Durchschnittlich hohe Auslastung, niedrige CPU-Auslastung - warum?

Bei einer Webanwendung treten große Leistungsprobleme auf, und wir versuchen, den Engpass zu finden. Ich bin kein Sysadmin, also gibt es einige Dinge, die ich nicht ganz verstehe. Einige grundlegende Untersuchungen haben ergeben, dass die CPU im Leerlauf ist, dass viel Arbeitsspeicher verfügbar ist, dass keine Auslagerungen, keine E / A-Vorgänge, aber eine hohe durchschnittliche Auslastung vorliegen.

Der Software-Stack auf diesem Server sieht folgendermaßen aus:

• Solaris 10
• Java 1.6
• WebLogic 10.3.5 (8 Domains)

Die auf diesem Server ausgeführten Anwendungen kommunizieren mit einer Oracle-Datenbank auf einem anderen Server.

Dieser Server hat 32 GB RAM und 10 CPUs (glaube ich).

Laufen prstat -Zgibt so etwas:

   PID USERNAME  SIZE   RSS STATE  PRI NICE      TIME  CPU PROCESS/NLWP
  3836 ducm0101 2119M 2074M cpu348  58    0   8:41:56 0.5% java/225
 24196 ducm0101 1974M 1910M sleep   59    0   4:04:33 0.4% java/209
  6765 ducm0102 1580M 1513M cpu330   1    0   1:21:48 0.1% java/291
 16922 ducm0102 2115M 1961M sleep   58    0   6:37:08 0.0% java/193
 18048 root     3048K 2440K sleep   59    0   0:06:02 0.0% sa_comm/4
 26619 ducm0101 2588M 2368M sleep   59    0   8:21:17 0.0% java/231
 19904 ducm0104 1713M 1390M sleep   59    0   1:15:29 0.0% java/151
 27809 ducm0102 1547M 1426M sleep   59    0   0:38:19 0.0% java/186
  2409 root       15M   11M sleep   59    0   0:00:00 0.0% pkgserv/3
 27204 root       58M   54M sleep   59    0   9:11:38 0.0% stat_daemon/1
 27256 root       12M 8312K sleep   59    0   7:16:40 0.0% kux_vmstat/1
 29367 root      297M  286M sleep   59    0  11:02:13 0.0% dsmc/2
 22128 root       13M 6768K sleep   59    0   0:10:51 0.0% sendmail/1
 22133 smmsp      13M 1144K sleep   59    0   0:01:22 0.0% sendmail/1
 22003 root     5896K  240K sleep   59    0   0:00:01 0.0% automountd/2
 22074 root     4776K 1992K sleep   59    0   0:00:19 0.0% sshd/1
 22005 root     6184K 2728K sleep   59    0   0:00:31 0.0% automountd/2
 27201 root     6248K  344K sleep   59    0   0:00:01 0.0% mount_stat/1
 20964 root     2912K  160K sleep   59    0   0:00:01 0.0% ttymon/1
 20947 root     1784K  864K sleep   59    0   0:02:22 0.0% utmpd/1
 20900 root     3048K  608K sleep   59    0   0:00:03 0.0% ttymon/1
 20979 root       77M   18M sleep   59    0   0:14:13 0.0% inetd/4
 20849 daemon   2856K  864K sleep   59    0   0:00:03 0.0% lockd/2
 17794 root       80M 1232K sleep   59    0   0:06:19 0.0% svc.startd/12
 17645 root     3080K  728K sleep   59    0   0:00:12 0.0% init/1
 17849 root       13M 6800K sleep   59    0   0:13:04 0.0% svc.configd/15
 20213 root       84M   81M sleep   59    0   0:47:17 0.0% nscd/46
 20871 root     2568K  600K sleep   59    0   0:00:04 0.0% sac/1
  3683 ducm0101 1904K 1640K sleep   56    0   0:00:00 0.0% startWebLogic.s/1
 23937 ducm0101 1904K 1640K sleep   59    0   0:00:00 0.0% startWebLogic.s/1
 20766 daemon   5328K 1536K sleep   59    0   0:00:36 0.0% nfsmapid/3
 20141 daemon   5968K 3520K sleep   59    0   0:01:14 0.0% kcfd/4
 20093 ducm0101 2000K  376K sleep   59    0   0:00:01 0.0% pfksh/1
 20797 daemon   3256K  240K sleep   59    0   0:00:01 0.0% statd/1
  6181 root     4864K 2872K sleep   59    0   0:01:34 0.0% syslogd/17
  7220 ducm0104 1268M 1101M sleep   59    0   0:36:35 0.0% java/138
 27597 ducm0102 1904K 1640K sleep   59    0   0:00:00 0.0% startWebLogic.s/1
 27867 root       37M 4568K sleep   59    0   0:13:56 0.0% kcawd/7
 12685 ducm0101 4080K  208K sleep   59    0   0:00:01 0.0% vncconfig/1
ZONEID    NPROC  SWAP   RSS MEMORY      TIME  CPU ZONE
    42      135   22G   19G    59%  87:27:59 1.2% dsuniucm01

