性能優(yōu)化

性能指標

高并發(fā)和響應快對應著性能優(yōu)化的兩個核心指標：吞吐和延時

應用負載角度：直接影響了產品終端的用戶體驗

系統(tǒng)資源角度：資源使用率、飽和度等

性能問題的本質就是系統(tǒng)資源已經到達瓶頸，但請求的處理還不夠快，無法支撐更多的請求。性能分析實際上就是找出應用或系統(tǒng)的瓶頸，設法去避免或緩解它們。

選擇指標評估應用程序和系統(tǒng)性能

為應用程序和系統(tǒng)設置性能目標

進行性能基準測試

性能分析定位瓶頸

性能監(jiān)控和告警

對于不同的性能問題要選取不同的性能分析工具。下面是常用的Linux Performance Tools以及對應分析的性能問題類型。

到底應該怎么理解”平均負載”

平均負載：單位時間內，系統(tǒng)處于可運行狀態(tài)和不可中斷狀態(tài)的平均進程數，也就是平均活躍進程數。它和我們傳統(tǒng)意義上理解的CPU使用率并沒有直接關系。 其中不可中斷進程是正處于內核態(tài)關鍵流程中的進程（如常見的等待設備的I/O響應）。不可中斷狀態(tài)實際上是系統(tǒng)對進程和硬件設備的一種保護機制。

平均負載多少時合理

實際生產環(huán)境中將系統(tǒng)的平均負載監(jiān)控起來，根據歷史數據判斷負載的變化趨勢。當負載存在明顯升高趨勢時，及時進行分析和調查。當然也可以當設置閾值（如當平均負載高于CPU數量的70%時） 現實工作中我們會經?；煜骄撦d和CPU使用率的概念，其實兩者并不完全對等：

CPU 密集型進程，大量 CPU 使用會導致平均負載升高，此時兩者一致

I/O 密集型進程，等待 I/O 也會導致平均負載升高，此時 CPU 使用率并不一定高

大量等待 CPU 的進程調度會導致平均負載升高，此時 CPU 使用率也會比較高

平均負載高時可能是 CPU 密集型進程導致，也可能是 I/O 繁忙導致。具體分析時可以結合 mpstat/pidstat 工具輔助分析負載來源。

CPU

CPU上下文切換(上)

CPU 上下文切換，就是把前一個任務的 CPU 上下文（CPU 寄存器和 PC）保存起來，然后加載新任務的上下文到這些寄存器和程序計數器，最后再跳轉到程序計數器所指的位置，運行新任務。其中，保存下來的上下文會存儲在系統(tǒng)內核中，待任務重新調度執(zhí)行時再加載，保證原來的任務狀態(tài)不受影響。

按照任務類型，CPU 上下文切換分為：

進程上下文切換

線程上下文切換

中斷上下文切換

進程上下文切換

Linux 進程按照等級權限將進程的運行空間分為內核空間和用戶空間。從用戶態(tài)向內核態(tài)轉變時需要通過系統(tǒng)調用來完成。

一次系統(tǒng)調用過程其實進行了兩次 CPU 上下文切換：

CPU 寄存器中用戶態(tài)的指令位置先保存起來，CPU 寄存器更新為內核態(tài)指令的位置，跳轉到內核態(tài)運行內核任務；

系統(tǒng)調用結束后，CPU 寄存器恢復原來保存的用戶態(tài)數據，再切換到用戶空間繼續(xù)運行。

系統(tǒng)調用過程中并不會涉及虛擬內存等進程用戶態(tài)資源，也不會切換進程。和傳統(tǒng)意義上的進程上下文切換不同。因此系統(tǒng)調用通常稱為特權模式切換。

進程是由內核管理和調度的，進程上下文切換只能發(fā)生在內核態(tài)。因此相比系統(tǒng)調用來說，在保存當前進程的內核狀態(tài)和CPU寄存器之前，需要先把該進程的虛擬內存，棧保存下來。再加載新進程的內核態(tài)后，還要刷新進程的虛擬內存和用戶棧。

進程只有在調度到CPU上運行時才需要切換上下文，有以下幾種場景：CPU時間片輪流分配，系統(tǒng)資源不足導致進程掛起，進程通過sleep函數主動掛起，高優(yōu)先級進程搶占時間片，硬件中斷時CPU上的進程被掛起轉而執(zhí)行內核中的中斷服務。

線程上下文切換

線程上下文切換分為兩種：

前后線程同屬于一個進程，切換時虛擬內存資源不變，只需要切換線程的私有數據，寄存器等；

前后線程屬于不同進程，與進程上下文切換相同。

同進程的線程切換消耗資源較少，這也是多線程的優(yōu)勢。

中斷上下文切換

中斷上下文切換并不涉及到進程的用戶態(tài)，因此中斷上下文只包括內核態(tài)中斷服務程序執(zhí)行所必須的狀態(tài)（CPU寄存器，內核堆棧，硬件中斷參數等）。

中斷處理優(yōu)先級比進程高，所以中斷上下文切換和進程上下文切換不會同時發(fā)生

CPU上下文切換(下)

通過 vmstat 可以查看系統(tǒng)總體的上下文切換情況

?

vmstat 5         #每隔5s輸出一組數據
procs -----------memory---------- ---swap-- -----io---- -system-- ------cpu-----
 r  b   swpd   free   buff  cache   si   so    bi    bo   in   cs us sy id wa st
 1  0      0 103388 145412 511056    0    0    18    60    1    1  2  1 96  0  0
 0  0      0 103388 145412 511076    0    0     0     2  450 1176  1  1 99  0  0
 0  0      0 103388 145412 511076    0    0     0     8  429 1135  1  1 98  0  0
 0  0      0 103388 145412 511076    0    0     0     0  431 1132  1  1 98  0  0
 0  0      0 103388 145412 511076    0    0     0    10  467 1195  1  1 98  0  0
 1  0      0 103388 145412 511076    0    0     0     2  426 1139  1  0 99  0  0
 4  0      0  95184 145412 511108    0    0     0    74  500 1228  4  1 94  0  0
 0  0      0 103512 145416 511076    0    0     0   455  723 1573 12  3 83  2  0

?

