看服务器使用率,核心不是盯住某一个数字高低,而是把CPU、内存、磁盘I/O、网络这四条线放在同一个时间轴上对照,再叠上业务自己的忙闲节奏,才能判断它是在“正常干活”还是“快要撑不住”。单看一个90%就喊着要扩容,或者看着20%就以为万事大吉,这两种做法在实际运维里翻车的概率差不多高。
使用率到底在看什么:四个指标各有各的脾气
很多人把“服务器使用率”理解成一个百分比进度条,其实它是四个独立维度拼出来的体检报告,任何一个维度长期贴着天花板,机器都会表现出慢、卡、超时。
CPU使用率:平均值最容易骗人
top第一行那个百分比,是采样周期内的平均占用,它的毛病在于把瞬时尖峰抹平了,8核机器上一分钟内有一个核跑满、其余七个闲着,平均值只有12%左右,但实际请求可能已经在排队。
- 看load average更靠谱:
uptime里的三个数字是1分钟、5分钟、15分钟的平均负载,经验上,它不超过CPU核心数的0.7倍算是舒服区间,持续超过核心数就该警觉。 - 看steal字段:云主机上
top输出里的%st如果长期不为零,说明宿主机在抢你的CPU时间,这时候优化自己的代码基本没用,得考虑换规格或换实例类型。 - 看每个核的分布:
top里按数字1展开分核视图,如果总是某一个核爆满,多半是单线程程序或中断绑定问题。
内存使用率:Linux的数字要反着读
在Linux上看到内存“用了90%”先别慌,系统会把空闲内存拿去做页缓存,free -h里available那一列才是真正还能给新进程用的量。free列接近零、available列还有余量,是正常状态。
反过来,available很低、si和so(swap换入换出)在vmstat里持续不为零,那才是真吃紧,这时候进程开始被换到磁盘上,响应时间会成倍上升。
磁盘I/O:最容易被忽略的那个短板
CPU和内存都健康,网站还是慢,八成卡在磁盘上。iostat -x 1看%util和await两个值:%util长期贴近100%说明设备一直饱和,await明显高于平时说明排队变长。
数据库服务器尤其要盯这个指标,机械盘上一个随机写密集的查询就能把整个实例拖住,而CPU曲线纹丝不动。
网络带宽:别等用户投诉才发现
iftop、nload或者云监控里的出入带宽曲线,重点看是否接近实例规格上限,带宽打满时,TCP重传上升,表现为“能连上但加载慢”,云厂商的按带宽计费实例,超限后会被限速甚至丢包,这和CPU打满是两种完全不同的故障表现。
| 指标 | 常用命令 | 需要警觉的信号 |
|---|---|---|
| CPU | top、uptime、vmstat 1 |
load持续>核心数、%st不为零 |
| 内存 | free -h、vmstat 1 |
available低、swap频繁换入换出 |
| 磁盘 | iostat -x 1、iotop |
%util长期接近100%、await抬升 |
| 网络 | iftop、sar -n DEV 1 |
带宽贴近规格上限、重传增加 |
怎么看服务器使用率:能直接敲的命令和判断顺序
排查要有个固定顺序,不然容易在东看西看里耗掉半小时。
第一步:先确认是不是真的高
登录机器,uptime看一眼整体负载,top确认最耗资源的进程,如果发现是某个备份脚本、日志压缩任务在跑,那就不是容量问题,是调度问题。
top -b -n 1 | head -20:非交互式抓一次快照,适合写进脚本ps aux --sort=-%cpu | head:按CPU排序找元凶ps aux --sort=-%mem | head:按内存排序
第二步:Linux查看服务器内存使用率命令,别只信一个数
free -h看总量,cat /proc/meminfo看细节,vmstat 1 5连采五次看趋势,三个命令对照着读,能区分“缓存占着但随时可回收”和“真被进程吃掉了”。
如果确认是某个Java或Python进程的内存持续上涨不回落,那基本是内存泄漏,重启只是拖延,得去查代码或调堆参数。
第三步:把历史曲线拉出来
单点快照会骗人,sar能看历史。sar -u 1 3看CPU,sar -r看内存,sar -d看磁盘,云服务器直接用控制台的监控图表,把时间范围拉到一周,对照业务高峰时段看。
这一步的意义在于区分周期性高峰和持续性高位,每天晚八点冲到80%、十点回落,那是正常业务曲线;全天候趴在75%以上不下來,才是真的余量不足。
服务器CPU使用率多少算正常:没有统一答案,只有场景答案
