一文说清Linux System Load_Linux

一文说清Linux System Load

双十一压测过程中，常见的问题之一就是load 飙高，通常这个时候业务上都有受影响，比如服务rt飙高，比如机器无法登录，比如机器上执行命令hang住等等。本文就来说说，什么是load，load是怎么计算的，什么情况下load 会飙高，load飙高是不是必然业务受影响。

一什么是load

我们平时所讲的load，其全称是Linux system load averages ，即linux系统负载平均值。注意两个关键词：一个是“负载”，它衡量的是task(linux 内核中用于描述一个进程或者线程)对系统的需求(CPU、内存、IO等等)，第二个关键词是“平均”，它计算的是一段时间内的平均值，分别为 1、5 和 15 分钟值。system load average由内核负载计算并记录在/proc/loadavg 文件中，用户态的工具(比如uptime，top等等)读的都是这个文件。

我们一般认为：

1、如果load接近0，意味着系统处于空闲状态;
2、如果 1min 平均值高于 5min 或 15min 平均值，则负载正在增加;
3、如果 1min 平均值低于 5min 或 15min 平均值，则负载正在减少;
4、如果它们高于系统 CPU 的数量，那么系统很可能遇到了性能问题(视情况而定)。

二如何计算load

1 核心算法

坦白了不装了，核心算法其实就是指数加权移动平均法(Exponential Weighted Moving Average，EMWA)，简单表示就是:

a1 = a0 * factor + a * (1 - factor)，其中a0是上一时刻的值，a1是当前时刻的值，factor是一个系数，取值范围是[0,1]，a是当前时刻的某个指标采样值。

为什么要采用指数移动加权平均法?我个人理解

指数移动加权平均法，是指各数值的加权系数随时间呈指数式递减，越靠近当前时刻的数值加权系数就越大，更能反映近期变化的趋势;
计算时不需要保存过去所有的数值，这对内核非常重要。

我们来看看，内核是怎么计算load average的，以下简称load。

上面的指数移动平均公式，a1 = a0 * e + a * (1 - e)，具体到linux load的计算，a0是上一时刻的load，a1是当前时刻的load，e是一个常量系数，a 是当前时刻的active的进程/线程数量。

如上一节所述，linux 内核计算了三个load 值，分别是1分钟/5分钟/15分钟 load 。计算这三个load 值时，使用了三个不同的常量系数e，定义如下：

#define EXP_1 1884 /* 1/exp(5sec/1min) */
#define EXP_5 2014 /* 1/exp(5sec/5min) */
#define EXP_15 2037 /* 1/exp(5sec/15min) */

这三个系数是怎么来的呢?公式如下：

1884 = 2048/(power(e,(5/(60*1)))) /* e = 2.71828 */
2014 = 2048/(power(e,(5/(60*5))))
2037 = 2048/(power(e,(5/(60*15))))

其中e=2.71828，其实就是自然常数e，也叫欧拉数(Euler number)。

那为什么是这么个公式呢?其中，5是指每五秒采样一次，60是指每分钟60秒，1、5、15则分别是1分钟、5分钟和15分钟。至于为什么是2048和自然常数e，这里涉及到定点计算以及其他一些数学知识，不是我们研究的重点，暂时不展开讨论。

我们看看内核中实际代码：

/*
* a1 = a0 * e + a * (1 - e)
*/
static inline unsigned long
calc_load(unsigned long load, unsigned long exp, unsigned long active)
{
unsigned long newload;
// FIXED_1 = 2048
newload = load * exp + active * (FIXED_1 - exp);
if (active >= load)
newload += FIXED_1-1;
return newload / FIXED_1;
}

就是一个很直观的实现。上面代码中，第一个参数就是上一时刻的load，第二个参数就是常量系数，第三个参数是active的进程/线程数量(包括runnable 和 uninterruptible)。

2 计算流程

load的计算分为两个步骤：

1)、周期性地更新每个CPU上的rq里的active tasks，包括runnable状态和uninterruptible状态的task，累加到一个全局变量calc_load_tasks。

2)、周期性地计算 load，load的计算主要就是基于上述calc_load_tasks 变量。

第一个步骤，每个cpu都必须更新calc_load_tasks，但是第二个步骤只由一个cpu来完成，这个cpu叫tick_do_timer_cpu，由它执行do_timer() -> calc_global_load()计算系统负载。

整体流程如下图所示，在每个tick到来时(时钟中断)，执行以下逻辑：

一文说清Linux System Load

上图中，棕色的calc_global_load_tick函数就是完成第一个步骤的，绿色的calc_global_load 是完成第二个步骤，蓝色的calc_load 就是上一节中描述的核心算法。

这里需要说明的是，calc_global_load 把计算出来的load 值放在一个全局的变量avenrun中，它的定义是unsigned long avenrun[3]，size 是3，用于存放1/5/15分钟的load。当查看/proc/loadavg的时候，就是从这个avenrun数组中获取数据。

三 load高常见原因

从上述load的计算原理可以看出，导致load 飙高的原因，说简单也简单，无非就是runnable 或者 uninterruptible 的task 增多了。但是说复杂也复杂，因为导致task进入uninterruptible状态的路径非常多(粗略统计，可能有400-500条路径)。个人觉得，有些地方有点滥用这个状态了。