cs （context switch） 每秒上下文切換次數

in （interrupt） 每秒中斷次數

r （runnning or runnable）就緒隊列的長度，正在運行和等待CPU的進程數

b （Blocked） 處于不可中斷睡眠狀態(tài)的進程數

要查看每個進程的詳細情況，需要使用pidstat來查看每個進程上下文切換情況

?

pidstat -w 5
14時51分16秒   UID       PID   cswch/s nvcswch/s  Command
14時51分21秒     0         1      0.80      0.00  systemd
14時51分21秒     0         6      1.40      0.00  ksoftirqd/0
14時51分21秒     0         9     32.67      0.00  rcu_sched
14時51分21秒     0        11      0.40      0.00  watchdog/0
14時51分21秒     0        32      0.20      0.00  khugepaged
14時51分21秒     0       271      0.20      0.00  jbd2/vda1-8
14時51分21秒     0      1332      0.20      0.00  argusagent
14時51分21秒     0      5265     10.02      0.00  AliSecGuard
14時51分21秒     0      7439      7.82      0.00  kworker/0:2
14時51分21秒     0      7906      0.20      0.00  pidstat
14時51分21秒     0      8346      0.20      0.00  sshd
14時51分21秒     0     20654      9.82      0.00  AliYunDun
14時51分21秒     0     25766      0.20      0.00  kworker/u2:1
14時51分21秒     0     28603      1.00      0.00  python3

?

cswch 每秒自愿上下文切換次數（進程無法獲取所需資源導致的上下文切換）

nvcswch 每秒非自愿上下文切換次數（時間片輪流等系統(tǒng)強制調度）

?

vmstat 1 1    #新終端觀察上下文切換情況
此時發(fā)現cs數據明顯升高，同時觀察其他指標：
r列：遠超系統(tǒng)CPU個數，說明存在大量CPU競爭
us和sy列：sy列占比80%，說明CPU主要被內核占用
in列：中斷次數明顯上升，說明中斷處理也是潛在問題

說明運行/等待CPU的進程過多，導致大量的上下文切換，上下文切換導致系統(tǒng)的CPU占用率高

pidstat -w -u 1  #查看到底哪個進程導致的問題

?

從結果中看出是 sysbench 導致 CPU 使用率過高，但是 pidstat 輸出的上下文次數加起來也并不多。分析 sysbench 模擬的是線程的切換，因此需要在 pidstat 后加 -t 參數查看線程指標。

另外對于中斷次數過多，我們可以通過 /proc/interrupts 文件讀取

watch -d cat /proc/interrupts

?

發(fā)現次數變化速度最快的是重調度中斷（RES），該中斷用來喚醒空閑狀態(tài)的CPU來調度新的任務運行。分析還是因為過多任務的調度問題，和上下文切換分析一致。

某個應用的CPU使用率達到100%，怎么辦？

Linux作為多任務操作系統(tǒng)，將CPU時間劃分為很短的時間片，通過調度器輪流分配給各個任務使用。為了維護CPU時間，Linux通過事先定義的節(jié)拍率，觸發(fā)時間中斷，并使用全局變了jiffies記錄開機以來的節(jié)拍數。時間中斷發(fā)生一次該值+1.

CPU使用率，除了空閑時間以外的其他時間占總CPU時間的百分比。可以通過/proc/stat中的數據來計算出CPU使用率。因為/proc/stat時開機以來的節(jié)拍數累加值，計算出來的是開機以來的平均CPU使用率，一般意義不大?？梢蚤g隔取一段時間的兩次值作差來計算該段時間內的平均CPU使用率。性能分析工具給出的都是間隔一段時間的平均CPU使用率，要注意間隔時間的設置。

CPU使用率可以通過top 或 ps來查看。分析進程的CPU問題可以通過perf，它以性能事件采樣為基礎，不僅可以分析系統(tǒng)的各種事件和內核性能，還可以用來分析指定應用程序的性能問題。

perf top / perf record / perf report （-g 開啟調用關系的采樣）

?

sudo docker run --name nginx -p 10000:80 -itd feisky/nginx
sudo docker run --name phpfpm -itd --network container:nginx feisky/php-fpm


ab -c 10 -n 100 http://XXX.XXX.XXX.XXX:10000/ #測試Nginx服務性能

?

發(fā)現此時每秒可承受請求給長少，此時將測試的請求數從100增加到10000。在另外一個終端運行top查看每個CPU的使用率。發(fā)現系統(tǒng)中幾個php-fpm進程導致CPU使用率驟升。

接著用perf來分析具體是php-fpm中哪個函數導致該問題。

?

perf top -g -p XXXX #對某一個php-fpm進程進行分析

發(fā)現其中 sqrt 和 add_function 占用 CPU 過多， 此時查看源碼找到原來是sqrt中在發(fā)布前沒有刪除測試代碼段，存在一個百萬次的循環(huán)導致。將該無用代碼刪除后發(fā)現nginx負載能力明顯提升

?

系統(tǒng)的CPU使用率很高，為什么找不到高CPU的應用？

?

sudo docker run --name nginx -p 10000:80 -itd feisky/nginx:sp
sudo docker run --name phpfpm -itd --network container:nginx feisky/php-fpm:sp
ab -c 100 -n 1000 http://XXX.XXX.XXX.XXX:10000/ #并發(fā)100個請求測試

實驗結果中每秒請求數依舊不高，我們將并發(fā)請求數降為5后，nginx負載能力依舊很低。 此時用top和pidstat發(fā)現系統(tǒng)CPU使用率過高，但是并沒有發(fā)現CPU使用率高的進程。 出現這種情況一般時我們分析時遺漏的什么信息，重新運行top命令并觀察一會。發(fā)現就緒隊列中處于Running狀態(tài)的進行過多，超過了我們的并發(fā)請求次數5. 再仔細查看進程運行數據，發(fā)現nginx和php-fpm都處于sleep狀態(tài)，真正處于運行的卻是幾個stress進程。 下一步就利用pidstat分析這幾個stress進程，發(fā)現沒有任何輸出。用ps aux交叉驗證發(fā)現依舊不存在該進程。說明不是工具的問題。再top查看發(fā)現stress進程的進程號變化了，此時有可能時以下兩種原因導致：

?

