应用卡死可能是因为你的磁盘IO出了问题
描述
计算机有三大件：CPU、内存、磁盘，这三者有一个“拖后腿”的，那就是磁盘。在生产环境，作为数据库角色的服务器磁盘建议拿至少4块硬盘做RAID10，这样既保证数据读写速度也保证数据的安全。如果使用普通的磁盘，即使CPU再强悍，最终的服务器性能也不会太好。
在我的职业生涯中，遇到过多次因为磁盘I/O效率低而导致MySQL查询非常慢的问题。对于一般的小网站来说，MySQL的查询队列（用show processlist查看）不会超过100个，甚至不会超过10个，这是因为MySQL查询速度非常快。如果查询队列数量突然变大，可能是因为网站访问量变大也可能是因为磁盘读写速度变慢。
本案例背景是这样的，一台阿里云的机器，收到告警磁盘IO达到100%，但是登录机器后查看并没有什么异常，也就是说磁盘飙到100%只是短暂的一会儿。既然出现了100%的情况，那说明肯定是有某个进程有问题。由于这个问题并不是一直出现，所以排查起来有点困难。于是，想到写一个监测脚本，来实时查看磁盘IO使用情况，当发现异常时，则通过一些查看服务器状态的指令来记录具体的指标，从而分析出是什么造成的磁盘IO使用率100%。
知识点一：使用iostat查看磁盘IO
如果你系统中没有iostat命令，需要安装sysstat包，CentOS安装方法是：
# yum install -y sysstat
iostat命令如果不加任何选项，执行结果如下：
# iostat
Linux 3.10.0-862.el7.x86_64 (web30) 2022年11月06日 _x86_64_ (4 CPU)
avg-cpu: %user %nice %system %iowait %steal %idle
1.50 0.00 2.10 0.07 26.12 70.21
Device: tps kB_read/s kB_wrtn/s kB_read kB_wrtn
vda 15.95 1.95 108.97 545936 30453675
avg-cpu: 为总体cpu使用情况统计信息，对于多核cpu，这里为所有cpu的平均值
Device: 为各磁盘设备的IO统计信息
对于cpu统计信息一行，我们主要看iowait的值，它指示cpu用于等待io请求完成的时间。Device中各列含义如下：
Device: 为设备名称
tps: 为每秒进程下发的IO读、写请求数量
Blk_read/s: 为每秒读扇区数量(一扇区为512bytes)
Blk_wrtn/s: 为每秒写扇区数量
Blk_read: 为取样时间间隔内读扇区总数量
Blk_wrtn: 为取样时间间隔内写扇区总数量
我们经常会在iostat后面加上两个数字，例如：
# iostat 1 3
Linux 3.10.0-862.el7.x86_64 (web30) 2022年11月06日 _x86_64_ (4 CPU)
avg-cpu: %user %nice %system %iowait %steal %idle
1.50 0.00 2.10 0.07 26.12 70.22
Device: tps kB_read/s kB_wrtn/s kB_read kB_wrtn
vda 15.96 1.96 109.10 546984 30511811
avg-cpu: %user %nice %system %iowait %steal %idle
0.79 0.00 1.58 0.53 26.58 70.53
Device: tps kB_read/s kB_wrtn/s kB_read kB_wrtn
vda 376.00 0.00 2324.00 0 2324
avg-cpu: %user %nice %system %iowait %steal %idle
0.78 0.00 1.04 0.00 9.14 89.03
Device: tps kB_read/s kB_wrtn/s kB_read kB_wrtn
vda 0.00 0.00 0.00 0 0
第一个1表示每隔1秒打印一次，3表示一共打印3次。iostat命令还有一个非常使用的选项-x，它可以显示更多的信息，也是我最常用的一个选项，如下：
# iostat -d -x 1 2 Linux 3.10.0-862.el7.x86_64 (web30) 2022年11月06日 _x86_64_ (4 CPU) Device: rrqm/s wrqm/s r/s w/s rkB/s wkB/s avgrq-sz avgqu-sz await r_await w_await svctm %util vda 0.00 0.06 0.04 15.91 1.95 109.11 13.92 0.34 21.07 4.49 21.12 1.10 1.75 Device: rrqm/s wrqm/s r/s w/s rkB/s wkB/s avgrq-sz avgqu-sz await r_await w_await svctm %util vda 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
说明：-d选项可以把cpu相关信息过滤掉，只显示磁盘相关信息，以下为各列的含义：
