平常的工作中，在衡量服務器的性能時，經常會涉及到幾個指標，load、cpu、mem、qps、rt等。每個指標都有其獨特的意義，很多時候在線上出現問題時，往往會伴隨著某些指標的異常。大部分情況下，在問題發生之前，某些指標就會提前有異常顯示。
對于這些指標的理解和查看、異常解決等，是程序員們重要的必備技能。本文，主要來介紹一下一個比較重要的指標——機器負載(Load)，主要涉及負載的定義、查看負載方式、負載飆高排查思路等。
什么是負載
隨著 Internet 的快速發展和業務量的不斷提高，基于網絡的數據訪問流量迅速增長，特別是對數據 中心、大型企業以及門戶網站等的訪問，其訪問流量甚至達到了 10Gb/s 的級別;同時，服務器網 站借助 HTTP、FTP、SMTP 等應用程序，為訪問者提供了越來越豐富的內容和信息，服務器逐漸 被數據淹沒;另外，大部分網站(尤其電子商務等網站)都需要提供不間斷 24 小時服務，任何服 務中斷或通信中的關鍵數據丟失都會造成直接的商業損失。所有這些都對應用服務提出了高性能和 高可靠性的需求，這些海量的訪問數據均是負載。
查看機器負載
在Linux機器上，有多個命令都可以查看機器的負載信息。其中包括uptime 、top、w 等。
uptime命令
命令能夠打印系統總共運行了多長時間和系統的平均負載。uptime命令可以顯示的信息顯示依次為：現在時間、系統已經運行了多長時間、目前有多少登陸用戶、系統在過去的1分鐘、5分鐘和15分鐘內的平均負載。
?~uptime13:29up23:41,3users,loadaverages:1.741.871.97
這行信息的后半部分，顯示"load average"，它的意思是"系統的平均負荷"，里面有三個數字，我們可以從中判斷系統負荷是大還是小。
1.74 1.87 1.97 這三個數字的意思分別是1分鐘、5分鐘、15分鐘內系統的平均負荷。我們一般表示為load1、load5、load15。
w命令
w命令的主要功能其實是顯示目前登入系統的用戶信息。但是與who不同的是，w命令功能更加強大，w命令還可以顯示：當前時間，系統啟動到現在的時間，登錄用戶的數目，系統在最近1分鐘、5分鐘和15分鐘的平均負載。然后是每個用戶的各項數據，項目顯示順序如下：登錄帳號、終端名稱、遠 程主機名、登錄時間、空閑時間、JCPU、PCPU、當前正在運行進程的命令行。
?~w14:08up23:41,3users,loadaverages:1.741.871.97USERTTYFROMLOGIN@IDLEWHAThollisconsole-六1423:40-holliss000-六1420:24-zshholliss001-六15-w
從上面的w命令的結果可以看到，當前系統時間是14:08，系統啟動到現在經歷了23小時41分鐘，共有3個用戶登錄。系統在近1分鐘、5分鐘和15分鐘的平均負載分別是1.74 1.87 1.97。這和uptime得到的結果相同。 下面還打印了一些登錄的用戶的各項數據，不詳細介紹了。
top命令
top命令是Linux下常用的性能分析工具，能夠實時顯示系統中各個進程的資源占用狀況，類似于Windows的任務管理器。
?~topProcesses:244total,3running,9stuck,232sleeping,1484threads14:16:01LoadAvg:1.74,1.87,1.97CPUusage:8.0%user,6.79%sys,85.19%idleSharedLibs:116Mresident,16Mdata,14Mlinkedit.MemRegions:66523total,2152Mresident,50Mprivate,930Mshared.PhysMem:7819Mused(1692Mwired),370Munused.VM:682Gvsize,533Mframeworkvsize,6402060(0)swapins,7234356(0)swapouts.Networks:packets:383006/251Min,334448/60Mout.Disks:1057821/38Gread,350852/40Gwritten.PIDCOMMAND%CPUTIME#TH#WQ#PORTMEMPURGCMPRSPGRPPPIDSTATEBOOSTS%CPU_ME%CPU_OTHRSUIDFAULTSCOWMSGSENTMSGRECVSYSBSDSYSMACHCSW30845top3.000:00.491/10213632K0B0B308451394running*0[1]0.000000.0000003283+112203556+101770+8212+119901+823+30842GoogleChrom0.000:47.39170155130M0B0B11461146sleeping*0[1]0.000000.00000501173746269711767837821364228444830310043
上面的輸出結果中，Load Avg: 1.74, 1.87, 1.97顯示的就是負載信息。
機器正常負載范圍
對于機器的Load到底多少算正常的問題，一直都是很有爭議的，不同人有著不同的理解。對于單個CPU，有人認為如果Load超過0.7就算是超出正常范圍了。也有人認為只要不超過1都沒問題。也有人認為，單個CPU的負載在2以下都可以接受。
為什么會有這么多不同的理解呢，是因為不同的機器除了CPU影響之外還有其他因素的影響，運行的程序、機器內存、甚至是機房溫度等都有可能有區別。
比如，有些機器用于定時執行大量的跑批任務，這個時間段內，Load可能會飆的比較高。而其他時間可能會比較低。那么這段飆高時間我們要不要去排查問題呢?
我的建議是，最好根據自己機器的實際情況，建立一個指標的基線(如近一個月的平均值)，只要日常的load在基線上下范圍內不太大都可以接收，如果差距太多可能就要人為介入檢查了。
如何降低負載
導致負載高的原因可能很復雜，有可能是硬件問題也可能是軟件問題。
如果是硬件問題，那么說明機器性能確實就不行了，那么解決起來很簡單，直接換機器就可以了。
前面我們提過，CPU使用、內存使用、IO消耗都可能導致負載高。如果是軟件問題，有可能由于Java中的某些線程被長時間占用、大量內存持續占用等導致。建議從以下幾個方面排查代碼問題：
1、是否有內存泄露導致頻繁GC
2、是否有死鎖發生
3、是否有大字段的讀寫
4、會不會是數據庫操作導致的，排查SQL語句問題。
這里還有個建議，如果發現線上機器Load飆高，可以考慮先把堆棧內存dump下來后，進行重啟，暫時解決問題，然后再考慮回滾和排查問題。
Java Web應用Load飆高排查思路
1、使用uptime查看當前load，發現load飆高。
2、使用top命令，查看占用CPU較高的進程ID。
3、使用 top命令，查看具體是哪個線程占用率較高
4、使用printf 命令查看這個線程的16進制
5、還可以使用jstat()來查看GC情況，看看是否有頻繁FGC，然后再使用jmap來dump內存，查看是否存在內存泄露。