進程不停的崩潰重啟（如段錯誤/配置錯誤等），此時進程退出后可能又被監(jiān)控系統(tǒng)重啟；

短時進程導致，即其他應用內部通過 exec 調用的外面命令，這些命令一般只運行很短時間就結束，很難用top這種間隔較長的工具來發(fā)現

可以通過pstree來查找 stress 的父進程，找出調用關系。

?

pstree | grep stress

?

發(fā)現是php-fpm調用的該子進程，此時去查看源碼可以看出每個請求都會調用一個stress命令來模擬I/O壓力。之前top顯示的結果是CPU使用率升高，是否真的是由該stress命令導致的，還需要繼續(xù)分析。代碼中給每個請求加了verbose=1的參數后可以查看stress命令的輸出，在中斷測試該命令結果顯示stress命令運行時存在因權限問題導致的文件創(chuàng)建失敗的bug。

此時依舊只是猜測，下一步繼續(xù)通過perf工具來分析。性能報告顯示確實時stress占用了大量的CPU，通過修復權限問題來優(yōu)化解決即可。

系統(tǒng)中出現大量不可中斷進程和僵尸進程怎么辦？

進程狀態(tài)

R Running/Runnable，表示進程在CPU的就緒隊列中，正在運行或者等待運行；
D Disk Sleep，不可中斷狀態(tài)睡眠，一般表示進程正在跟硬件交互，并且交互過程中不允許被其他進程中斷；
Z Zombie，僵尸進程，表示進程實際上已經結束，但是父進程還沒有回收它的資源；
S Interruptible Sleep，可中斷睡眠狀態(tài)，表示進程因為等待某個事件而被系統(tǒng)掛起，當等待事件發(fā)生則會被喚醒并進入R狀態(tài)；
I Idle，空閑狀態(tài)，用在不可中斷睡眠的內核線程上。該狀態(tài)不會導致平均負載升高；
T Stop/Traced，表示進程處于暫?；蚋櫊顟B(tài)（SIGSTOP/SIGCONT， GDB調試）；
X Dead，進程已經消亡，不會在top/ps中看到。

對于不可中斷狀態(tài)，一般都是在很短時間內結束，可忽略。但是如果系統(tǒng)或硬件發(fā)生故障，進程可能會保持不可中斷狀態(tài)很久，甚至系統(tǒng)中出現大量不可中斷狀態(tài)，此時需注意是否出現了I/O性能問題。

僵尸進程一般多進程應用容易遇到，父進程來不及處理子進程狀態(tài)時子進程就提前退出，此時子進程就變成了僵尸進程。大量的僵尸進程會用盡PID進程號，導致新進程無法建立。

磁盤O_DIRECT問題

?

sudo docker run --privileged --name=app -itd feisky/app:iowait
ps aux | grep '/app'

可以看到此時有多個app進程運行，狀態(tài)分別時Ss+和D+。其中后面s表示進程是一個會話的領導進程，+號表示前臺進程組。 其中進程組表示一組相互關聯的進程，子進程是父進程所在組的組員。會話指共享同一個控制終端的一個或多個進程組。 用top查看系統(tǒng)資源發(fā)現：1）平均負載在逐漸增加，且1分鐘內平均負載達到了CPU個數，說明系統(tǒng)可能已經有了性能瓶頸；2）僵尸進程比較多且在不停增加；3）us和sys CPU使用率都不高，iowait卻比較高；4）每個進程CPU使用率也不高，但有兩個進程處于D狀態(tài)，可能在等待IO。 分析目前數據可知：iowait過高導致系統(tǒng)平均負載升高，僵尸進程不斷增長說明有程序沒能正確清理子進程資源。 用dstat來分析，因為它可以同時查看CPU和I/O兩種資源的使用情況，便于對比分析。

dstat 1 10    #間隔1秒輸出10組數據

可以看到當wai（iowait）升高時磁盤請求read都會很大，說明iowait的升高和磁盤的讀請求有關。接下來分析到底時哪個進程在讀磁盤。

?

之前 Top 查看的處于 D 狀態(tài)的進程號，用 pidstat -d -p XXX 展示進程的 I/O 統(tǒng)計數據。發(fā)現處于 D 狀態(tài)的進程都沒有任何讀寫操作。在用 pidstat -d 查看所有進程的 I/O統(tǒng)計數據，看到 app 進程在進行磁盤讀操作，每秒讀取 32MB 的數據。進程訪問磁盤必須使用系統(tǒng)調用處于內核態(tài)，接下來重點就是找到app進程的系統(tǒng)調用。

?

sudo strace -p XXX #對app進程調用進行跟蹤

報錯沒有權限，因為已經時 root 權限了。所以遇到這種情況，首先要檢查進程狀態(tài)是否正常。ps 命令查找該進程已經處于Z狀態(tài)，即僵尸進程。 這種情況下top pidstat之類的工具無法給出更多的信息，此時像第5篇一樣，用 perf record -d和 perf report 進行分析，查看app進程調用棧。 看到 app 確實在通過系統(tǒng)調用 sys_read() 讀取數據，并且從 new_sync_read和 blkdev_direct_IO看出進程時進行直接讀操作，請求直接從磁盤讀，沒有通過緩存導致iowait升高。 通過層層分析后，root cause 是 app 內部進行了磁盤的直接I/O。然后定位到具體代碼位置進行優(yōu)化即可。

?

僵尸進程

上述優(yōu)化后 iowait 顯著下降，但是僵尸進程數量仍舊在增加。首先要定位僵尸進程的父進程，通過pstree -aps XXX，打印出該僵尸進程的調用樹，發(fā)現父進程就是app進程。 查看app代碼，看看子進程結束的處理是否正確（是否調用wait()/waitpid()，有沒有注冊SIGCHILD信號的處理函數等）。 碰到iowait升高時，先用dstat pidstat等工具確認是否存在磁盤I/O問題，再找是哪些進程導致I/O，不能用strace直接分析進程調用時可以通過perf工具分析。 對于僵尸問題，用pstree找到父進程，然后看源碼檢查子進程結束的處理邏輯即可。

CPU性能指標

CPU使用率

用戶CPU使用率, 包括用戶態(tài)(user)和低優(yōu)先級用戶態(tài)(nice). 該指標過高說明應用程序比較繁忙.

