最近研究linux时接触到了一个新的概念，叫做CPU的平均负载（load average）。之前都只听说过CPU的使用情况，很少听说过负载情况。于是对这个概念进行了一下研究学习，总结如下，以便日后查阅。

一、如何理解CPU负载情况

CPU负载情况定义为在特定时间间隔内运行队列中的进程数量的平均值，换句话说就是该段时间内正在使用和等待使用CPU的平均任务数。CPU的负载越大，代表CPU必须要在不同的工作之间进行频繁的工作切换。

请注意：它与CPU使用情况（CPU使用率）不是同一个概念。CPU使用率指的是CPU运行所有程序的耗时占所有时间的比例，它反映的是当前CPU的繁忙程度。举个简单例子，在单处理器中，线程1先工作10ms，线程2再工作30ms，之后CPU空闲60ms。则此100ms时间段内，CPU的利用率就是40%。如果CPU使用率持续居高，那么就需要考虑CPU是否已经处于超负荷运作，长期超负荷运作对于机器本身来说是一种损害，因此必须将CPU的利用率控制在一定的比例下，以保证机器的正常运作。

但是，反过来说，CPU使用率高，并不意味着CPU负载情况就一定大。举例来说：如果我有一个程序需要一直使用CPU的运算功能，那么此时CPU的使用率可能达到100%，但是CPU的负载情况则是趋近于“1”，因为CPU仅负责一个工作嘛！此时的CPU虽然很忙，但是不会卡，你想要再增加一个程序（比如新开一个浏览器窗口）的话，应该问题不大，系统立即就可以响应你的操作。而如果同时执行两个这样的程序呢？CPU的使用率还是100%，但是负载情况则变成2了。再进一步的，如果同时执行10个这样的程序，CPU的使用率依然是100%，可是负载情况变成了10，此时你想要再增加一个程序（比如新开一个浏览器窗口），则系统会变得非常卡，甚至死机！

以上分析可以看出，一台机器很有可能处于低使用率、高负载情况的情况，因此看机器的繁忙程度应该结合两者，从实际的使用情况观察。

可能上面的解释不是很直观，没怎么听懂。下面利用一个网上通用的比喻来形容一下【原文参见Understanding Linux CPU Load】，我添加了一些我自己的理解，让文字看起来更形象一些，不知道有没有形容不当的地方，若有发现还请不吝指正。

首先，假设最简单的情况，你的电脑只有一个CPU，所有的运算都必须由这个CPU来完成。以下所有的分析都是基于这个前提的，请注意！

然后，我们把这个CPU想象成一座大桥，桥上只有一根车道，所有车辆都必须从这根车道上通过（很显然，这座桥只能单向通行）。

• 系统负荷为0，意味着大桥上一辆车也没有。一辆新来的车辆想要驶入，分分钟就进来了，完全没有问题（类比成你对电脑的操作，就好比你此时要新开一个音乐播放器，一点击图标，播放器立即就启动了，完全无需等待，响应速度极快，很爽）；
• 系统负荷为0.5，意味着大桥一半的路段有车。新来的车辆想要驶入，依然无需等待，瞬间进入（类比成新开音乐播放器的操作就是，一点击图标，播放器很快就启动了，时延几乎可以忽略）；
• 系统负荷为1.0，意味着大桥的所有路段都有车，也就是说大桥已经"满"了。但是必须注意的是，直到此时大桥还是能顺畅通行的。同样驶来了一辆新的车辆，此时它没法瞬间驶入，而是必须在整个车流队伍的末端进行排队等候，但是好在车流很顺畅，队伍排一会就轮到它了（类比成新开音乐播放器的操作就是，点击图标之后，过了一小会播放器才启动，让你稍稍的等待了一小会，但是还在你可以接受的范围之内）；
• 系统负荷为1.7，意味着车辆太多了，大桥已经被占满了，后面等着上桥的车辆为桥面车辆的70%。同样还是那辆新的车辆要驶入，此时它要排队的时间就明显边长了，而且很可能存在堵车的风险（类比成新开音乐播放器的操作就是，点击图标之后，过了好一会，播放器才开始启动，而且启动之后还很卡，半天才响应过来，让你觉得有点郁闷+不爽了）；
• 以此类推，系统负荷2.0时，意味着等待上桥的车辆与桥面的车辆一样多，新来的车辆想要驶入的等候时间进一步变长；系统负荷3.0时，意味着等待上桥的车辆是桥面车辆的2倍。总之，当系统负荷大于1，后面的车辆就必须等待了；系统负荷越大，过桥就必须等得越久，直到最后可能就导致车流完全卡死，新来的车辆根本无法驶入了（类比成新开音乐播放器的操作就是，点击图标之后，过了很久很久，播放器完全没有反应。你感觉似乎等了好几分钟了，实在是不耐烦了，于是再多点几下，结果桌面反而卡死了，又隔了半天，系统居然弹了一个“播放器没有响应，是否要结束任务？”的对话框出来，你毫不犹豫点击结束任务，又是半天没有动静，似乎过了一个世纪之后，电脑完全卡死了，鼠标和键盘都不能用了，天地间只剩一个你在崩溃中重启你的电脑…）。

CPU的系统负荷，基本上等同于上面的类比。大桥的通行能力，就是CPU的最大工作量；桥梁上的车辆，就是一个个等待CPU处理的进程（process）。

如果CPU每分钟最多处理100个进程，那么系统负荷0.2意味着CPU在这1分钟里只处理20个进程；系统负荷1.0意味着CPU在这1分钟里正好处理100个进程；系统负荷1.7意味着除了CPU正在处理的100个进程以外，还有70个进程正排队等着CPU处理。