Total: 135 processes, 3167 lwps, load averages: 54.48, 62.50, 63.11

Ich verstehe, dass die CPU größtenteils im Leerlauf ist, aber der Lastdurchschnitt hoch ist, was für mich ziemlich seltsam ist. Das Gedächtnis scheint kein Problem zu sein.

Laufen vmstat 15gibt so etwas:

 kthr      memory            page            disk          faults      cpu
 r b w   swap  free  re  mf pi po fr de sr s0 s1 s4 sd   in   sy   cs us sy id
 0 0 0 32531400 105702272 317 1052 126 0 0 0 0 13 13 -0 8 9602 107680 10964 1 1 98
 0 0 0 15053368 95930224 411 2323 0 0 0 0 0 0  0  0  0 23207 47679 29958 3 2 95
 0 0 0 14498568 95801960 3072 3583 0 2 2 0 0 3 3  0 21 22648 66367 28587 4 4 92
 0 0 0 14343008 95656752 3080 2857 0 0 0 0 0 3 3  0 18 22338 44374 29085 3 4 94
 0 0 0 14646016 95485472 1726 3306 0 0 0 0 0 0 0  0  0 24702 47499 33034 3 3 94

Ich verstehe, dass die CPU größtenteils im Leerlauf ist, keine Prozesse in der Warteschlange warten, um ausgeführt zu werden, es findet wenig Austausch statt.

Laufen iostat 15gibt dies:

   tty        sd0           sd1           sd4           ssd0           cpu
 tin tout kps tps serv  kps tps serv  kps tps serv  kps tps serv   us sy wt id
   0  676 324  13    8  322  13    8    0   0    0  159   8    0    1  1  0 98
   1 1385   0   0    0    0   0    0    0   0    0    0   0    0    3  4  0 94
   0  584  89   6   24   89   6   25    0   0    0  332  19    0    2  1  0 97
   0  296   0   0    0    0   0    0    0   0    0    0   0    0    2  2  0 97
   1 1290  43   5   24   43   5   22    0   0    0  297  20    1    3  3  0 94

Laufen netstat -i 15ergibt folgendes:

    input   aggr26    output       input  (Total)    output
packets errs  packets errs  colls  packets errs  packets errs  colls
1500233798 0     1489316495 0     0      3608008314 0     3586173708 0     0
10646   0     10234   0     0      26206   0     25382   0     0
11227   0     10670   0     0      28562   0     27448   0     0
10353   0     9998    0     0      29117   0     28418   0     0
11443   0     12003   0     0      30385   0     31494   0     0

Was vermisse ich?

Weitere Untersuchungen haben ergeben, dass das Leistungsproblem hauptsächlich auf eine hohe Anzahl von Netzwerkaufrufen zwischen zwei Systemen (Oracle SSXA und UCM) zurückzuführen ist. Die Aufrufe sind schnell, aber zahlreich und serialisiert, daher die geringe CPU-Auslastung (meistens Wartezeiten auf E / A), der hohe Lastdurchschnitt (viele Anrufe warten auf ihre Verarbeitung) und insbesondere die langen Antwortzeiten (durch Ansammlung kleiner Antwortzeiten).

Vielen Dank für Ihren Einblick in dieses Problem!