系統(tǒng)CPU使用率, CPU在內核態(tài)運行的時間百分比(不含中斷). 該指標高說明內核比較繁忙.

等待I/O的CPU使用率, iowait, 該指標高說明系統(tǒng)與硬件設備I/O交互時間比較長.

軟/硬中斷CPU使用率, 該指標高說明系統(tǒng)中發(fā)生大量中斷.

steal CPU / guest CPU, 表示虛擬機占用的CPU百分比.

平均負載

理想情況下平均負載等于邏輯CPU個數,表示每個CPU都被充分利用. 若大于則說明系統(tǒng)負載較重.

進程上下文切換

包括無法獲取資源的自愿切換和系統(tǒng)強制調度時的非自愿切換. 上下文切換本身是保證Linux正常運行的一項核心功能. 過多的切換則會將原本運行進程的CPU時間消耗在寄存器,內核占及虛擬內存等數據保存和恢復上

CPU緩存命中率

CPU緩存的復用情況,命中率越高性能越好. 其中L1/L2常用在單核,L3則用在多核中

性能工具

平均負載案例

先用uptime查看系統(tǒng)平均負載

判斷負載在升高后再用mpstat和pidstat分別查看每個CPU和每個進程CPU使用情況.找出導致平均負載較高的進程.

上下文切換案例

先用vmstat查看系統(tǒng)上下文切換和中斷次數

再用pidstat觀察進程的自愿和非自愿上下文切換情況

最后通過pidstat觀察線程的上下文切換情況

進程CPU使用率高案例

先用top查看系統(tǒng)和進程的CPU使用情況,定位到進程

再用perf top觀察進程調用鏈,定位到具體函數

系統(tǒng)CPU使用率高案例

先用top查看系統(tǒng)和進程的CPU使用情況,top/pidstat都無法找到CPU使用率高的進程

重新審視top輸出

從CPU使用率不高,但是處于Running狀態(tài)的進程入手

perf record/report發(fā)現短時進程導致 (execsnoop工具)

不可中斷和僵尸進程案例

先用top觀察iowait升高,發(fā)現大量不可中斷和僵尸進程

strace無法跟蹤進程系統(tǒng)調用

perf分析調用鏈發(fā)現根源來自磁盤直接I/O

軟中斷案例

top觀察系統(tǒng)軟中斷CPU使用率高

查看/proc/softirqs找到變化速率較快的幾種軟中斷

sar命令發(fā)現是網絡小包問題

tcpdump找出網絡幀的類型和來源，確定SYN FLOOD攻擊導致

根據不同的性能指標來找合適的工具：

先運行幾個支持指標較多的工具，如 top/vmstat/pidstat，根據它們的輸出可以得出是哪種類型的性能問題。定位到進程后再用 strace/perf 分析調用情況進一步分析。如果是軟中斷導致用 /proc/softirqs

CPU優(yōu)化

應用程序優(yōu)化

編譯器優(yōu)化：編譯階段開啟優(yōu)化選項，如gcc -O2

算法優(yōu)化

異步處理：避免程序因為等待某個資源而一直阻塞，提升程序的并發(fā)處理能力。(將輪詢替換為事件通知)

多線程代替多進程：減少上下文切換成本

善用緩存：加快程序處理速度

系統(tǒng)優(yōu)化

CPU綁定：將進程綁定要1個/多個CPU上，提高CPU緩存命中率，減少CPU調度帶來的上下文切換

CPU獨占：CPU親和性機制來分配進程

優(yōu)先級調整：使用nice適當降低非核心應用的優(yōu)先級

為進程設置資源顯示: cgroups設置使用上限，防止由某個應用自身問題耗盡系統(tǒng)資源

NUMA優(yōu)化: CPU盡可能訪問本地內存

中斷負載均衡: irpbalance，將中斷處理過程自動負載均衡到各個CPU上

TPS、QPS、系統(tǒng)吞吐量的區(qū)別和理解

QPS（TPS）

并發(fā)數

響應時間

QPS（TPS）=并發(fā)數/平均相應時間

用戶請求服務器

服務器內部處理

服務器返回給客戶
QPS 類似 TPS，但是對于一個頁面的訪問形成一個 TPS，但是一次頁面請求可能包含多次對服務器的請求，可能計入多次 QPS

QPS（Queries Per Second）每秒查詢率，一臺服務器每秒能夠響應的查詢次數.

TPS（Transactions Per Second）每秒事務數，軟件測試的結果.

系統(tǒng)吞吐量，包括幾個重要參數：

內存

Linux內存是怎么工作的

內存映射

大多數計算機用的主存都是動態(tài)隨機訪問內存(DRAM)，只有內核才可以直接訪問物理內存。Linux內核給每個進程提供了一個獨立的虛擬地址空間，并且這個地址空間是連續(xù)的。這樣進程就可以很方便的訪問內存(虛擬內存)。 虛擬地址空間的內部分為內核空間和用戶空間兩部分，不同字長的處理器地址空間的范圍不同。32位系統(tǒng)內核空間占用1G，用戶空間占3G。64位系統(tǒng)內核空間和用戶空間都是128T，分別占內存空間的最高和最低處，中間部分為未定義。 并不是所有的虛擬內存都會分配物理內存，只有實際使用的才會。分配后的物理內存通過內存映射管理。為了完成內存映射，內核為每個進程都維護了一個頁表，記錄虛擬地址和物理地址的映射關系。頁表實際存儲在CPU的內存管理單元MMU中，處理器可以直接通過硬件找出要訪問的內存。 當進程訪問的虛擬地址在頁表中查不到時，系統(tǒng)會產生一個缺頁異常，進入內核空間分配物理內存，更新進程頁表，再返回用戶空間恢復進程的運行。 MMU以頁為單位管理內存，頁大小4KB。為了解決頁表項過多問題Linux提供了多級頁表和HugePage的機制。

