亚洲综合图片区自拍_思思91精品国产综合在线观看_一区二区三区欧美_欧美黑人又粗又大_亚洲人成精品久久久久桥本

1、背景

(相關資料圖)

有時候會遇到一些疑難雜癥，并且監(jiān)控插件并不能一眼立馬發(fā)現(xiàn)問題的根源。這時候就需要登錄服務器進一步深入分析問題的根源。那么分析問題需要有一定的技術經(jīng)驗積累，并且有些問題涉及到的領域非常廣，才能定位到問題。所以，分析問題和踩坑是非常鍛煉一個人的成長和提升自我能力。如果我們有一套好的分析工具，那將是事半功倍，能夠幫助大家快速定位問題，節(jié)省大家很多時間做更深入的事情。

2、說明

本篇文章主要介紹各種問題定位的工具以及會結(jié)合案例分析問題。

3、分析問題的方法論

套用5W2H方法，可以提出性能分析的幾個問題

What-現(xiàn)象是什么樣的

When-什么時候發(fā)生

Why-為什么會發(fā)生

Where-哪個地方發(fā)生的問題

How much-耗費了多少資源

How to do-怎么解決問題

4、cpu

4.1 說明

針對應用程序，我們通常關注的是內(nèi)核CPU調(diào)度器功能和性能。

線程的狀態(tài)分析主要是分析線程的時間用在什么地方，而線程狀態(tài)的分類一般分為：

a. on-CPU：執(zhí)行中，執(zhí)行中的時間通常又分為用戶態(tài)時間user和系統(tǒng)態(tài)時間sys。b. off-CPU：等待下一輪上CPU，或者等待I/O、鎖、換頁等等，其狀態(tài)可以細分為可執(zhí)行、匿名換頁、睡眠、鎖、空閑等狀態(tài)。

如果大量時間花在CPU上，對CPU的剖析能夠迅速解釋原因；如果系統(tǒng)時間大量處于off-cpu狀態(tài)，定位問題就會費時很多。但是仍然需要清楚一些概念：

處理器

核

硬件線程

CPU內(nèi)存緩存

時鐘頻率

每指令周期數(shù)CPI和每周期指令數(shù)IPC

CPU指令

使用率

用戶時間／內(nèi)核時間

調(diào)度器

運行隊列

搶占

多進程

多線程

字長

4.2 分析工具

說明：

uptime,vmstat,mpstat,top,pidstat只能查詢到cpu及負載的的使用情況。

perf可以跟著到進程內(nèi)部具體函數(shù)耗時情況，并且可以指定內(nèi)核函數(shù)進行統(tǒng)計，指哪打哪。

4.3 使用方式

//查看系統(tǒng)cpu使用情況top//查看所有cpu核信息mpstat-PALL1//查看cpu使用情況以及平均負載vmstat1//進程cpu的統(tǒng)計信息pidstat-u1-ppid//跟蹤進程內(nèi)部函數(shù)級cpu使用情況perftop-ppid-ecpu-clock

5、內(nèi)存

5.1 說明

內(nèi)存是為提高效率而生，實際分析問題的時候，內(nèi)存出現(xiàn)問題可能不只是影響性能，而是影響服務或者引起其他問題。同樣對于內(nèi)存有些概念需要清楚：

主存

虛擬內(nèi)存

常駐內(nèi)存

地址空間

OOM

頁緩存

缺頁

換頁

交換空間

交換

用戶分配器libc、glibc、libmalloc和mtmalloc

LINUX內(nèi)核級SLUB分配器

5.2 分析工具

說明：

free,vmstat,top,pidstat,pmap只能統(tǒng)計內(nèi)存信息以及進程的內(nèi)存使用情況。

valgrind可以分析內(nèi)存泄漏問題。

dtrace動態(tài)跟蹤。需要對內(nèi)核函數(shù)有很深入的了解，通過D語言編寫腳本完成跟蹤。

5.3 使用方式

//查看系統(tǒng)內(nèi)存使用情況free-m//虛擬內(nèi)存統(tǒng)計信息vmstat1//查看系統(tǒng)內(nèi)存情況top//1s采集周期，獲取內(nèi)存的統(tǒng)計信息pidstat-ppid-r1//查看進程的內(nèi)存映像信息pmap-dpid//檢測程序內(nèi)存問題valgrind--tool=memcheck--leak-check=full--log-file=./log.txt./程序名