本人基于多年的linux 内核开发和疑难问题排查经验，总结了一些经验，以飨读者。

1 周期性飙高

曾经有些业务方遇到过load周期性飙高的现象，如果不是因为业务上确实有周期性的峰值，那么大概率是踩中了内核计算load时的bug。这个bug和内核的load采样频率( LOAD_FREQ)有关，具体细节不展开讨论。这个bug在ali2016，ali3000， ali4000中已经修复。

排除这个原因的话，可以接着查看是否磁盘IO的原因。

2 IO原因

磁盘性能瓶颈

iostat -dx 1 可以查看所有磁盘的IO 负载情况，当IOPS 或者 BW 高时，磁盘成为性能瓶颈，大量线程因为等待IO而处于uninterruptible 状态，导致load飙高。此时如果用vmstat 查看，可能会观察到 b 这一列的数值飙高， cpu iowait 飙高，/proc/stat文件中的procs_blocked 数值飙高。

云盘异常

云盘是虚拟盘，IO路径长而复杂，比较容易出问题。常见的异常是IO UTIL 100%，avgqu-sz 始终不为0，至少有1 。大家不要误解，io util 100%并不意味着磁盘很忙，而只意味着这个设备的请求队列里在每次采样时都发现有未完成的IO请求，所以当某种原因导致IO丢失的话，云盘就会出现UTIL 100%, 而ECS内核里的jbd2 线程，业务线程也会被D住，导致load 飙高。

JBD2 bug

JBD2是ext4 文件系统的日志系统，一旦jbd2 内核线程由于bug hang住，所有的磁盘IO请求都会被阻塞，大量线程进入uninterruptible状态，导致load 飙高。

排除IO原因之后，接着可以查看内存情况。

3 内存原因

内存回收

task 在申请内存的时候，可能会触发内存回收，如果触发的是直接内存回收，那对性能的伤害很大。当前task 会被阻塞直到内存回收完成，新的请求可能会导致task数量增加(比如HSF线程池扩容)，load 就会飙高。可以通过tsar --cpu --mem --load -i1 -l 查看，一般会观察到sys cpu 飙高，cache 突降等现象。

内存带宽竞争

大家可能只听说过IO带宽，网络带宽，很少注意内存带宽。其实内存除了在容量维度有瓶颈，在带宽层面也有瓶颈，只是这个指标普通的工具观察不了。我们开发的aprof 工具可以观察内存带宽竞争，在双十一保障期间在混部环境大显神威。

4 锁

通常是内核某些路径上的spin_lock会成为瓶颈，尤其是网络的收发包路径上。可以用perf top -g 查看到spin_lock的热点，然后根据函数地址找到内核的源码。伴随的现象可能有sys 飙高，softirq 飙高。

另外，采用mutex_lock进行并发控制的路径上，一旦有task 拿着lock 不释放，其他的task 就会以TASK_UNINTERRUPTIBLE的状态等待，也会引起load飙高。但是如果这把锁不在关键路径上，那么对业务可能就没啥影响。

5 user CPU

有些情况下load飙高是业务的正常表现，此时一般表现为user cpu 飙高，vmstat 看到 r 这一列升高，tsar --load -i1 -l 看到runq 升高，查看proc/pid/schedstats 可能会看到第二个数字也就是sched delay 会增加很快。

四根因分析大招

1 RUNNABLE 型load飙高分析

如上所述，这种情况，通常是由于业务量的增加导致的，属于正常现象，但也有是业务代码bug导致的，比如长循环甚至死循环。但无论哪一种，一般都可以通过热点分析或者叫on cpu分析找到原因。on cpu分析的工具比较多，比如perf，比如阿里自研的ali-diagnose perf等等。

2 UNINTERRUPTIBLE型load飙高分析

所谓UNINTERRUPTIBLE，就是意味着在等，所以我们只要找到等在哪里，就基本找到原因了。

查找UNINTERRUPTIBLE状态进程

UNINTERRUPTIBLE，通常也称为D状态，下文就用D状态来描述。有一些简单的工具可以统计当前D状态进程的数量，稍微复杂一点的工具可以把D状态进程的调用链也就是stack输出。这类工具一般都是从内核提供的proc 文件系统取数。

查看/proc/${pid}/stat 以及/proc/${pid}/task/${pid}/stat 文件，可以判断哪些task 处于D状态，如下所示：

一文说清Linux System Load

第三个字段就是task的状态。然后再查看/proc/${pid}/stack 文件就可以知道task 等在哪里。如：

一文说清Linux System Load

但有时候，D状态的task 不固定，这会导致抓不到D状态或者抓到stack的不准确。这时候，就得上另一个终极大招，延迟分析。

延迟分析

延迟分析需要深入内核内部，在内核路径上埋点取数。所以这类工具的本质是内核probe，包括systemtap，kprobe，ebpf等等。但是probe 技术必须结合知识和经验才能打造成一个实用的工具。阿里自研的ali-diagnose可以进行各种delay分析，irq_delay, sys_delay, sched_delay, io_delay, load-monitor。