虛擬內存空間分布

用戶空間內存從低到高是五種不同的內存段：

只讀段 代碼和常量等

數據段 全局變量等

堆 動態(tài)分配的內存，從低地址開始向上增長

文件映射 動態(tài)庫、共享內存等，從高地址開始向下增長

棧 包括局部變量和函數調用的上下文等，棧的大小是固定的。一般8MB

內存分配與回收

分配

malloc 對應到系統(tǒng)調用上有兩種實現方式：

brk() 針對小塊內存(<128K)，通過移動堆頂位置來分配。

內存釋放后不立即歸還內存，而是被緩存起來。

mmap()針對大塊內存(>128K)，直接用內存映射來分配，即在文件映射段找一塊空閑內存分配。

前者的緩存可以減少缺頁異常的發(fā)生，提高內存訪問效率。但是由于內存沒有歸還系統(tǒng)，在內存工作繁忙時，頻繁的內存分配/釋放會造成內存碎片。

后者在釋放時直接歸還系統(tǒng)，所以每次mmap都會發(fā)生缺頁異常。

在內存工作繁忙時，頻繁內存分配會導致大量缺頁異常，使內核管理負擔增加。

上述兩種調用并沒有真正分配內存，這些內存只有在首次訪問時，才通過缺頁異常進入內核中，由內核來分配

回收

內存緊張時，系統(tǒng)通過以下方式來回收內存：

回收緩存：LRU算法回收最近最少使用的內存頁面；

回收不常訪問內存：把不常用的內存通過交換分區(qū)寫入磁盤

殺死進程：OOM內核保護機制（進程消耗內存越大 oom_score 越大，占用 CPU 越多 oom_score 越小，可以通過 /proc 手動調整 oom_adj）

?

echo -16 > /proc/$(pidof XXX)/oom_adj

?

如何查看內存使用情況

free來查看整個系統(tǒng)的內存使用情況

top/ps來查看某個進程的內存使用情況

VIRT 進程的虛擬內存大小

RES 常駐內存的大小，即進程實際使用的物理內存大小，不包括swap和共享內存

SHR 共享內存大小，與其他進程共享的內存，加載的動態(tài)鏈接庫以及程序代碼段

%MEM 進程使用物理內存占系統(tǒng)總內存的百分比

怎樣理解內存中的Buffer和Cache？

buffer是對磁盤數據的緩存，cache是對文件數據的緩存，它們既會用在讀請求也會用在寫請求中

如何利用系統(tǒng)緩存優(yōu)化程序的運行效率

緩存命中率

緩存命中率是指直接通過緩存獲取數據的請求次數，占所有請求次數的百分比。命中率越高說明緩存帶來的收益越高，應用程序的性能也就越好。 安裝bcc包后可以通過cachestat和cachetop來監(jiān)測緩存的讀寫命中情況。 安裝pcstat后可以查看文件在內存中的緩存大小以及緩存比例

#首先安裝Go
export GOPATH=~/go
export PATH=~/go/bin:$PATH
go get golang.org/x/sys/unix
go ge github.com/tobert/pcstat/pcstat

?

dd緩存加速

?

dd if=/dev/sda1 of=file bs=1M count=512 #生產一個512MB的臨時文件
echo 3 > /proc/sys/vm/drop_caches #清理緩存
pcstat file #確定剛才生成文件不在系統(tǒng)緩存中，此時cached和percent都是0
cachetop 5
dd if=file of=/dev/null bs=1M #測試文件讀取速度
#此時文件讀取性能為30+MB/s，查看cachetop結果發(fā)現并不是所有的讀都落在磁盤上，讀緩存命中率只有50%。
dd if=file of=/dev/null bs=1M #重復上述讀文件測試
#此時文件讀取性能為4+GB/s，讀緩存命中率為100%
pcstat file #查看文件file的緩存情況，100%全部緩存

?

O_DIRECT選項繞過系統(tǒng)緩存

?

cachetop 5
sudo docker run --privileged --name=app -itd feisky/app:io-direct
sudo docker logs app #確認案例啟動成功
#實驗結果表明每讀32MB數據都要花0.9s，且cachetop輸出中顯示1024次緩存全部命中

但是憑感覺可知如果緩存命中讀速度不應如此慢，讀次數時1024，頁大小為4K，五秒的時間內讀取了1024*4KB數據，即每秒0.8MB，和結果中32MB相差較大。說明該案例沒有充分利用緩存，懷疑系統(tǒng)調用設置了直接I/O標志繞過系統(tǒng)緩存。因此接下來觀察系統(tǒng)調用。

strace -p $(pgrep app)
#strace 結果可以看到openat打開磁盤分區(qū)/dev/sdb1，傳入參數為O_RDONLY|O_DIRECT

這就解釋了為什么讀32MB數據那么慢，直接從磁盤讀寫肯定遠遠慢于緩存。找出問題后我們再看案例的源代碼發(fā)現flags中指定了直接IO標志。刪除該選項后重跑，驗證性能變化。

?

內存泄漏，如何定位和處理？

對應用程序來說，動態(tài)內存的分配和回收是核心又復雜的一個邏輯功能模塊。管理內存的過程中會發(fā)生各種各樣的“事故”：

沒正確回收分配的內存，導致了泄漏

訪問的是已分配內存邊界外的地址，導致程序異常退出

內存的分配與回收

虛擬內存分布從低到高分別是只讀段，數據段，堆，內存映射段，棧五部分。其中會導致內存泄漏的是：

堆：由應用程序自己來分配和管理，除非程序退出這些堆內存不會被系統(tǒng)自動釋放。

內存映射段：包括動態(tài)鏈接庫和共享內存，其中共享內存由程序自動分配和管理

內存泄漏的危害比較大，這些忘記釋放的內存，不僅應用程序自己不能訪問，系統(tǒng)也不能把它們再次分配給其他應用。內存泄漏不斷累積甚至會耗盡系統(tǒng)內存。

如何檢測內存泄漏

預先安裝systat，docker，bcc

?

sudo docker run --name=app -itd feisky/app:mem-leak
sudo docker logs app
vmstat 3

可以看到free在不斷下降，buffer和cache基本保持不變。說明系統(tǒng)的內存一致在升高。但并不能說明存在內存泄漏。此時可以通過memleak工具來跟蹤系統(tǒng)或進程的內存分配/釋放請求

/usr/share/bcc/tools/memleak -a -p $(pidof app)

?

