前言
上篇介紹了服務器常用指標及計算方式，本篇介紹各個指標觸發閾值告警之後，如何定位和應對各個指標故障情況。
CPU使用率過高
表面現象
CPU使用率過高，100%以上，可能帶來的後果是，遲遲無法返回計算結果，造成卡頓，甚至卡死。
產生原因
- 很慢的響應時間（slow response time）
- Cpu的空閒時間爲零（zero percent idle cpu）
- 過高的用戶佔用cpu時間（high percent user cpu）
- 過高的系統佔用cpu時間（high percent system cpu）
- 長時間的有很長的運行進程隊列（large run queue size sustained over time）
排查步驟
- 定位消耗 CPU 的具體進程
top 然後按P，篩選CPU使用率最高的進程，或vmstat -t 1。 - 對 CPU 佔用率高的進程進行分析
如果爲異常進程，可能是病毒或木馬導致，可以自行終止進程，或者使用安全軟件進行查殺；如果是業務進程，則需要分析是否由於訪問量變化引起，是否存在優化空間。 - CPU使用率較低但負載較高
load average 是對 CPU 負載的評估，其值越高，說明其任務隊列越長，處於等待執行的任務越多。
出現此種情況時，可能是由於僵死進程導致的。可以通過指令ps -axjf查看是否存在 D 狀態進程。
D 狀態是指不可中斷的睡眠狀態。該狀態的進程無法被 kill，也無法自行退出。只能通過恢復其依賴的資源或者重啓系統來解決。
健康範圍：
- User mode CPU utilization+ System mode CPU utilization
合理值:60-85%，如果在一個多用戶系統中us+sy時間超過85%，則進程可能要花時間在運行隊列中等待，響應時間和業務吞吐量會受損害；
us過大，說明有用戶進程佔用很多cpu時間，需要進一步的分析其它軟硬件因素；
sy過大，說明系統管理方面花了很多時間，說明該系統中某個子系統產生了瓶頸，需要進一步分析其它軟硬件因素。 - wa（wait）
參考值：小於25%，超過25%的wa的值可以表示磁盤子系統可能沒有被正確平衡，也可能是磁盤密集工作負載的結果，系統的磁盤或其它I/O可能有問題，可以通過iostat/sar –c命令進一步分解分析 - Id（idle）
參考值：大於40，如果r經常大於4，且id經常小於40，表示cpu的負荷很重 - r
參考值：小於4，隊列大於4時，表明系統的cpu或內存可能有問題，如果r經常大於4，且id經常少於40，表示cpu的負荷很重。當隊列變長時，隊列中進程在等待cpu調度執行時所花的時間會變長，需使用sar -t 1查看。