平均负载
是指单位时间内，系统处于可运行状态和不可中断状态的平均进程数，也就是平均活跃进程数，它和 CPU 使用率并没有直接关系。
可运行状态的进程，是指正在使用 CPU 或者正在等待 CPU 的进程，也就是我们常用 ps 命令看到的，处于 R 状态（Running 或 Runnable）的进程。
不可中断状态的进程则是正处于内核态关键流程中的进程，并且这些流程是不可打断的，比如最常见的是等待硬件设备的 I/O 响应，也就是我们在 ps 命令中看到的 D 状态（Uninterruptible Sleep，也称为 Disk Sleep）的进程。
比如，当一个进程向磁盘读写数据时，为了保证数据的一致性，在得到磁盘回复前，它是不能被其他进程或者中断打断的，这个时候的进程就处于不可中断状态。如果此时的进程被打断了，就容易出现磁盘数据与进程数据不一致的问题。
所以，不可中断状态实际上是系统对进程和硬件设备的一种保护机制。
既然平均的是活跃进程数，那么最理想的，就是每个 CPU 上都刚好运行着一个进程，这样每个 CPU 都得到了充分利用。比如当平均负载为 2 时，意味着什么呢？
-
在只有 2 个 CPU 的系统上，意味着所有的 CPU 都刚好被完全占用。
-
在 4 个 CPU 的系统上，意味着 CPU 有 50% 的空闲。
-
而在只有 1 个 CPU 的系统中，则意味着有一半的进程竞争不到 CPU。
平均负载多少时合理
平均负载最理想的情况是等于 CPU 个数。所以在评判平均负载时，首先你要知道系统有几个 CPU，这可以通过 top 命令或者从文件 /proc/cpuinfo 中读取，比如：
[root@god ~]# grep 'model name' /proc/cpuinfo |wc -l
1
三个不同时间间隔的平均值，其实给我们提供了，分析系统负载趋势的数据来源，让我们能更全面、更立体地理解目前的负载状况。
-
如果 1 分钟、5 分钟、15 分钟的三个值基本相同，或者相差不大，那就说明系统负载很平稳。
-
但如果 1 分钟的值远小于 15 分钟的值，就说明系统最近 1 分钟的负载在减少，而过去 15 分钟内却有很大的负载。
-
反过来，如果 1 分钟的值远大于 15 分钟的值，就说明最近 1 分钟的负载在增加，这种增加有可能只是临时性的，也有可能还会持续增加下去，所以就需要持续观察。一旦 1 分钟的平均负载接近或超过了 CPU 的个数，就意味着系统正在发生过载的问题，这时就得分析调查是哪里导致的问题，并要想办法优化了。
当平均负载高于 CPU 数量 70% 的时候，你就应该分析排查负载高的问题了。一旦负载过高，就可能导致进程响应变慢，进而影响服务的正常功能。
但 70% 这个数字并不是绝对的，最推荐的方法，还是把系统的平均负载监控起来，然后根据更多的历史数据，判断负载的变化趋势。当发现负载有明显升高趋势时，比如说负载翻倍了，你再去做分析和调查。
平均负载与 CPU 使用率
平均负载是指单位时间内，处于可运行状态和不可中断状态的进程数。所以，它不仅包括了正在使用 CPU 的进程，还包括等待 CPU 和等待 I/O 的进程。
而 CPU 使用率，是单位时间内 CPU 繁忙情况的统计，跟平均负载并不一定完全对应。比如：
-
CPU 密集型进程，使用大量 CPU 会导致平均负载升高，此时这两者是一致的；
-
I/O 密集型进程，等待 I/O 也会导致平均负载升高，但 CPU 使用率不一定很高；
-
大量等待 CPU 的进程调度也会导致平均负载升高，此时的 CPU 使用率也会比较高。
平均负载案例分析
以三个示例分别来看这三种情况，并用 iostat、mpstat、pidstat 等工具，找出平均负载升高的根源。
环境准备：
基于 Centos7，当然，同样适用于其他 Linux 系统。使用的案例环境如下所示。
-
机器配置(虚拟机)：1 CPU，1GB 内存。
-
预先安装 stress 和 sysstat 包，如 apt install stress sysstat。
stress 是一个 Linux 系统压力测试工具，这里我们用作异常进程模拟平均负载升高的场景。
sysstat 包含了常用的 Linux 性能工具，用来监控和分析系统的性能。我们的案例会用到这个包的两个命令 mpstat 和 pidstat。
-
mpstat 是一个常用的多核 CPU 性能分析工具，用来实时查看每个 CPU 的性能指标，以及所有 CPU 的平均指标。
-
pidstat 是一个常用的进程性能分析工具，用来实时查看进程的 CPU、内存、I/O 以及上下文切换等性能指标。
PS: 每个场景都需要你开三个终端，登录到同一台 Linux 机器中(默认以root用户运行)。
场景一：CPU 密集型进程
首先，我们在第一个终端运行 stress 命令，模拟一个 CPU 使用率 100% 的场景：
[root@god ~]# stress --cpu 1 --timeout 600
stress: info: [5380] dispatching hogs: 1 cpu, 0 io, 0 vm, 0 hdd
接着，在第二个终端运行 uptime 查看平均负载的变化情况：
[root@god ~]# watch -d uptime
..., load average: 1.00, 0.75, 0.39
最后，在第三个终端运行 mpstat 查看 CPU 使用率的变化情况：
