核心的服务器在一分钟平均负载方面肯定要高于只拥有一个CPU核心的服务器。
注意：大家需要将自己的电子邮箱地址添加到EMAIL变量当中，如下所示：
代码：
- EMAIL=you@example.com
以下五项也需要根据实际情况加以调整：
- MAX_LOAD
- MAX_SWAP_USED
- MAX_MEM_USED
- MAX_PPS_OUT
- MAX_PPS_IN
代码：
- #!/bin/sh
- export PATH=/bin:/usr/bin
- ##########################################################################
- # #
- # Copyright Jeff Petersen, 2009 - 2013 #
- # #
- # This program is free software: you can redistribute it and/or modify #
- # it under the terms of the GNU General Public License as published by #
- # the Free Software Foundation, either version 3 of the License, or #
- # (at your option) any later version. #
- # #
- # This program is distributed in the hope that it will be useful, #
- # but WITHOUT ANY WARRANTY; without even the implied warranty of #
- # MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE. See the #
- # GNU General Public License for more details. #
- # #
- # You should have received a copy of the GNU General Public License #
- # along with this program. If not, see <http://www.gnu.org/licenses/>. #
- # #
- ##########################################################################
- ###############################################################################
- # START USER CONFIGURABLE VARIABLES
- ###############################################################################
- EMAIL="[email protected]"
- # 1 minute load avg
- MAX_LOAD=3
- # kB
- MAX_SWAP_USED=1000
- # kB
- MAX_MEM_USED=500000
- # packets per second inbound
- MAX_PPS_IN=2000
- # packets per second outbound
- MAX_PPS_OUT=2000
- # max processes in the process list
- MAX_PROCS=400
- ###############################################################################
- # END USER CONFIGURABLE VARIABLES
- ###############################################################################
- IFACE=`grep ETHDEV /etc/wwwacct.conf | awk '{print $2}'`
- if [[ "$IFACE" =~ "venet" ]] ; then
- IFACE=venet0
- fi
- IFACE=${IFACE}:
- ###############################################################################
- # 1 min load avg
- ###############################################################################
- ONE_MIN_LOADAVG=`cut -d . -f 1 /proc/loadavg`
- echo "1 minute load avg: $ONE_MIN_LOADAVG"
- ###############################################################################
- # swap used
- ###############################################################################
- SWAP_TOTAL=`grep ^SwapTotal: /proc/meminfo | awk '{print $2}'`
- SWAP_FREE=`grep ^SwapFree: /proc/meminfo | awk '{print $2}'`
- let "SWAP_USED = (SWAP_TOTAL - SWAP_FREE)"
- echo "Swap used: $SWAP_USED kB"
- ###############################################################################
- # mem used
- ###############################################################################
- MEM_TOTAL=`grep ^MemTotal: /proc/meminfo | awk '{print $2}'`
- MEM_FREE=`grep ^MemFree: /proc/meminfo | awk '{print $2}'`
- let "MEM_USED = (MEM_TOTAL - MEM_FREE)"
- echo "Mem used: $MEM_USED kB"
- ###############################################################################
- # packets received
- ###############################################################################
- PACKETS_RX_1=`grep $IFACE /proc/net/dev | awk '{print $2}'`
- sleep 2;
- PACKETS_RX_2=`grep $IFACE /proc/net/dev | awk '{print $2}'`
- let "PACKETS_RX = (PACKETS_RX_2 - PACKETS_RX_1) / 2"
- echo "packets received (2 secs): $PACKETS_RX"
- ###############################################################################
- # packets sent
- ###############################################################################
- PACKETS_TX_1=`grep $IFACE /proc/net/dev | awk '{print $10}'`
- sleep 2;
- PACKETS_TX_2=`grep $IFACE /proc/net/dev | awk '{print $10}'`
- let "PACKETS_TX = (PACKETS_TX_2 - PACKETS_TX_1) / 2"
- echo "packets sent (2 secs): $PACKETS_TX"
- let "SWAP_USED = SWAP_TOTAL - SWAP_FREE"
- if [ ! "$SWAP_USED" == 0 ] ; then
- PERCENTAGE_SWAP_USED=`echo $SWAP_USED / $SWAP_TOTAL | bc -l`
- TOTAL_PERCENTAGE=`echo ${PERCENTAGE_SWAP_USED:1:2}%`
- else
- TOTAL_PERCENTAGE='0%'
- fi
- ###############################################################################
- # number of processes
- ###############################################################################
- MAX_PROCS_CHECK=`ps ax | wc -l`
- send_alert()
- {
- SUBJECTLINE="`hostname` [L: $ONE_MIN_LOADAVG] [P: $MAX_PROCS_CHECK] [Swap Use: $TOTAL_PERCENTAGE ] [pps in: $PACKETS_RX pps out: $PACKETS_TX]"
- ps auxwwwf | mail -s "$SUBJECTLINE" $EMAIL
- exit
- }
- if [ $ONE_MIN_LOADAVG -gt $MAX_LOAD ] ; then send_alert
- elif [ $SWAP_USED -gt $MAX_SWAP_USED ] ; then send_alert
- elif [ $MEM_USED -gt $MAX_MEM_USED ] ; then send_alert
- elif [ $PACKETS_RX -gt $MAX_PPS_IN ] ; then send_alert
- elif [ $PACKETS_TX -gt $MAX_PPS_OUT ] ; then send_alert
- elif [ $MAX_PROCS_CHECK -gt $MAX_PROCS ] ; then send_alert
- fi
需要注意的是，进程列表的输出内容中包含一些有用的数列，涉及各个进程的CPU与内存使用情况：
- %CPU
- %MEM
- VSZ
- RSS
- TIME (显示一个进程的存在时间)
我们可以通过多种方式剖析服务器负载高企的原因。下面我们列出几项常用方案--仅供参考，并不全面：
- 利用mysqladmin processlist (或者简写为'mysqladmin pr')检查MySQL进程列表
- 利用mytop检查MySQL进程列表
- 查阅日志文件。了解服务器自身的反馈意见也很重要。您的服务器是否遭遇暴力破解？
- 运行dmesg以检查可能存在的硬件故障
- 利用netstat查看服务器连接
下面则是值得关注的日志文件及其保存路径：
- 系统日志: /var/log/messages, /var/log/secure
- SMTP日志: /var/log/exim_mainlog, /var/log/exim_rejectlog, /var/log/exim_paniclog
- POP3/IMAP日志: /var/log/maillog
- Apache日志: /usr/local/apache/logs/access_log, /usr/local/apache/logs/error_log, /usr/local/apache/logs/suexec_log, /usr/local/apache/logs/suphp_log
- 网站日志: /usr/local/apache/domlogs/ (use this to find sites with traffic in the last 60 seconds: find -maxdepth 1 -type f -mmin -1 | egrep -v 'offset|_log$')
- Cron日志: /var/log/cron
大家也可以在评论栏中反馈您在工作中遇到的问题、对本篇文章的评论及其它任何希望与朋友们分享的信息。作为一篇独立的指导性文章，我们不可避免会存在遗漏或者疏忽，期待您提出宝贵意见、也希望大家能从中受到一点启发。
原文链接：
http://forums.cpanel.net/f34/troubleshooting-high-server-loads-linux-servers-319352.html