從 memleak 輸出可以看到，應用在不停地分配內存，并且這些分配的地址并沒有被回收。通過調用?？吹绞?fibonacci 函數分配的內存沒有釋放。定位到源碼后查看源碼來修復增加內存釋放函數即可。

為什么系統(tǒng)的 Swap 變高

系統(tǒng)內存資源緊張時通過內存回收和OOM殺死進程來解決。其中可回收內存包括：

緩存/緩沖區(qū)，屬于可回收資源，在文件管理中通常叫做文件頁

在應用程序中通過fsync將臟頁同步到磁盤

交給系統(tǒng)，內核線程pdflush負責這些臟頁的刷新

被應用程序修改過暫時沒寫入磁盤的數據(臟頁)，要先寫入磁盤然后才能內存釋放

內存映射獲取的文件映射頁，也可以被釋放掉，下次訪問時從文件重新讀取

對于程序自動分配的堆內存，也就是我們在內存管理中的匿名頁，雖然這些內存不能直接釋放，但是 Linux 提供了 Swap 機制將不常訪問的內存寫入到磁盤來釋放內存，再次訪問時從磁盤讀取到內存即可。

Swap原理

Swap本質就是把一塊磁盤空間或者一個本地文件當作內存來使用，包括換入和換出兩個過程：

換出：將進程暫時不用的內存數據存儲到磁盤中，并釋放這些內存

換入：進程再次訪問內存時，將它們從磁盤讀到內存中

Linux如何衡量內存資源是否緊張？

直接內存回收新的大塊內存分配請求，但剩余內存不足。

此時系統(tǒng)會回收一部分內存；

kswapd0 內核線程定期回收內存。

為了衡量內存使用情況，定義了pages_min，pages_low，pages_high 三個閾值，并根據其來進行內存的回收操作。

剩余內存 < pages_min，進程可用內存耗盡了，只有內核才可以分配內存

pages_min < 剩余內存 < pages_low,內存壓力較大，kswapd0執(zhí)行內存回收，直到剩余內存 > pages_high

pages_low < 剩余內存 < pages_high，內存有一定壓力，但可以滿足新內存請求

剩余內存 > pages_high，說明剩余內存較多，無內存壓力
pages_low = pages_min 5 / 4 pages_high = pages_min 3 / 2

NUMA 與 SWAP

很多情況下系統(tǒng)剩余內存較多，但 SWAP 依舊升高，這是由于處理器的 NUMA 架構。 在NUMA架構下多個處理器劃分到不同的 Node，每個Node都擁有自己的本地內存空間。在分析內存的使用時應該針對每個Node單獨分析

numactl --hardware #查看處理器在Node的分布情況，以及每個Node的內存使用情況

內存三個閾值可以通過 /proc/zoneinfo 來查看，該文件中還包括活躍和非活躍的匿名頁/文件頁數。 當某個Node內存不足時，系統(tǒng)可以從其他Node尋找空閑資源，也可以從本地內存中回收內存。通過/proc/sys/vm/zone_raclaim_mode來調整。

?

0表示既可以從其他Node尋找空閑資源，也可以從本地回收內存

1，2，4 表示只回收本地內存，2表示可以會回臟數據回收內存，4表示可以用Swap方式回收內存。

swappiness

在實際回收過程中Linux根據 /proc/sys/vm/swapiness 選項來調整使用Swap的積極程度，從 0-100，數值越大越積極使用 Swap，即更傾向于回收匿名頁；數值越小越消極使用 Swap，即更傾向于回收文件頁。 注意：這只是調整 Swap 積極程度的權重，即使設置為0，當剩余內存+文件頁小于頁高閾值時，還是會發(fā)生 Swap。

Swap升高時如何定位分析

?

free #首先通過free查看swap使用情況，若swap=0表示未配置Swap
#先創(chuàng)建并開啟swap
fallocate -l 8G /mnt/swapfile
chmod 600 /mnt/swapfile
mkswap /mnt/swapfile
swapon /mnt/swapfile


free #再次執(zhí)行free確保Swap配置成功


dd if=/dev/sda1 of=/dev/null bs=1G count=2048 #模擬大文件讀取
sar -r -S 1  #查看內存各個指標變化 -r內存 -S swap
#根據結果可以看出，%memused在不斷增長，剩余內存kbmemfress不斷減少，緩沖區(qū)kbbuffers不斷增大，由此可知剩余內存不斷分配給了緩沖區(qū)
#一段時間之后，剩余內存很小，而緩沖區(qū)占用了大部分內存。此時Swap使用之間增大，緩沖區(qū)和剩余內存只在小范圍波動


停下sar命令
cachetop5 #觀察緩存
#可以看到dd進程讀寫只有50%的命中率，未命中數為4w+頁，說明正式dd進程導致緩沖區(qū)使用升高
watch -d grep -A 15 ‘Normal’ /proc/zoneinfo #觀察內存指標變化
#發(fā)現升級內存在一個小范圍不停的波動，低于頁低閾值時會突然增大到一個大于頁高閾值的值

說明剩余內存和緩沖區(qū)的波動變化正是由于內存回收和緩存再次分配的循環(huán)往復。有時候 Swap 用的多，有時候緩沖區(qū)波動更多。此時查看 swappiness 值為60，是一個相對中和的配置，系統(tǒng)會根據實際運行情況來選去合適的回收類型。

?

