性能分析（4）- iowait 使用率过高案例

性能分析小案例系列，可以通过下面链接查看哦

https://www.cnblogs.com/poloyy/category/1814570.html

前言

• 前面两个案例讲的都是上下文切换导致的 CPU 使用率升高
• 这一篇就来讲讲等待 I/O 导致的 CPU 使用率升高的案例

进程状态

详解进程状态

https://cloud.tencent.com/developer/article/1677175

不可中断状态

• 当 iowait 升高时，进程很可能因为得不到硬件的响应，而长时间处于不可中断状态
• 不可中断也是为了保护进程数据和硬件状态一致，并且正常情况下，不可中断状态在很短时间内就会结束
• 所以，短时的不可中断进程，一般可以忽略
• 但如果系统或硬件发生了故障，进程可能会在不可中断状态保持很久，甚至导致系统中出现大量不可中断进程。这时，就得注意下，系统是不是出现了 I/O 等性能问题

僵尸进程

多进程引用很容易碰到的问题

正常情况

• 一个进程创建了子进程后，它应该通过系统调用 或 waitpid() 等待子进程结束，回收子进程的资源

wait()

• 而子进程在结束时，会向它的父进程发送 SIGCHLD 信号
• 所以，父进程还可以注册 SIGCHLD 信号的处理函数，异步回收资源

异常情况

• 如果父进程没有回收资源，或是子进程执行太快，父进程还没来得及处理子进程状态，子进程就已经提前退出，那这时的子进程就会变成僵尸进程
• 形象比喻：父亲应该一直对儿子负责， 善始善终，如果不作为或者跟不上，都会导致“问题少年”的出现

重点

• 僵尸进程持续的时间都比较短，在父进程回收它的资源后就会消亡，或者在父进程退出后，由 init 进程回收后也会消亡
• 一旦父进程没有处理子进程的终止，还一直保持运行状态，那么子进程就会一直处于僵尸状态
• 大量的僵尸进程会用尽 PID 进程号，导致新进程不能创建

大量不可中断状态和僵尸状态进程的案例

系统配置

• Ubuntu 18.04， 2 CPU，2GB 内存
• 前置条件：已运行案例应用

通过 ps 命令查看案例进程

ps aux | grep /app

结果分析

• 多个 app 进程已启动
• 状态有 Ss+、D+、R+
• 小s：表示这个进程是一个会话的领导进程
• +：表示前台进程组

什么是会话和进程组

• 它们是用来管理一组相互关联的进程
• 进程组：比如每个子进程都是父进程所在组的成员
• 会话：共享同一个控制终端的一个或多个进程组

会话和进程组的场景类比

• 通过 SSH 登录服务器，就会打开一个控制终端（TTY），这个控制终端就对应 一个会话
• 而在终端中运行的命令以及它们的子进程，就构成了一个个的进程组
• 在后台运行的命令，构成后台进程组
• 在前台运行的命令，构成前台进程组

通过 top 查看系统状况

结果分析

• 平均负载，过去 1min、5min、15min 的平均负载依次减少，说明平均负载正在升高
• 而 1min 内的平均负载已经达到系统 CPU 个数，说明系统很可能存在性能瓶颈
• 115 zombie 说明僵尸进程比较多，而且在不停增加，有子进程在退出时没被清理
• 用户 CPU 和系统 CPU 都不高，但 iowait 分别是 60.5% 和 94.6%，好像有点儿不正常，导致系统的平均负载升高
• 有两个处于 D 状态的 app 进程，可能在等待 I/O

查看系统的僵尸进程

ps -e -o stat,ppid,pid,cmd | egrep '^[Zz]' 

或

ps -ef | grep "defunct"

一堆 app 僵尸进程

iowait 分析

一提到 iowait 升高，首先会想要查询系统的 I/O 情况

运行 dstat 命令，观察 CPU 和 I/O 的使用情况

dstat 1 10

• 当 iowait 升高（wai）时，磁盘的读请求（read）都会很大（M）
• 这说明 iowait 的升高跟磁盘的读请求有关，很可能就是读磁盘导致的

找到读磁盘的进程

• 通过 top 找到 D 状态的两个 app 进程
• 不可中断状态代表进程在跟硬件进行交互，很可能就是读磁盘

两个 app 进程的 PID 分别是12407、12406

通过 pidstat 查看 app 进程的 I/O 情况

pidstat -d -p 12407 1 5

• -d 展示 I/O 统计数据
• -p 指定进程号
• 间隔 1 秒输出 5 组数据

• kB_rd 表示每秒读的 KB 数， kB_wr 表示每秒写的 KB 数，iodelay 表示 I/O 的延迟（单位是时钟周期）
• 它们都是 0，那就表示此时没有任何的读写，说明问题不 是 12407 进程导致的，也并不是12406 进程导致的