这是被问得最多的问题,也是最多人希望得到一个数字的问题,很遗憾,答案取决于这台机器在干什么。
- 静态站点、反向代理:正常水位在10%到30%,超过50%就要看是不是被刷了或者配置有问题。
- 应用服务器(API、业务逻辑):30%到60%是比较健康的区间,留出的余量用来应对突发流量和GC抖动。
- 数据库:情况特殊,CPU到70%往往意味着查询已经在排队,这时候更该看慢查询日志。
- 批处理、转码、计算类任务:跑到90%以上是设计预期,只要任务能在窗口期内跑完就没问题。
行业共识认为,评估CPU是否吃紧,看的是持续时间和趋势,而不是某一刻的峰值,短时间的80%是弹性,连续几小时的70%才是压力。
还有一个常被忽略的点:核数越多,同样的百分比含义越不一样,2核机器上60%意味着只剩不到一个核的空闲,16核机器上60%还有六个多核的缓冲。
云服务器使用率高怎么办:先分清是优化题还是扩容题
看到告警就升配,是最贵的一种处理方式,正确的顺序是先归因,再决定花钱还是花时间。
先做三件事再谈扩容
- 看是不是异常流量:
netstat -an | awk '{print $5}' | cut -d: -f1 | sort | uniq -c | sort -rn | head,找出连接数异常的来源IP,确认是攻击还是爬虫。 - 看是不是定时任务撞车:备份、日志切割、报表生成如果都排在凌晨两点,那台机器的负载曲线一定很漂亮地尖一下,错峰到不同时间点,成本为零。
- 看是不是配置问题:连接池太小导致请求堆积、缓存没开导致重复计算、慢查询没索引,这些改起来比升配便宜得多,效果也更持久。
什么时候该扩容
当优化做完、流量正常、业务曲线平稳,使用率仍然长期停在高位,那就是容量真的不够了,这时候再考虑升配。
云服务器有个价格上的细节值得留意:包年包月升配通常按剩余周期补差价,按量付费实例则是直接换规格,如果只是应对可预期的短期高峰,临时升配几天再降回来,往往比直接买高配一年划算,近年来不少云厂商支持在线变配,重启时间可以控制在分钟级,业务影响比想象中小。
服务器使用率多高需要扩容,给个参考线
多数团队的做法是把持续15分钟超过75%设为预警,持续超过85%触发扩容流程,这个阈值不是标准答案,但比“凭感觉”要可靠,关键是告警要绑定持续时间,否则一个正常的大请求就能把值班的人半夜叫起来。
几个容易踩的坑
- 只看CPU不看I/O:磁盘打满时CPU可能只有20%,但页面已经转不出来了。
- 用平均值掩盖单核瓶颈:单线程服务在多核机器上永远只用一个核,平均值好看,实际早就顶了。
- 忽略云厂商的“共享型”实例:这类实例的CPU积分耗尽后会被强制限频,使用率曲线会突然掉下来,看起来像“变好了”,其实是性能被削了。
- 告警阈值一刀切:数据库和静态资源服务器的合理水位完全不同,用同一套阈值只会制造噪音。
收束
服务器使用率是一份需要交叉解读的体检单,不是一根可以单独下结论的温度计,把四个指标、业务周期和历史趋势放在一起看,再决定是优化还是扩容,比盯着某个百分比焦虑要有效得多。
关于怎么看服务器使用率的常见问题
问:使用率突然从30%跳到90%,第一步该做什么?
先top确认是哪个进程在吃资源,再看uptime判断是持续负载还是瞬时尖峰,如果是陌生进程,检查是否被植入挖矿程序;如果是自己的服务,看日志里是否有异常请求量或死循环,云服务器还要看一眼同时间段是否有定时任务或备份在跑。
问:内存使用率一直显示90%以上,需要马上处理吗?
不需要,先看free -h里的available列,如果可用内存还有相当比例,且vmstat里swap换入换出为零,那就是页缓存占用的正常状态,Linux会主动利用空闲内存做缓存,这是设计行为而非故障,真正需要处理的是available很低且swap频繁活动的组合。
问:云服务器和物理服务器在看使用率上有什么不同?
云服务器多了一个steal指标,它反映的是宿主机层面的资源争抢,这个值偏高时自身优化收效有限,换实例规格更直接,物理服务器则要额外关注硬件层面的信息,比如ipmitool读到的温度、风扇转速和内存ECC错误,这些在云上是看不到的,另外云服务器的带宽通常是硬限,打满即限速,物理机则一般受网卡和交换机约束。(据公开的云服务计费与实例规格说明整理)
首发原创文章,作者:王坚,如若转载,请注明出处:https://idctop.com/article/803793.html


