服务器负载高的排查顺序

负载（load average）这个数字很多人天天看，含义却常被误解：它是正在运行加上等待运行的进程数的平均值，不单指 CPU 忙。排查负载高，按固定顺序走，多数十分钟能定位。 先读懂数字 uptime 输出 load average: 2.10, 1.85, 1.60，分别是最近 1、5、15 分钟的平均值，三段连看能判断趋势：一分钟高、十五分钟低，是刚刚发生的尖峰；三段都高，是持续状态。负载要和核数对照着读，4 核机器负载 4 表示刚好饱和，超过 4 就有进程在排队。任务多的机器负载瞬时冲高很正常，看持续值再下结论。 第一步：分清 CPU 型还是 IO 型 top 看第三行 CPU 各项：us（用户态）高，是业务进程在吃 CPU；wa（iowait，等待磁盘的时间占比）高，瓶颈在磁盘，CPU 本身很闲。vmstat 1 里的 r 列（等待 CPU 的进程数）和 b 列（阻塞在 IO 的进程数）是交叉验证工具：r 高是 CPU 排队，b 高是 IO 排队，一眼分型。看不懂就 top 里按 1 键展开每颗核，一颗核打满、其余空闲，多半是单线程瓶颈。 第二步：内存够不够 free -h 看 available 列，低于总内存的一成说明内存吃紧，系统可能已经在用交换分区，卡顿感明显。此时在 top 里按 M 键按内存排序，找 RSS 靠前的进程，确认是谁占的。 第三步：定位具体进程 CPU 型：top 按 P 排序锁定进程，再按 H 看线程；IO 型：iostat -x 1 看 %util 与 await，谁在写盘用 iotop 确认。找到进程后结合业务判断是正常峰值还是异常——死循环、日志疯写、被攻击都有可能，判据就一句：这个消耗说得通吗。 第四步：网络别漏掉 CPU、内存、磁盘都正常但负载仍高，用 sar -n DEV 1 看网卡流量，ss -s 看连接总数，突发流量或大量 TIME_WAIT 也会把负载顶起来。排查时把每一步的命令输出顺手贴进工单，接手的人不用重跑，多人协作里这是最省时间的习惯。没有 sar 的机器先装 sysstat，应急时 cat /proc/net/dev 也能看到实时的收发字节数。 一句提醒：单次快照会骗人，top 的一瞬间不代表常态；负载要结合趋势看，长期高于 CPU 核数的七成就该优化或升配，别等打满再动手。