通过 pidstat 查看系统的 I/O 情况

pidstat -d 1 10

• 能看到其实的确是 app 进程在读，只不过每过几秒都会有新的 app 进程在读【pid 在不断变化】
• 可以确认，是 app 进程的问题

通过 ps 命令查看一直变化的 app 进程状态

前面讲到读磁盘的 app 进程 PID 一直在变化，那么就来看看已经没在读磁盘的进程的进程状态是怎么样的

ps aux | grep 15973

• 这进程已经是 Z 状态，就是僵尸进程了
• 僵尸进程都是已经退出的进程， 所以就没法儿继续分析它的系统调用
• 关于僵尸进程的处理方法，我们一会儿再说，现在还是继续分析 iowait 的问题

通过 perf 录制性能事件

• 系统 iowait 的问题还在继续，但是 top、pidstat 这类工具已经不能给出更多的信息了
• 此时可以通过 perf 动态跟踪性能事件

perf record -g

15s 后 ctrl+c 终止录制

查看报告，分析报告

perf report

• app 的确在通过系统调用 读取数据

sys_read()

• 并且从 和 blkdev_direct_IO 能看出，进程正在对磁盘进行直接读，也就是绕过了系统缓存，每个读请求都会从磁盘直接读，这就可以解释观察到的 iowait 升高了

new_sync_read

修复源码之后，通过 top 命令验证

• iowait 已经非常低了，只有 0.3%
• 说明修改源码已经成功修复了 iowait 高的问题
• 不过，仔细观察僵尸进程的数量，会发现，僵尸进程还在不断的增长中

处理和分析僵尸进程

• 僵尸进程是因为父进程没有回收子进程的资源而出现的
• 解决僵尸进程需要先找出父进程，然后在父进程里解决

通过 pstree 找到某个 app 进程的父进程

pstree -aps 51780

51780 进程的父进程是 51688，也就是 app 应用

通过 ps 查看所有僵尸进程的父进程

ps -e -o stat,ppid,pid,cmd | egrep '^[Zz]'

所有僵尸进程的父进程都是 51688，从而确认 51688 就是僵尸进程的父进程

查看 app 应用程序的代码

查看 app 应用程序的代码，看看子进程结束的处理是否正确

1. 有没有调用 或 waitpid()

wait()

1. 或有没有注册 信号的处理函数

SIGCHLD

把 wait() 放到了 for 死循环的外面，也就是说， wait() 函数实际上并没被调用到，把它挪到 for 循环的里面就可以了

改完源码，通过 top 验证一下

僵尸进程（Z 状态）没有了， iowait 也是 0，问题终于全部解决了

总结

• 这个案例是因为磁盘 I/O 导致了 iowait 升高
• 不过，iowait 高并不一定代表 I/O 有性能瓶颈
• 当系统中只有 I/O 类型的进程在运行时，iowait 也会很高，但实际上，磁盘的读写远没有达到性能瓶颈的程度

分析整体思路

1. 通过 top 查看系统资源情况
2. 发现平均负载逐渐升高，iowait（wa）比较高，但用户态和内核态 CPU 使用率并不算高
3. 查看是否有 CPU 使用率偏高的进程，发现有 D 状态的进程，可能是在等待 I/O 中
4. 过一阵子会变成 Z 状态进程，且 CPU 使用率上升，然后会看到 zombie 进程数逐渐增加
5. 可以得到两个结论：僵尸进程过多，应该是父进程没有清理已经结束的子进程的资源；iowait 的上升导系统平均负载上升
6. 因为是 iowait 较高，可以通过 dstat 查看系统的 I/O 情况，会发现每次 iowait 升高，读磁盘请求都会很大
7. 通过 pidstat -d 查看 D 状态进程的 I/O 情况，但发现并没有有效信息
8. 通过 pidstat -d 直接查看系统的 I/O 情况，可以发现不断有新进程在进行读磁盘操作
9. 通过 ps 命令查看刚刚 D 状态进程当前的进程状态，发现已经变成僵尸进程
10. 通过 perf record 录制性能事件，然后通过 perf report 查看性能报告，可以发现 app 进程都是直接读磁盘，而不经过系统缓存
11. 通过 pstree 找到 Z 状态进程的父进程
12. 通过 ps 命令确认所有僵尸进程的父进程
13. 找到父进程源代码，检查 wait() / waitpid() 的是否会成功调用，或是 SIGCHLD 信号处理函数的注册就行了
14. 修改完全部源码后，重新运行应用，通过 top 验证是否还有 iowait 过高和出现 zombie 进程的情况