从理论上来说，为了电脑顺畅运行，系统负荷最好不要超过1.0，这样就没有进程需要等待了，所有进程都能第一时间得到处理。很显然，1.0是一个关键值，超过这个值，系统就不在最佳状态了，你要动手干预了。

当然，上面所有的案例中，我们假设你的电脑都只有1个CPU。如果你的电脑装了2个CPU（或者是装了一个双核的CPU），会发生什么情况呢？

2个CPU（或者双核CPU），意味着电脑的处理能力翻了一倍，能够同时处理的进程数量也翻了一倍。还是用大桥来类比，两个CPU就意味着大桥有两根车道了，通车能力翻倍了。所以，2个CPU表明系统负荷可以达到2.0，此时每个CPU都达到100%的工作量。推广开来，n个CPU核心的电脑，可接受的系统负荷最大为n.0。

二、如何查看CPU负载情况

首先要看下系统的CPU核心总数，这是前提，单核CPU与多核CPU的负载情况标准是完全不一样的。使用以下命令查看CPU核心数：

leon@Ubuntu:~$ grep -c 'model name' /proc/cpuinfo
6

然后就可以查看CPU的负载情况了。直接使用uptime命令就可以看到了：

leon@Ubuntu:~$ uptime
 20:21:34 up 11:30,  1 user,  load average: 0.00, 0.00, 0.00

load average后面跟的就是CPU的负载值了，这是三个平均值，分别代表的是系统在最近1分钟、5分钟、15分钟内，CPU的平均负载情况（也可以说是平均进程数）。

另外，也可以通过/proc/loadavg文件来查看：

leon@Ubuntu:~$ cat /proc/loadavg 
0.98 0.75 0.57 2/422 2879

前三个数字大家都知道，是1、5、15分钟内的负载情况。后面两个呢，第一个（2/422）的分子2是正在运行的进程数，分母422是进程总数；后一个2879是最近运行的进程ID号。

当然，还可以使用下面更专业的top命令进行更加详细的分析：

leon@Ubuntu:~$ top

top - 20:47:24 up 11:56,  1 user,  load average: 0.00, 0.00, 0.00
Tasks: 198 total,   1 running, 144 sleeping,   0 stopped,   1 zombie
%Cpu(s):  0.2 us,  0.1 sy,  0.0 ni, 98.2 id,  1.5 wa,  0.0 hi,  0.0 si,  0.0 st
KiB Mem :  3072672 total,  2074460 free,   553804 used,   444408 buff/cache
KiB Swap:   998396 total,   839408 free,   158988 used.  2317720 avail Mem 

  PID USER      PR  NI    VIRT    RES    SHR S  %CPU %MEM     TIME+ COMMAND     
  906 root      20   0  585180 100336  18024 S   1.3  3.3   3:12.98 Xorg        
 2404 leon      20   0 1369504  85028  41244 S   1.0  2.8   4:24.27 compiz      
 2620 leon      20   0  617872  31252  20524 S   0.7  1.0   0:08.99 gnome-term+ 
 2122 leon      20   0  403148   1192    816 S   0.3  0.0   0:00.83 indicator-+ 
    1 root      20   0  185220   3916   2464 S   0.0  0.1   0:02.59 systemd     
    2 root      20   0       0      0      0 S   0.0  0.0   0:00.01 kthreadd    
    4 root       0 -20       0      0      0 I   0.0  0.0   0:00.00 kworker/0:+ 
    6 root       0 -20       0      0      0 I   0.0  0.0   0:00.00 mm_percpu_+ 
    7 root      20   0       0      0      0 S   0.0  0.0   0:00.16 ksoftirqd/0 

三、如何解读CPU负载情况

可以看到，"load average"一共返回三个值，这是3个平均值，分别代表的是系统在最近1分钟、5分钟、15分钟内，CPU的平均负载情况。这三个值落在什么范围内才算合理，超过什么范围会造成系统异常？在实际应用中怎么解读呢？哪个才是最准确的值呢？

首先我们分析一下这几个值的取值范围。拿单核CPU来举例，根据网上的经验值，一般将分水岭设成0.7。经验法则是这样的：

• 当系统负荷持续小于0.7（指的是调整CPU核心数之后的相对值），表明系统非常健康，任务处理的很及时，效率很高，基本没有时延存在。
• 当系统负荷持续大于0.7（指的是调整CPU核心数之后的相对值），表明系统有点忙了，你必须开始调查了，问题出在哪里，防止情况恶化。
• 当系统负荷持续大于1.0（指的是调整CPU核心数之后的相对值），表明系统很忙了，你必须动手寻找解决办法，想办法把这个值降下来。
• 当系统负荷持续大于3.0（指的是调整CPU核心数之后的相对值），表明系统非常非常忙了，甚至影响到正常的功能了，你得赶紧处理了；
• 当系统负荷持续达到5.0（指的是调整CPU核心数之后的相对值），就表明你的系统有极其严重的问题，长时间没有响应，或者接近死机了。你不应该让系统达到这个值。

然后我们来解读一下这三个值的重要级别。在实际的使用中，我们一般认为，如果只有1分钟的系统负荷过大，其他两个时间段都很正常（指的是调整CPU核心数之后的相对值），这表明只是暂时现象，问题不大。如果连15分钟的平均系统负荷也偏大了（指的是调整CPU核心数之后的相对值），表明问题持续存在，则要引起重视了。所以，应该主要观察"15分钟系统负荷"，将它作为电脑正常运行的指标。