Linux Load Average 异常排查：别只盯着 CPU

Load Average 表示正在运行或等待不可中断资源的任务数量，并不等同于 CPU 使用率。高负载而 CPU 空闲，通常意味着任务在等待磁盘、网络文件系统或内核资源。

判断是否真的异常

先把负载与逻辑 CPU 数量比较：

uptime
nproc
cat /proc/loadavg

持续 15 分钟负载超过 CPU 数量才值得重点关注。短暂的一分钟尖峰可能只是批任务或发布造成的正常波动。

区分运行与等待

vmstat 1
mpstat -P ALL 1
ps -eo state,pid,comm,wchan:32 --sort=state | head -30

vmstat 中 r 高且 CPU user/system 高，说明计算资源不足；b 高或大量进程处于 D 状态，优先检查磁盘、NFS 和块设备。wchan 能帮助定位进程卡在哪个内核等待点。

容器环境还要检查 CPU throttling。宿主机 CPU 看似空闲时，容器可能已经触发 cgroup 限额。

常见误判

• 只看瞬时 top，没有观察至少一个业务周期
• 看到高负载立即扩容，却忽略挂死的 NFS
• 把容器 CPU 限额问题误判为节点容量不足
• 忽略僵尸进程和不可中断睡眠任务

收尾清单

确认瓶颈类型后，再选择优化 SQL、拆分批任务、修复存储、调整限额或扩容。不要用“Load 高”作为结论，它只是一条入口信号。