6、磁盤IO

6.1 說明

磁盤通常是計算機最慢的子系統(tǒng)，也是最容易出現(xiàn)性能瓶頸的地方，因為磁盤離 CPU 距離最遠而且 CPU 訪問磁盤要涉及到機械操作，比如轉(zhuǎn)軸、尋軌等。訪問硬盤和訪問內(nèi)存之間的速度差別是以數(shù)量級來計算的，就像1天和1分鐘的差別一樣。要監(jiān)測 IO 性能，有必要了解一下基本原理和 Linux 是如何處理硬盤和內(nèi)存之間的 IO 的。

在理解磁盤IO之前，同樣我們需要理解一些概念，例如：

文件系統(tǒng)

VFS

文件系統(tǒng)緩存

頁緩存page cache

緩沖區(qū)高速緩存buffer cache

目錄緩存

inode

inode緩存

noop調(diào)用策略

6.2 分析工具

6.3 使用方式

//查看系統(tǒng)io信息iotop//統(tǒng)計io詳細信息iostat-d-x-k110//查看進程級io的信息pidstat-d1-ppid//查看系統(tǒng)IO的請求，比如可以在發(fā)現(xiàn)系統(tǒng)IO異常時，可以使用該命令進行調(diào)查，就能指定到底是什么原因?qū)е碌腎O異常perfrecord-eblock:block_rq_issue-ag^Cperfreport

7、網(wǎng)絡

7.1 說明

網(wǎng)絡的監(jiān)測是所有 Linux 子系統(tǒng)里面最復雜的，有太多的因素在里面，比如：延遲、阻塞、沖突、丟包等，更糟的是與 Linux 主機相連的路由器、交換機、無線信號都會影響到整體網(wǎng)絡并且很難判斷是因為 Linux 網(wǎng)絡子系統(tǒng)的問題還是別的設備的問題，增加了監(jiān)測和判斷的復雜度。現(xiàn)在我們使用的所有網(wǎng)卡都稱為自適應網(wǎng)卡，意思是說能根據(jù)網(wǎng)絡上的不同網(wǎng)絡設備導致的不同網(wǎng)絡速度和工作模式進行自動調(diào)整。

7.2 分析工具

7.3 使用方式

//顯示網(wǎng)絡統(tǒng)計信息netstat-s//顯示當前UDP連接狀況netstat-nu//顯示UDP端口號的使用情況netstat-apu//統(tǒng)計機器中網(wǎng)絡連接各個狀態(tài)個數(shù)netstat-a|awk"/^tcp/{++S[$NF]}END{for(ainS)printa,S[a]}"http://顯示TCP連接ss-t-a//顯示sockets摘要信息ss-s//顯示所有udpsocketsss-u-a//tcp,etcp狀態(tài)sar-nTCP,ETCP1//查看網(wǎng)絡IOsar-nDEV1//抓包以包為單位進行輸出tcpdump-ieth1host192.168.1.1andport80//抓包以流為單位顯示數(shù)據(jù)內(nèi)容tcpflow-cphost192.168.1.1

8、系統(tǒng)負載

8.1 說明

Load就是對計算機干活多少的度量（WikiPedia：the system Load is a measure of the amount of work that a compute system is doing）簡單的說是進程隊列的長度。Load Average 就是一段時間（1分鐘、5分鐘、15分鐘）內(nèi)平均Load。

8.2 分析工具

8.3 使用方式

//查看負載情況uptimetopvmstat//統(tǒng)計系統(tǒng)調(diào)用耗時情況strace-c-ppid//跟蹤指定的系統(tǒng)操作例如epoll_waitstrace-T-eepoll_wait-ppid//查看內(nèi)核日志信息dmesg

9、火焰圖

9.1 說明

火焰圖（Flame Graph是 Bredan Gregg 創(chuàng)建的一種性能分析圖表，因為它的樣子近似 ?而得名。

火焰圖主要是用來展示 CPU的調(diào)用棧。

y 軸表示調(diào)用棧，每一層都是一個函數(shù)。調(diào)用棧越深，火焰就越高，頂部就是正在執(zhí)行的函數(shù)，下方都是它的父函數(shù)。

x 軸表示抽樣數(shù)，如果一個函數(shù)在 x 軸占據(jù)的寬度越寬，就表示它被抽到的次數(shù)多，即執(zhí)行的時間長。注意，x 軸不代表時間，而是所有的調(diào)用棧合并后，按字母順序排列的。