Wenn Sie "High Load Average" sagen, meinen Sie, dass "prstat" für "load average" am unteren Rand der Ausgabezahlen von steht

Total: 135 processes, 3167 lwps, load averages: 54.48, 62.50, 63.11

Diese Zahlen ähneln den oben angegebenen und bedeuten wahrscheinlich die durchschnittliche Warteschlangengröße des laufenden Prozesses. Dies ist nicht der Prozentsatz der verwendeten Prozessorzeit, sondern wie viele Dinge die CPU für die Ausführung belasten. Zugegeben, diese sehen ziemlich hoch aus, aber das hängt alles von der App ab, die Sie ausführen. Die Prozesse tun möglicherweise nicht viel, wenn sie erst einmal ihren Platz erreicht haben. Sehen Sie hier für eine schöne Erklärung in Bezug auf die Oberseite.

Ich bin mit WebLogic nicht vertraut, aber ich habe festgestellt, dass mit Apache Tomcat im Allgemeinen viele Java-Threads gleichzeitig für scheinbar nicht viele Anforderungen erzeugt werden können. Dies könnte die Ursache für die hohen durchschnittlichen Ladezahlen sein. Stellen Sie sicher, dass Sie das Verbindungspooling verwenden, um eine Verbindung zum Backend herzustellen, und erhöhen Sie gegebenenfalls die Anzahl der inaktiven Threads, die für Ihre App verfügbar sind, um Verbindungen zu verarbeiten (Sie sind sich nicht sicher, wie Sie dies in WebLogic tun; Tomcat verfügt über einen Threadpool pro Connector oder einen allgemeinen Executor-Thread-Pool). Wenn Sie dies nicht tun, werden möglicherweise brandneue Threads erzeugt, um Anforderungen zu verarbeiten.

In Bezug auf die Leistung müssen Sie genau festlegen, unter welchem Aspekt Ihre App leidet. Ist es die Verarbeitung, die auf der WebLogic / Java-Seite stattfindet, der Datenbankzugriff, DNS-Lookups (wenn sie aus irgendeinem Grund durchgeführt werden ...), Netzwerkprobleme oder etwas auf dem Betriebssystem.

In 99% der Fälle handelt es sich um Ihren Code und darum, wie er mit der Datenbank kommuniziert, die die Dinge auf Trab hält. Dann erfolgt die Konfiguration der Web-App. Ab diesem Zeitpunkt werden Sie daran arbeiten, die letzten Millisekunden aus Ihrer App herauszuholen oder eine höhere Parallelität mit derselben Hardware zu erzielen. Für diese feinkörnigere Leistungsoptimierung benötigen Sie Metriken.

Für Java würde ich vorschlagen, Java Melody zu installieren . Es kann viele Informationen zu den Aktivitäten Ihres Programms liefern und dabei helfen, die Zeitspanne einzugrenzen. Ich habe es nur mit Tomcat verwendet, sollte aber mit jedem Java EE-Container / Servlet-Ding funktionieren.

Es gibt eine Reihe von Möglichkeiten, wie Sie Java optimieren können. Sehen Sie sich also die Leistungsrichtlinien an (ich bin sicher, dass Sie dies wahrscheinlich getan haben) und stellen Sie sicher, dass Sie die richtige Heap-Größe usw. für Ihr Programm einstellen. Mit Java Melody können Sie die Größe des von Ihnen verbrauchten Java-Heaps sowie die Arbeitsbelastung des Garbage Collectors und die Häufigkeit von Programmunterbrechungen beim Löschen von Objekten ermitteln.

Ich hoffe das hat geholfen. Wenn Sie weitere Informationen zur Verfügung stellen, kann ich diese Antwort möglicherweise aktualisieren und an Ihren Bedürfnissen ausrichten.

Als Randnotiz beinhaltet Load Average auch Dinge, die auf Festplattenaktivität warten (dh die Festplatte belästigen), sowie Dinge, die auf CPU warten. Es ist eine Summe aus beidem.

Siehe http://en.wikipedia.org/wiki/Load_(computing) "Linux enthält auch [im Lastdurchschnitt] Prozesse in unterbrechungsfreien Ruhezuständen (normalerweise warten auf Festplattenaktivität)"

Nebenbei bemerkt, das besondere Problem, auf das ich gestoßen bin, war, dass ich einen hohen durchschnittlichen Auslastungsgrad hatte, aber auch viel CPU-Leerlauf und wenig Festplattenverbrauch.

Es scheint , dass, zumindest in meinem Fall, manchmal Fäden / Prozesse warten auf I / O im Last Durchschnitt zeigen, aber nicht eine Erhöhung der „erwartet“ Spalte verursachen. Aber sie sind immer noch I / O-gebunden.