rrqm/s: 每秒对该设备的读请求被合并次数，文件系统会对读取同块(block)的请求进行合并
wrqm/s: 每秒对该设备的写请求被合并次数
r/s: 每秒完成的读次数
w/s: 每秒完成的写次数
rkB/s: 每秒读数据量(kB为单位)
wkB/s: 每秒写数据量(kB为单位)
avgrq-sz:平均每次IO操作的数据量(扇区数为单位)
avgqu-sz: 平均等待处理的IO请求队列长度
await: 平均每次IO请求等待时间(包括等待时间和处理时间，毫秒为单位)
svctm: 平均每次IO请求的处理时间(毫秒为单位)
%util: 采用周期内用于IO操作的时间比率，即IO队列非空的时间比率
对于这些列，我们最应该关注的是最后一列%util，本案例中提到磁盘使用率100%，其实就是%util的值为100%。
知识点二：iotop查看哪个进程磁盘读写最高
iotop命令是一个用来监视磁盘I/O使用状况的top类工具。iotop具有与top相似的UI，其中包括PID、用户、I/O、进程等相关信息。iotop命令就是由iotop包安装得来的，在CentOS下安装iotop的方法是：
# yum install -y iotop
安装完成后直接输入iotop回车，结果显示跟top类似，它是动态实时查看各个进程的磁盘读写情况，效果如下：
# iotop
Total DISK READ : 0.00 B/s | Total DISK WRITE : 60.42 K/s
Actual DISK READ: 0.00 B/s | Actual DISK WRITE: 0.00 B/s
TID PRIO USER DISK READ DISK WRITE SWAPIN IO> COMMAND
1419 be/4 nginx 0.00 B/s 3.55 K/s 0.00 % 0.00 % nginx: worker process
9634 be/4 www 0.00 B/s 49.76 K/s 0.00 % 0.00 % php-fpm: pool www
9646 be/4 www 0.00 B/s 7.11 K/s 0.00 % 0.00 % php-fpm: pool www
512 be/4 polkitd 0.00 B/s 0.00 B/s 0.00 % 0.00 % polkitd --no-debug
1 be/4 root 0.00 B/s 0.00 B/s 0.00 % 0.00 % systemd --switched-root --system --deserialize 22
2 be/4 root 0.00 B/s 0.00 B/s 0.00 % 0.00 % [kthreadd]
3 be/4 root 0.00 B/s 0.00 B/s 0.00 % 0.00 % [ksoftirqd/0]
5 be/0 root 0.00 B/s 0.00 B/s 0.00 % 0.00 % [kworker/0:0H]
7 rt/4 root 0.00 B/s 0.00 B/s 0.00 % 0.00 % [migration/0]
8 be/4 root 0.00 B/s 0.00 B/s 0.00 % 0.00 % [rcu_bh]
9 be/4 root 0.00 B/s 0.00 B/s 0.00 % 0.00 % [rcu_sched]
对于各列的输出，很容易理解，我们主要看第4和5两列。iotop有几个快捷键，如下：
左右箭头：改变排序方式，默认是按IO排序。
r：改变排序顺序。
o：只显示有IO输出的进程。
p：进程/线程的显示方式的切换。
a：显示累积使用量。
q：退出。
如果在shell脚本中使用iotop命令，需要加上-b选项，即不使用动态显示的模式，当然还需要加另外几个选项，具体用法如下：
# iotop -obn2 Total DISK READ : 0.00 B/s | Total DISK WRITE : 0.00 B/s Actual DISK READ: 0.00 B/s | Actual DISK WRITE: 0.00 B/s TID PRIO USER DISK READ DISK WRITE SWAPIN IO COMMAND Total DISK READ : 0.00 B/s | Total DISK WRITE : 59.67 K/s Actual DISK READ: 0.00 B/s | Actual DISK WRITE: 0.00 B/s TID PRIO USER DISK READ DISK WRITE SWAPIN IO COMMAND 1416 be/4 nginx 0.00 