火焰圖就是看頂層的哪個函數(shù)占據(jù)的寬度最大。只要有”平頂”（plateaus），就表示該函數(shù)可能存在性能問題。顏色沒有特殊含義，因為火焰圖表示的是 CPU 的繁忙程度，所以一般選擇暖色調(diào)。

常見的火焰圖類型有On-CPU、Off-CPU、Memory、Hot/Cold、Differential等等。

9.2 安裝依賴庫

//安裝systemtap，默認系統(tǒng)已安裝yuminstallsystemtapsystemtap-runtime//內(nèi)核調(diào)試庫必須跟內(nèi)核版本對應，例如：uname -r 2.6.18-308.el5kernel-debuginfo-2.6.18-308.el5.x86_64.rpmkernel-devel-2.6.18-308.el5.x86_64.rpmkernel-debuginfo-common-2.6.18-308.el5.x86_64.rpm//安裝內(nèi)核調(diào)試庫debuginfo-install--enablerepo=debuginfosearchkerneldebuginfo-install--enablerepo=debuginfosearchglibc

9.3 安裝

gitclonehttps://github.com/lidaohang/quick_location.gitcdquick_location

9.4 CPU級別火焰圖

cpu占用過高，或者使用率提不上來，你能快速定位到代碼的哪塊有問題嗎？一般的做法可能就是通過日志等方式去確定問題。現(xiàn)在我們有了火焰圖，能夠非常清晰的發(fā)現(xiàn)哪個函數(shù)占用cpu過高，或者過低導致的問題。

9.4.1 on-CPU

cpu占用過高，執(zhí)行中的時間通常又分為用戶態(tài)時間user和系統(tǒng)態(tài)時間sys。

使用方式：

//on-CPUusershngx_on_cpu_u.shpid//進入結(jié)果目錄cdngx_on_cpu_u//on-CPUkernelshngx_on_cpu_k.shpid//進入結(jié)果目錄cdngx_on_cpu_k//開一個臨時端口8088python-mSimpleHTTPServer8088//打開瀏覽器輸入地址127.0.0.1:8088/pid.svg

DEMO：

#include#includevoidfoo3(){}voidfoo2(){inti;for(i=0;i<10;i++)foo3();}voidfoo1(){inti;for(i=0;i<1000;i++)foo3();}intmain(void){inti;for(i=0;i<1000000000;i++){foo1();foo2();}}

DEMO火焰圖：

9.4.2 off-CPU

cpu過低，利用率不高。等待下一輪CPU，或者等待I/O、鎖、換頁等等，其狀態(tài)可以細分為可執(zhí)行、匿名換頁、睡眠、鎖、空閑等狀態(tài)。

使用方式：

//off-CPUusershngx_off_cpu_u.shpid//進入結(jié)果目錄cdngx_off_cpu_u//off-CPUkernelshngx_off_cpu_k.shpid//進入結(jié)果目錄cdngx_off_cpu_k//開一個臨時端口8088python-mSimpleHTTPServer8088//打開瀏覽器輸入地址127.0.0.1:8088/pid.svg

官網(wǎng)DEMO：

9.5 內(nèi)存級別火焰圖

如果線上程序出現(xiàn)了內(nèi)存泄漏，并且只在特定的場景才會出現(xiàn)。這個時候我們怎么辦呢？有什么好的方式和工具能快速的發(fā)現(xiàn)代碼的問題呢？同樣內(nèi)存級別火焰圖幫你快速分析問題的根源。

使用方式：

shngx_on_memory.shpid//進入結(jié)果目錄cdngx_on_memory//開一個臨時端口8088python-mSimpleHTTPServer8088//打開瀏覽器輸入地址127.0.0.1:8088/pid.svg

官網(wǎng)DEMO：

9.6 性能回退-紅藍差分火焰圖

你能快速定位CPU性能回退的問題么？如果你的工作環(huán)境非常復雜且變化快速，那么使用現(xiàn)有的工具是來定位這類問題是很具有挑戰(zhàn)性的。當你花掉數(shù)周時間把根因找到時，代碼已經(jīng)又變更了好幾輪，新的性能問題又冒了出來。主要可以用到每次構(gòu)建中，每次上線做對比看，如果損失嚴重可以立馬解決修復。

通過抓取了兩張普通的火焰圖，然后進行對比，并對差異部分進行標色：紅色表示上升，藍色表示下降。差分火焰圖是以當前（“修改后”）的profile文件作為基準，形狀和大小都保持不變。因此你通過色彩的差異就能夠很直觀的找到差異部分，且可以看出為什么會有這樣的差異。

