负载与 CPU 诊断

目标

亲自确认负载平均值究竟统计什么，并结合 CPU 使用率、PSI 与节流计数器，学会解释‘指标正常但系统很慢’的情况。

为什么重要

Linux 的负载平均值不只统计等待 CPU 的任务，也会统计等待磁盘或 NFS 响应的 D 状态任务。因此，8 核服务器负载为 24、CPU 空闲率仍有 60%，完全可能是正常现象。此时增加 CPU 只会浪费钱。相反，容器的 cgroup 节流不会反映在负载、steal 或使用率中，因为被节流的任务会彻底离开运行队列。因此必须单独查看 cpu.stat 的计数器。本实验连‘不存在就写不存在’也纳入评分，是因为实际工作中，首先确认文件是否存在就是第一步。

步骤

在 /root/load 目录中工作。

只把当前环境的 CPU 数量写入 /root/load/cpus.txt。
在后台启动至少 2 个持续占用 CPU 的进程，并把 PID 逐行写入 /root/load/burner_pids.txt。这些进程必须在后续步骤中始终存活。
等待 1～2 分钟后，将 /proc/loadavg 的1 分钟平均值写入 /root/load/load1.txt。该值必须至少为 0.7。
将这些进程当前的单个状态字符写入 /root/load/state.txt。
将第一个进程的**累计 CPU 时间（秒）**以整数写入 /root/load/cpu_sec.txt。必须至少为 5 秒。
从 /proc/pressure/cpu 的 some 行读取 avg10 值，并写入 /root/load/psi.txt。文件不存在时写入 unavailable。
从 cgroup 的 cpu.stat 读取 nr_throttled 值，写入 /root/load/throttle.txt，格式为 nr_throttled=<값>。无法读取时写入 unavailable。
创建 /root/load/loadcheck.sh <임계비율>。如果 1분 부하 평균 / CPU 개수 超过阈值，输出 high load=<값> cpus=<개수> 并返回退出码 1；否则输出 ok 并返回退出码 0。没有参数时必须返回非 0。

提示

使用 python3 -c "while True: pass" & 可以消耗 CPU。
/proc/<PID>/stat 的字段顺序为 pid (comm) state ...，第 14、15 个字段是 utime/stime（clock tick）。
可以使用 awk 'BEGIN {exit (a/b > t) ? 1 : 0}' 这种形式，不依赖 bc 比较小数。
常见错误 1：第 3 步制造负载后立即读取，值会很低。指数衰减平均值即使经过 1 分钟也只反映 63%。
常见错误 2：第 8 步前先清理制造负载的进程，会导致判断测试失败。

查看 CPU 数量

只把当前环境的 CPU 数量写入 /root/load/cpus.txt。

nproc 最简单。负载平均值只有与这个数字放在一起比较才有意义。

启动消耗 CPU 的进程

在后台启动至少 2 个持续占用 CPU 的进程，并把 PID 逐行写入 /root/load/burner_pids.txt。这些进程必须在后续步骤中始终存活。

启动两个执行无限循环的 python3 进程即可。每行写一个 PID。

确认负载平均值上升

等待 1～2 分钟后，将 /proc/loadavg 的1 分钟平均值写入 /root/load/load1.txt。该值必须至少为 0.7。

这是指数衰减平均值，不会立即上升。等待 1～2 分钟后，读取 /proc/loadavg 的第一个值。

读取进程状态字符

将这些进程当前的单个状态字符写入 /root/load/state.txt。

/proc//stat 的第三个字段是状态。持续使用 CPU 的进程会是什么字符？

测量累计 CPU 时间

将第一个进程的**累计 CPU 时间（秒）**以整数写入 /root/load/cpu_sec.txt。必须至少为 5 秒。

把 /proc//stat 的 utime 与 stime 相加，再除以 clock tick（通常为 100）。

读取 PSI 压力指标

从 /proc/pressure/cpu 的 some 行读取 avg10 值，并写入 /root/load/psi.txt。文件不存在时写入 unavailable。

/proc/pressure/cpu 的 some 行中包含 avg10。文件不存在时写入 unavailable。

cgroup 节流计数器

从 cgroup 的 cpu.stat 读取 nr_throttled 值，写入 /root/load/throttle.txt，格式为 nr_throttled=<값>。无法读取时写入 unavailable。

cpu.stat 中包含 nr_periods 和 nr_throttled。无法读取时写入 unavailable。

负载判断脚本

创建 /root/load/loadcheck.sh <임계비율>。如果 1분 부하 평균 / CPU 개수 超过阈值，输出 high load=<값> cpus=<개수> 并返回退出码 1；否则输出 ok 并返回退出码 0。没有参数时必须返回非 0。

将负载平均值除以核心数，再与阈值比较。不用 bc，awk 也可以比较小数。