B/s 3.51 K/s 0.00 % 0.00 % nginx: worker process 1417 be/4 nginx 0.00 B/s 3.51 K/s 0.00 % 0.00 % nginx: worker process 1418 be/4 nginx 0.00 B/s 3.51 K/s 0.00 % 0.00 % nginx: worker process 1419 be/4 nginx 0.00 B/s 3.51 K/s 0.00 % 0.00 % nginx: worker process 9638 be/4 www 0.00 B/s 3.51 K/s 0.00 % 0.00 % php-fpm: pool www
说明：-o跟上面那个快捷键o一个意思，它的作用是只显示有IO的进程。-n2表示需要统计2次，因为第一次不会显示任何进程。
本案例参考脚本
#!/bin/bash
##监控磁盘IO使用率，并找出哪个进程造成磁盘使用率很高
##该脚本需要写一个常驻循环
##作者：阿铭
##日期：2022-11-06
#判断机器上是否安装iostat命令
if ! which iostat &>/dev/null
then
yum install -y sysstat
#如果你的机器为ubuntu，请使用这个命令：apt-get install -y sysstat
fi
#判断机器上是否安装iotop命令
if ! which iotop &>/dev/null
then
yum install -y iotop
#如果你的机器为ubuntu，请使用这个命令：apt-get install -y iotop
fi
#定义记录日志的目录
logdir=/tmp/iolog
[ -d $logdir ] || mkdir $logdir
#定义日志名字
dt=`date +%F`
#定义获取io的函数（取5次平均值）
get_io()
{
iostat -dx 1 5 > $logdir/iostat.log
sum=0
#取最后一列的%util值循环遍历然后相加
for ut in `grep "^$1" $logdir/iostat.log|awk '{print $NF}'|cut -d. -f1`
do
sum=$[$sum+$ut]
done
echo $[$sum/5]
}
#这里的true表示条件为真
while true
do
#获取所有设备，对所有设备名遍历
for d in `iostat -dx|egrep -v '^$|Device:|CPU)'|awk '{print $1}'`
do
io=`get_io $d`
#如果io使用率大于等于80
if [ $io -ge 80 ]
then
#向日志里记录时间、iostat和iotop信息
date >> $logdir/$dt
cat $logdir/iostat.log >>$logdir/$dt
iotop -obn2 >>$logdir/$dt
echo "####################" >>$logdir/$dt
fi
#休眠10秒，继续以上步骤
done
sleep 10
done
当然，这个脚本还并不完美，因为一旦发生磁盘IO使用率很高的情况，则会持续一段时间，这样就会频繁地记录日志。其实，根据以前案例二中我们学过的告警收敛的思路，可以把该脚本适当修改。希望你可以动手来写一写，这样才能锻炼你的逻辑思维能力。另外，你也可以把该脚本改为发告警邮件的形式。
审核编辑：汤梓红
-
库UFX打开文件出错0x1F，请问可能是哪里的问题？2022-05-16 0
-
使用tc397进行收发的时候没有响应是因为什么？2024-03-05 0
-
飞凌嵌入式ElfBoard ELF 1板卡-通用文件IO模型之write2024-10-12 0
-
AD仿真，这个错误是因为什么？2016-11-03 0
-
DM368卡死现象是否是因为上电顺序引起的？2019-08-27 0
-
在imxrt1176上的TICK设置为1000Hz后RTT会卡死可能是什么原因？2023-01-09 0
-
三星折叠手机Galaxy Fold造成屏幕损坏的原因是因为铰链结构和灰尘2019-04-27 4860
-
警惕！你的电脑变卡可能是因为在帮别人挖矿2019-08-19 8061
-
PCB铜线脱落可能是因为什么原因2020-04-09 3447
-
PBGA失效可能是因为什么原因2019-12-15 2504
-
linux虚拟机下使用IOMETER测试磁盘的IO性能2020-07-08 930
-
可能是因为苏伊士运河被堵这个？2021-04-13 2290
-
解决苹果手机卡死的方法，让你从此不再头疼2022-03-14 5676
-
晶振不起振也可能是PCB设计的锅2022-12-29 1847
-
Linux磁盘IO详细解析2024-08-05 571
全部0条评论
快来发表一下你的评论吧 !