使用方式：

cdquick_location//抓取代碼修改前的profile1文件perfrecord-F99-ppid-g--sleep30perfscript>out.stacks1//抓取代碼修改后的profile2文件perfrecord-F99-ppid-g--sleep30perfscript>out.stacks2//生成差分火焰圖:./FlameGraph/stackcollapse-perf.pl../out.stacks1>out.folded1./FlameGraph/stackcollapse-perf.pl../out.stacks2>out.folded2./FlameGraph/difffolded.plout.folded1out.folded2|./FlameGraph/flamegraph.pl>diff2.svg

DEMO：

//test.c#include#includevoidfoo3(){}voidfoo2(){inti;for(i=0;i<10;i++)foo3();}voidfoo1(){inti;for(i=0;i<1000;i++)foo3();}intmain(void){inti;for(i=0;i<1000000000;i++){foo1();foo2();}}//test1.c#include#includevoidfoo3(){}voidfoo2(){inti;for(i=0;i<10;i++)foo3();}voidfoo1(){inti;for(i=0;i<1000;i++)foo3();}voidadd(){inti;for(i=0;i<10000;i++)foo3();}intmain(void){inti;for(i=0;i<1000000000;i++){foo1();foo2();add();}}

DEMO紅藍差分火焰圖：

10、案例分析

10.1 接入層nginx集群異?，F(xiàn)象

通過監(jiān)控插件發(fā)現(xiàn)在2017.09.25 19點nginx集群請求流量出現(xiàn)大量的499，5xx狀態(tài)碼。并且發(fā)現(xiàn)機器cpu使用率升高，目前一直持續(xù)中。

10.2 分析nginx相關指標

a)**分析nginx請求流量：

結(jié)論：

通過上圖發(fā)現(xiàn)流量并沒有突增，反而下降了，跟請求流量突增沒關系。

b)**分析nginx響應時間

結(jié)論：

通過上圖發(fā)現(xiàn)nginx的響應時間有增加可能跟nginx自身有關系或者跟后端upstream響應時間有關系。

c)**分析nginx upstream響應時間

結(jié)論：

通過上圖發(fā)現(xiàn)nginx upstream 響應時間有增加，目前猜測可能后端upstream響應時間拖住nginx，導致nginx出現(xiàn)請求流量異常。

10.3 分析系統(tǒng)cpu情況

a)**通過top觀察系統(tǒng)指標

top

結(jié)論：

發(fā)現(xiàn)nginx worker cpu比較高

b)**分析nginx進程內(nèi)部cpu情況

perf top -p pid

結(jié)論：

發(fā)現(xiàn)主要開銷在free,malloc,json解析上面

10.4 火焰圖分析cpua)**生成用戶態(tài)cpu火焰圖

//test.c#include#include//on-CPUusershngx_on_cpu_u.shpid//進入結(jié)果目錄cdngx_on_cpu_u//開一個臨時端口8088python-mSimpleHTTPServer8088//打開瀏覽器輸入地址127.0.0.1:8088/pid.svg

結(jié)論：

發(fā)現(xiàn)代碼里面有頻繁的解析json操作，并且發(fā)現(xiàn)這個json庫性能不高，占用cpu挺高。

10.5 案例總結(jié)

a)分析請求流量異常，得出nginx upstream后端機器響應時間拉長

b)分析nginx進程cpu高，得出nginx內(nèi)部模塊代碼有耗時的json解析以及內(nèi)存分配回收操作

10.5.1 深入分析

根據(jù)以上兩點問題分析的結(jié)論，我們進一步深入分析。

后端upstream響應拉長，最多可能影響nginx的處理能力。但是不可能會影響nginx內(nèi)部模塊占用過多的cpu操作。并且當時占用cpu高的模塊，是在請求的時候才會走的邏輯。不太可能是upstram后端拖住nginx，從而觸發(fā)這個cpu的耗時操作。

10.5.2 解決方式

遇到這種問題，我們優(yōu)先解決已知的，并且非常明確的問題。那就是cpu高的問題。解決方式先降級關閉占用cpu過高的模塊，然后進行觀察。經(jīng)過降級關閉該模塊cpu降下來了，并且nginx請求流量也正常了。之所以會影響upstream時間拉長，因為upstream后端的服務調(diào)用的接口可能是個環(huán)路再次走回到nginx。