# -P ALL 表示监控所有 CPU，后面数字 5 表示间隔 5 秒后输出一组数据
[root@god ~]# mpstat -P ALL 5 1
Linux 3.10.0-1062.el7.x86_64 (god) 11/30/2020 _x86_64_ (1 CPU)
11:51:47 AM CPU %usr %nice %sys %iowait %irq %soft %steal %guest %gnice %idle
11:51:52 AM all 99.60 0.00 0.40 0.00 0.00 0.00 0.00 0.00 0.00 0.00
11:51:52 AM 0 99.60 0.00 0.40 0.00 0.00 0.00 0.00 0.00 0.00 0.00
Average: CPU %usr %nice %sys %iowait %irq %soft %steal %guest %gnice %idle
Average: all 99.60 0.00 0.40 0.00 0.00 0.00 0.00 0.00 0.00 0.00
Average: 0 99.60 0.00 0.40 0.00 0.00 0.00 0.00 0.00 0.00 0.00
从终端二中可以看到，1 分钟的平均负载会慢慢增加到 1.00，而从终端三中还可以看到，正好有一个 CPU 的使用率为 99.6%，但它的 iowait 只有 0。这说明，平均负载的升高正是由于 CPU 使用率为 99.6% 。
那么，到底是哪个进程导致了 CPU 使用率为 100% 呢？你可以使用 pidstat 来查询：
# 间隔 5 秒后输出一组数据
[root@god ~]# pidstat -u 5 1
Linux 3.10.0-1062.el7.x86_64 (god) 11/30/2020 _x86_64_ (1 CPU)
11:54:13 AM UID PID %usr %system %guest %CPU CPU Command
11:54:18 AM 0 5381 99.60 0.00 0.00 99.60 0 stress
11:54:18 AM 0 5439 0.20 0.00 0.00 0.20 0 watch
Average: UID PID %usr %system %guest %CPU CPU Command
Average: 0 5381 99.60 0.00 0.00 99.60 - stress
Average: 0 5439 0.20 0.00 0.00 0.20 - watch
从这里可以明显看到，stress 进程的 CPU 使用率为 99.6%。
场景二：I/O 密集型进程
首先还是运行 stress 命令，但这次模拟 I/O 压力，即不停地执行 sync：
[root@god ~]# stress -i 1 --timeout 600
stress: info: [5883] dispatching hogs: 0 cpu, 1 io, 0 vm, 0 hdd
还是在第二个终端运行 uptime 查看平均负载的变化情况：
[root@god ~]# watch -d uptime
..., load average: 1.20, 1.35, 1.39
然后，第三个终端运行 mpstat 查看 CPU 使用率的变化情况：
# 显示所有 CPU 的指标，并在间隔 5 秒输出一组数据
[root@god ~]# mpstat -P ALL 5 1
Linux 3.10.0-1062.el7.x86_64 (god) 11/30/2020 _x86_64_ (1 CPU)
12:02:23 PM CPU %usr %nice %sys %iowait %irq %soft %steal %guest %gnice %idle
12:02:28 PM all 3.60 0.00 96.40 32.60 0.00 0.00 0.00 0.00 0.00 0.00
12:02:28 PM 0 3.60 0.00 96.40 68.20 0.00 0.00 0.00 0.00 0.00 0.00
Average: CPU %usr %nice %sys %iowait %irq %soft %steal %guest %gnice %idle
Average: all 3.60 0.00 96.40 32.60 0.00 0.00 0.00 0.00 0.00 0.00
Average: 0 3.60 0.00 96.40 68.20 0.00 0.00 0.00 0.00 0.00 0.00
从这里可以看到，1 分钟的平均负载会慢慢增加到 1.20，其中一个 CPU 的系统 CPU 使用率升高到了 96.40，而 iowait 高达 68.20%。这说明，平均负载的升高是由于 iowait 的升高。
那么到底是哪个进程，导致 iowait 这么高呢？我们还是用 pidstat 来查询：
# 间隔 5 秒后输出一组数据，-u 表示 CPU 指标
[root@god ~]# pidstat -u 5 1
Linux 3.10.0-1062.el7.x86_64 (god) 11/30/2020 _x86_64_ (1 CPU)
12:05:34 PM UID PID %usr %system %guest %CPU CPU Command