如何“快準狠”找到系統(tǒng)內存存在的問題

內存性能指標

系統(tǒng)內存指標

已用內存/剩余內存

共享內存 （tmpfs實現）

可用內存：包括剩余內存和可回收內存

緩存：磁盤讀取文件的頁緩存，slab分配器中的可回收部分

緩沖區(qū)：原始磁盤塊的臨時存儲，緩存將要寫入磁盤的數據

進程內存指標

虛擬內存：5大部分

常駐內存：進程實際使用的物理內存，不包括Swap和共享內存

共享內存：與其他進程共享的內存，以及動態(tài)鏈接庫和程序的代碼段

Swap 內存：通過Swap換出到磁盤的內存

缺頁異常

可以直接從物理內存中分配，次缺頁異常

需要磁盤 IO 介入（如 Swap），主缺頁異常。此時內存訪問會慢很多

內存性能工具

根據不同的性能指標來找合適的工具：

內存分析工具包含的性能指標：

如何迅速分析內存的性能瓶頸

通常先運行幾個覆蓋面比較大的性能工具，如 free，top，vmstat，pidstat 等

先用 free 和 top 查看系統(tǒng)整體內存使用情況

再用 vmstat 和 pidstat，查看一段時間的趨勢，從而判斷內存問題的類型

最后進行詳細分析，比如內存分配分析，緩存/緩沖區(qū)分析，具體進程的內存使用分析等

常見的優(yōu)化思路：

最好禁止 Swap，若必須開啟則盡量降低 swappiness 的值

減少內存的動態(tài)分配，如可以用內存池，HugePage 等

盡量使用緩存和緩沖區(qū)來訪問數據。如用堆棧明確聲明內存空間來存儲需要緩存的數據，或者用 Redis 外部緩存組件來優(yōu)化數據的訪問

cgroups 等方式來限制進程的內存使用情況，確保系統(tǒng)內存不被異常進程耗盡

/proc/pid/oom_adj 調整核心應用的 oom_score，保證即使內存緊張核心應用也不會被OOM殺死

vmstat 使用詳解

vmstat 命令是最常見的 Linux/Unix 監(jiān)控工具，可以展現給定時間間隔的服務器的狀態(tài)值，包括服務器的 CPU 使用率，內存使用，虛擬內存交換情況，IO讀寫情況。可以看到整個機器的 CPU，內存，IO 的使用情況，而不是單單看到各個進程的 CPU 使用率和內存使用率（使用場景不一樣）。

?

vmstat 2
procs -----------memory---------- ---swap-- -----io---- -system-- ------cpu-----
 r  b   swpd   free   buff  cache   si   so    bi    bo   in   cs us sy id wa st
 1  0      0 1379064 282244 11537528    0    0     3   104    0    0  3  0 97  0  0
 0  0      0 1372716 282244 11537544    0    0     0    24 4893 8947  1  0 98  0  0
 0  0      0 1373404 282248 11537544    0    0     0    96 5105 9278  2  0 98  0  0
 0  0      0 1374168 282248 11537556    0    0     0     0 5001 9208  1  0 99  0  0
 0  0      0 1376948 282248 11537564    0    0     0    80 5176 9388  2  0 98  0  0
 0  0      0 1379356 282256 11537580    0    0     0   202 5474 9519  2  0 98  0  0
 1  0      0 1368376 282256 11543696    0    0     0     0 5894 8940 12  0 88  0  0
 1  0      0 1371936 282256 11539240    0    0     0 10554 6176 9481 14  1 85  1  0
 1  0      0 1366184 282260 11542292    0    0     0  7456 6102 9983  7  1 91  0  0
 1  0      0 1353040 282260 11556176    0    0     0 16924 7233 9578 18  1 80  1  0
 0  0      0 1359432 282260 11549124    0    0     0 12576 5495 9271  7  0 92  1  0
 0  0      0 1361744 282264 11549132    0    0     0    58 8606 15079  4  2 95  0  0
 1  0      0 1367120 282264 11549140    0    0     0     2 5716 9205  8  0 92  0  0
 0  0      0 1346580 282264 11562644    0    0     0    70 6416 9944 12  0 88  0  0
 0  0      0 1359164 282264 11550108    0    0     0  2922 4941 8969  3  0 97  0  0
 1  0      0 1353992 282264 11557044    0    0     0     0 6023 8917 15  0 84  0  0


# 結果說明
- r 表示運行隊列(就是說多少個進程真的分配到CPU)，我測試的服務器目前CPU比較空閑，沒什么程序在跑，當這個值超過了CPU數目，就會出現CPU瓶頸了。這個也和top的負載有關系，一般負載超過了3就比較高，超過了5就高，超過了10就不正常了，服務器的狀態(tài)很危險。top的負載類似每秒的運行隊列。如果運行隊列過大，表示你的CPU很繁忙，一般會造成CPU使用率很高。


- b 表示阻塞的進程,這個不多說，進程阻塞，大家懂的。


- swpd 虛擬內存已使用的大小，如果大于0，表示你的機器物理內存不足了，如果不是程序內存泄露的原因，那么你該升級內存了或者把耗內存的任務遷移到其他機器。


- free   空閑的物理內存的大小，我的機器內存總共8G，剩余3415M。


- buff   Linux/Unix系統(tǒng)是用來存儲，目錄里面有什么內容，權限等的緩存，我本機大概占用300多M


- cache cache直接用來記憶我們打開的文件,給文件做緩沖，我本機大概占用300多M(這里是Linux/Unix的聰明之處，把空閑的物理內存的一部分拿來做文件和目錄的緩存，是為了提高 程序執(zhí)行的性能，當程序使用內存時，buffer/cached會很快地被使用。)


- si  每秒從磁盤讀入虛擬內存的大小，如果這個值大于0，表示物理內存不夠用或者內存泄露了，要查找耗內存進程解決掉。我的機器內存充裕，一切正常。


- so  每秒虛擬內存寫入磁盤的大小，如果這個值大于0，同上。


- bi  塊設備每秒接收的塊數量，這里的塊設備是指系統(tǒng)上所有的磁盤和其他塊設備，默認塊大小是1024byte，我本機上沒什么IO操作，所以一直是0，但是我曾在處理拷貝大量數據(2-3T)的機器上看過可以達到140000/s，磁盤寫入速度差不多140M每秒


- bo 塊設備每秒發(fā)送的塊數量，例如我們讀取文件，bo就要大于0。bi和bo一般都要接近0，不然就是IO過于頻繁，需要調整。


- in 每秒CPU的中斷次數，包括時間中斷


- cs 每秒上下文切換次數，例如我們調用系統(tǒng)函數，就要進行上下文切換，線程的切換，也要進程上下文切換，這個值要越小越好，太大了，要考慮調低線程或者進程的數目,例如在apache和nginx這種web服務器中，我們一般做性能測試時會進行幾千并發(fā)甚至幾萬并發(fā)的測試，選擇web服務器的進程可以由進程或者線程的峰值一直下調，壓測，直到cs到一個比較小的值，這個進程和線程數就是比較合適的值了。系統(tǒng)調用也是，每次調用系統(tǒng)函數，我們的代碼就會進入內核空間，導致上下文切換，這個是很耗資源，也要盡量避免頻繁調用系統(tǒng)函數。上下文切換次數過多表示你的CPU大部分浪費在上下文切換，導致CPU干正經事的時間少了，CPU沒有充分利用，是不可取的。


