在阿里云服务器上看到系统平均负载升高,容易先怀疑 CPU 不够用。不过,平均负载不等于 CPU 使用率。它统计的是处于可运行状态,或正在等待不可中断资源的任务数量。进程即使没有持续占用 CPU,只要在等待磁盘 I/O,也可能计入负载。
因此,判断机器是否真的算力不足,不能只看一个负载数字。还要结合 vCPU 数量、CPU 使用率、进程状态、磁盘指标和业务表现一起看。
系统平均负载表示什么
Linux 中常见的 load average 会显示过去 1 分钟、5 分钟和 15 分钟的平均负载,例如 0.80、1.20、1.50。这些数值表示平均有多少任务处于可运行或不可中断等待状态,不是 CPU 百分比。
判断负载是否偏高,可以先对照实例的 vCPU 数量。比如,2 vCPU 的云服务器负载长期接近 2,说明 CPU 资源可能比较繁忙;如果负载持续明显高于 2,任务队列可能正在增长。反过来,8 vCPU 实例负载为 2,通常不能单凭这个数字认定机器压力过大。
这个对照只能用于初步判断,不能当作硬性告警线。短时间编译或批量任务可能造成负载尖峰;如果业务响应变慢,且负载长时间高于 vCPU 数量,就需要继续排查。
先确认实例规格和监控时间
开始排查前,记下实例规格、vCPU 数量、操作系统,以及负载升高的大致时间。实例规格调整、流量高峰和定时任务,都可能影响资源使用。打开阿里云控制台的云监控,将 CPU 使用率、网络流量和磁盘相关指标与业务异常时间对照。可查看的指标名称和范围会因产品、操作系统及监控配置而不同。
登录 Linux 实例后,可以先运行:
uptime
或运行:
top
uptime 可以快速查看 1、5、15 分钟的负载;top 则能同时观察 CPU、内存和进程状态。需要查看某一时刻的 CPU 使用情况时,可使用 mpstat(需安装相应工具包);检查磁盘 I/O 时,可使用 iostat -xz 1(通常需要安装 sysstat)。不同命令的结果都要结合实例规格和系统环境解读。
根据 CPU 和进程状态判断瓶颈
- 负载高,CPU 使用率也高:可能是计算任务过多。用
top或ps找出 CPU 占用较高的进程,再确认它是正常业务、异常循环,还是突发批处理。 - 负载高,CPU 使用率不高:检查 I/O 等待和进程状态。在
top中留意 wa(I/O wait),并结合磁盘延迟、吞吐量等数据判断是否有存储瓶颈。 - 负载升高时业务也变慢:查看应用日志、数据库连接池、线程池和网络调用。系统负载可能只是表象,问题也可能出在依赖服务或应用内部。
如果 top 中有大量 D 状态进程,通常说明进程正在等待不可中断的 I/O 等资源。此时直接增加 CPU 未必有效,应检查磁盘及挂载存储的延迟、错误和使用情况。磁盘空间不足、日志写入量突然增加或存储性能达到瓶颈,也可能拖慢服务并推高负载。
案例:负载不高,接口却变慢
某业务运行在 4 vCPU 的阿里云 Linux 实例上,用户反馈接口响应变慢。运维看到负载约为 5,但 CPU 使用率只有三成左右,于是检查进程状态和磁盘指标。排查发现,定时任务同时扫描大量文件,部分进程长期处于 D 状态,任务运行期间磁盘延迟也随之升高。
团队先错开定时任务,并限制扫描任务的并发,再根据业务需要优化文件访问方式。调整后负载回落,接口延迟也有所改善。遇到类似情况,扩容 CPU 不一定能解决问题;如果大量任务卡在 I/O 等待,应该先处理存储访问或任务调度。
排查时容易踩的几个坑
- 把负载当成 CPU 使用率:同时检查负载、CPU 利用率、I/O wait 和进程状态,避免只凭一个指标下结论。
- 只看 1 分钟数值:短时波动未必代表持续故障。比较 1、5、15 分钟数据,并查看监控曲线的变化趋势。
- 负载超过 vCPU 数就立即扩容:先找出瓶颈。程序异常、磁盘等待或任务集中运行,都可能让扩容 CPU 收效有限。
- 只在问题结束后查看一次命令:尽量在故障发生时采集进程、系统日志和云监控数据,并记录对应时间点,方便关联分析。
如果确认业务持续处于 CPU 饱和状态,且应用已经做过合理优化,可以评估升级实例规格或调整任务调度。若瓶颈在 I/O,则应检查存储性能、访问方式和容量配置。排查期间也要留意内存、交换分区和网络指标,避免把多个资源问题都归结为系统平均负载偏高。
按固定顺序收集证据
遇到阿里云系统平均负载异常,可以依次确认 vCPU 数量和故障时间,对照云监控,再检查 CPU 使用率、进程状态、磁盘 I/O 和业务日志,最后验证调整效果。先定位瓶颈再采取措施,能减少不必要的扩容,也便于后续设置告警。判断时要让资源状态、业务表现和变化趋势相互印证,而不是只盯着某一个负载数字。