Sie können feststellen, dass dies beim folgenden Code der Fall ist, wenn Sie ihn in jruby ausführen (führt nur 100 Threads mit jeweils viel E / A aus):

100.times { Thread.new { loop { File.open('big', 'w') do |f| f.seek 10_000_000_000; f.puts 'a'; end}}}

Was eine Top-Ausgabe wie folgt ergibt:

top - 17:45:32 up 38 days,  2:13,  3 users,  load average: 95.18, 50.29, 23.83
Tasks: 181 total,   1 running, 180 sleeping,   0 stopped,   0 zombie
Cpu(s):  3.5%us, 11.3%sy,  0.0%ni, 85.1%id,  0.0%wa,  0.0%hi,  0.0%si,  0.0%st
Mem:  32940904k total, 23239012k used,  9701892k free,   983644k buffers
Swap: 34989560k total,        0k used, 34989560k free,  5268548k cached

  PID USER      PR  NI  VIRT  RES  SHR S %CPU %MEM    TIME+  COMMAND
31866 packrd    18   0 19.9g  12g  11m S 117.0 41.3   4:43.85 java
  912 root      11  -5     0    0    0 S  2.0  0.0   1:40.46 kjournald

Sie können also sehen, dass es viel CPU im Leerlauf hat, 0,0% wa, aber einen sehr hohen Lastdurchschnitt.

iostat zeigt die Festplatte auf ähnliche Weise als im Leerlauf befindlich an:

avg-cpu:  %user   %nice %system %iowait  %steal   %idle
       9.62    0.00    8.75    0.00    0.00   81.62

Device:         rrqm/s   wrqm/s   r/s   w/s    rkB/s    wkB/s avgrq-sz avgqu-sz   await  svctm  %util
sda               0.00    49.00  0.00  6.40     0.00   221.60    69.25     0.01    0.81   0.66   0.42
sda1              0.00    49.00  0.00  6.40     0.00   221.60    69.25     0.01    0.81   0.66   0.42
sda2              0.00     0.00  0.00  0.00     0.00     0.00     0.00     0.00    0.00   0.00   0.00

Siehe auch http://linuxgazette.net/141/misc/lg/tracking_load_average_issues.html

Als weitere Randnotiz scheint dies auch zu implizieren, dass (zumindest in diesem Fall unter CentOS) der Lastdurchschnitt jeden Thread separat in die Summe einbezieht.

Hatte heute das gleiche Problem. Nach einigen Nachforschungen und Diagnosen stellte ich fest, dass auf meinem kleinen VPS die Festplatte ausgeht .

In der Shell / Eingabeaufforderung (Linux / Unix) eingeben

df -h

um die Festplatte auf Ihrem Computer frei zu sehen . Wenn Ihnen die Festplatte ausgeht, kann dies das Problem sein.

Ein weiteres nützliches Werkzeug, das in dieser Situation helfen wird, ist nmon.

Es bietet eine Vielzahl von Möglichkeiten, um dieselben Daten, die von den anderen Tools angezeigt werden, in einem kleinen Paket anzuzeigen.

Wenn dies Inhalte sind, die nicht zwischengespeichert werden können, würde ich empfehlen, mehrere Server hinter einem Load Balancer wie Haproxy im TCP-Modus zu platzieren, um die Last zu verteilen.

Einige Solaris-spezifische Tools, die nicht erwähnt wurden und für das Debuggen solcher Probleme nützlich sind, sind "intrstat", "mpstat" und "lockstat". Nachdem mpstat auf einem Host mit einigen schweren ETL-Ladevorgängen ein ähnliches Problem aufgetreten war, wurde eine große Anzahl von Interrupts festgestellt, die sich mit vielen E / A-Vorgängen befassten und auf dieses Problem hinwiesen.

Zu der Zeit sahen wir auf einem T4-4 mit mpstat, dass vcpus mehr als 30000 Interrupts über einen kurzen Überwachungszyklus übergab, woraufhin die Leistung zu leiden begann. In diesem Fall bestand die einzige Problemumgehung darin, mehr CPU darauf zu werfen. Anschließend wurde jedoch daran gearbeitet, den Code zu verbessern.

Brendan Gregg hat viel über Performance geschrieben, insbesondere über I / O im Laufe der Jahre, und ist eine Suche wert, wenn Sie mehr herausfinden möchten.