- us 用戶CPU時間，我曾經在一個做加密解密很頻繁的服務器上，可以看到us接近100,r運行隊列達到80(機器在做壓力測試，性能表現不佳)。


- sy 系統(tǒng)CPU時間，如果太高，表示系統(tǒng)調用時間長，例如是IO操作頻繁。


- id 空閑CPU時間，一般來說，id + us + sy = 100,一般我認為id是空閑CPU使用率，us是用戶CPU使用率，sy是系統(tǒng)CPU使用率。


- wt 等待IO CPU時間

?

pidstat 使用詳解

pidstat 主要用于監(jiān)控全部或指定進程占用系統(tǒng)資源的情況，如CPU，內存、設備IO、任務切換、線程等。

使用方法：

pidstat –d interval times 統(tǒng)計各個進程的IO使用情況

pidstat –u interval times 統(tǒng)計各個進程的CPU統(tǒng)計信息

pidstat –r interval times 統(tǒng)計各個進程的內存使用信息

pidstat -w interval times 統(tǒng)計各個進程的上下文切換

p PID 指定PID

1、統(tǒng)計 IO 使用情況

?

pidstat -d 1 10


0302 PM   UID       PID   kB_rd/s   kB_wr/s kB_ccwr/s  Command
0303 PM     0       816      0.00    918.81      0.00  jbd2/vda1-8
0303 PM     0      1007      0.00      3.96      0.00  AliYunDun
0303 PM   997      7326      0.00   1904.95    918.81  java
0303 PM   997      8539      0.00      3.96      0.00  java
0303 PM     0     16066      0.00     35.64      0.00  cmagent


0303 PM   UID       PID   kB_rd/s   kB_wr/s kB_ccwr/s  Command
0304 PM     0       816      0.00   1924.00      0.00  jbd2/vda1-8
0304 PM   997      7326      0.00  11156.00   1888.00  java
0304 PM   997      8539      0.00      4.00      0.00  java

?

UID

PID

kB_rd/s：每秒進程從磁盤讀取的數據量 KB 單位 read from disk each second KB

kB_wr/s：每秒進程向磁盤寫的數據量 KB 單位 write to disk each second KB

kB_ccwr/s：每秒進程向磁盤寫入，但是被取消的數據量，This may occur when the task truncates some dirty pagecache.

iodelay：Block I/O delay，measured in clock ticks

Command：進程名 task name

2、統(tǒng)計 CPU 使用情況

?

# 統(tǒng)計CPU
pidstat -u 1 10
0333 PM   UID       PID    %usr %system  %guest    %CPU   CPU  Command
0334 PM     0      2321    3.96    0.00    0.00    3.96     0  ansible
0334 PM     0      7110    0.00    0.99    0.00    0.99     4  pidstat
0334 PM   997      8539    0.99    0.00    0.00    0.99     5  java
0334 PM   984     15517    0.99    0.00    0.00    0.99     5  java
0334 PM     0     24406    0.99    0.00    0.00    0.99     5  java
0334 PM     0     32158    3.96    0.00    0.00    3.96     2  ansible

?

UID

PID

%usr: 進程在用戶空間占用 cpu 的百分比

%system: 進程在內核空間占用 CPU 百分比

%guest: 進程在虛擬機占用 CPU 百分比

%wait: 進程等待運行的百分比

%CPU: 進程占用 CPU 百分比

CPU: 處理進程的 CPU 編號

Command: 進程名

3、統(tǒng)計內存使用情況

?

# 統(tǒng)計內存
pidstat -r 1 10
Average:      UID       PID  minflt/s  majflt/s     VSZ    RSS   %MEM  Command
Average:        0         1      0.20      0.00  191256   3064   0.01  systemd
Average:        0      1007      1.30      0.00  143256  22720   0.07  AliYunDun
Average:        0      6642      0.10      0.00 6301904 107680   0.33  java
Average:      997      7326     10.89      0.00 13468904 8395848  26.04  java
Average:        0      7795    348.15      0.00  108376   1233   0.00  pidstat
Average:      997      8539      0.50      0.00 8242256 2062228   6.40  java
Average:      987      9518      0.20      0.00 6300944 1242924   3.85  java
Average:        0     10280      3.70      0.00  807372   8344   0.03  aliyun-service
Average:      984     15517      0.40      0.00 6386464 1464572   4.54  java
Average:        0     16066    236.46      0.00 2678332  71020   0.22  cmagent
Average:      995     20955      0.30      0.00 6312520 1408040   4.37  java
Average:      995     20956      0.20      0.00 6093764 1505028   4.67  java
Average:        0     23936      0.10      0.00 5302416 110804   0.34  java
Average:        0     24406      0.70      0.00 10211672 2361304   7.32  java
Average:        0     26870      1.40      0.00 1470212  36084   0.11  promtail

?

UID

PID

Minflt/s : 每秒次缺頁錯誤次數 （minor page faults），虛擬內存地址映射成物理內存地址產生的 page fault 次數

Majflt/s : 每秒主缺頁錯誤次數 (major page faults), 虛擬內存地址映射成物理內存地址時，相應 page 在 swap 中

VSZ virtual memory usage : 該進程使用的虛擬內存 KB 單位

RSS : 該進程使用的物理內存 KB 單位

%MEM : 內存使用率

Command : 該進程的命令 task name

4、查看具體進程使用情況

?

pidstat -T ALL -r -p 20955 1 10
0316 PM   UID       PID  minflt/s  majflt/s     VSZ    RSS   %MEM  Command
0317 PM   995     20955      0.00      0.00 6312520 1408040   4.37  java


0316 PM   UID       PID minflt-nr majflt-nr  Command
0317 PM   995     20955         0         0  java

?