12:05:39 PM 0 809 0.00 0.20 0.00 0.20 0 tuned
12:05:39 PM 0 4880 0.00 5.79 0.00 5.79 0 kworker/u256:2
12:05:39 PM 0 5439 0.00 0.20 0.00 0.20 0 watch
12:05:39 PM 0 5884 3.79 81.84 0.00 85.63 0 stress
12:05:39 PM 0 6030 0.00 7.39 0.00 7.39 0 kworker/u256:0
Average: UID PID %usr %system %guest %CPU CPU Command
Average: 0 809 0.00 0.20 0.00 0.20 - tuned
Average: 0 4880 0.00 5.79 0.00 5.79 - kworker/u256:2
Average: 0 5439 0.00 0.20 0.00 0.20 - watch
Average: 0 5884 3.79 81.84 0.00 85.63 - stress
Average: 0 6030 0.00 7.39 0.00 7.39 - kworker/u256:0
可以发现，还是 stress 进程导致的。
场景三：大量进程的场景
当系统中运行进程超出 CPU 运行能力时，就会出现等待 CPU 的进程。
比如，我们还是使用 stress，但这次模拟的是 8 个进程：
[root@god ~]# stress -c 8 --timeout 600
stress: info: [6501] dispatching hogs: 8 cpu, 0 io, 0 vm, 0 hdd
由于系统只有 1 个 CPU，明显比 8 个进程要少得多，因而，系统的 CPU 处于严重过载状态，平均负载高达 7.97：
[root@god ~]# watch -d uptime
..., load average: 7.60, 3.35, 2.39
接着再运行 pidstat 来看一下进程的情况：
# 间隔 5 秒后输出一组数据
[root@god ~]# pidstat -u 5 1
Linux 3.10.0-1062.el7.x86_64 (god) 11/30/2020 _x86_64_ (1 CPU)
12:10:28 PM UID PID %usr %system %guest %CPU CPU Command
12:10:33 PM 0 6502 12.57 0.00 0.00 12.57 0 stress
12:10:33 PM 0 6503 12.38 0.00 0.00 12.38 0 stress
12:10:33 PM 0 6504 12.57 0.00 0.00 12.57 0 stress
12:10:33 PM 0 6505 12.18 0.00 0.00 12.18 0 stress
12:10:33 PM 0 6506 12.38 0.00 0.00 12.38 0 stress
12:10:33 PM 0 6507 12.18 0.00 0.00 12.18 0 stress
12:10:33 PM 0 6508 12.57 0.00 0.00 12.57 0 stress
12:10:33 PM 0 6509 12.57 0.00 0.00 12.57 0 stress
12:10:33 PM 0 6670 0.00 0.20 0.00 0.20 0 pidstat
Average: UID PID %usr %system %guest %CPU CPU Command
Average: 0 6502 12.57 0.00 0.00 12.57 - stress
Average: 0 6503 12.38 0.00 0.00 12.38 - stress
Average: 0 6504 12.57 0.00 0.00 12.57 - stress
Average: 0 6505 12.18 0.00 0.00 12.18 - stress
Average: 0 6506 12.38 0.00 0.00 12.38 - stress
Average: 0 6507 12.18 0.00 0.00 12.18 - stress
Average: 0 6508 12.57 0.00 0.00 12.57 - stress
Average: 0 6509 12.57 0.00 0.00 12.57 - stress
Average: 0 6670 0.00 0.20 0.00 0.20 - pidsta
可以看出，8 个进程在争抢 2 个 CPU，每个进程等待 CPU 的时间。这些超出 CPU 计算能力的进程，最终导致 CPU 过载。
PS：centos系统如果使用yum安装sysstat软件包版本较低，导致使用命令pidstat时没有%wait这一列。可以重新手动安装该软件。
小结
平均负载提供了一个快速查看系统整体性能的手段，反映了整体的负载情况。但只看平均负载本身，我们并不能直接发现，到底是哪里出现了瓶颈。所以，在理解平均负载时，也要注意：
-
平均负载高有可能是 CPU 密集型进程导致的；
-
平均负载高并不一定代表 CPU 使用率高，还有可能是 I/O 更繁忙了；
-
当发现负载高的时候，你可以使用 mpstat、pidstat 等工具，辅助分析负载的来源。