日本AMD服务器运行数据库时响应变慢,如何区分CPU与磁盘瓶颈?
CPU使用率升高,不一定说明数据库“算不动”;磁盘繁忙,也不一定说明数据盘已经到达性能上限。运行在日本AMD服务器上的数据库响应变慢时,更可靠的办法是把请求延迟、CPU执行与排队、磁盘延迟与队列放到同一时间窗口内观察,判断请求究竟在执行计算,还是在等待数据读取、日志落盘或其他资源。
区分CPU与磁盘瓶颈,可以抓住两条证据链:延迟升高,同时相关核心持续繁忙、可运行任务排队、数据库计算量增加,更支持CPU瓶颈;延迟升高,同时数据库I/O等待增加、磁盘请求延迟和队列上升,更支持存储瓶颈。不过,只有排除内存压力、锁等待、连接池排队和网络传输等替代解释,再通过一次受控复测,才能把“相关现象”变成可执行判断。
一、先建立共同的观察窗口,避免比较不同时间的数据
很多误判来自时间错位:业务方反馈上午查询慢,运维人员下午看到CPU正常;或者拿一分钟的CPU均值,与五分钟的磁盘均值比较。两组数据即使都准确,也未必描述同一次性能变化。
同时记录业务端、数据库端和操作系统端
先选取一段正常窗口和一段异常窗口。窗口长度应覆盖问题持续时间:秒级尖峰需要秒级采样,持续数分钟的变慢可以结合一分钟聚合数据,但仍要保留短周期变化。
建议至少同时记录以下指标:
| 观察层 | 核心指标 | 用来回答的问题 |
|---|---|---|
| 业务请求 | 请求到达率、完成吞吐量、P50/P95/P99、错误率 | 是整体变慢、尾部变慢,还是已经出现失败? |
| 应用连接 | 连接池活跃数、等待数、获取连接耗时 | 请求是否还没进入数据库就开始排队? |
| 数据库 | 活跃会话、等待类型、主要SQL耗时与调用量、锁等待 | 时间花在执行、I/O还是锁和连接等待上? |
| CPU | 每核使用率、用户态与系统态占比、运行队列、CPU压力 | 是否缺少可用的计算时间? |
| 内存 | 可用内存、交换活动、回收压力、数据库缓存变化 | 是否因内存不足而制造额外I/O? |
| 存储 | 读写延迟、IOPS、吞吐量、队列、I/O压力 | 请求是否在存储路径上排队? |
| 网络 | RTT、重传、连接异常、传输量 | 客户端耗时是否主要来自网络? |
请求到达率与完成吞吐量必须分开看。数据库已经处理不过来时,完成吞吐量可能不再增长,但新请求仍持续进入,积压和超时随之增加。只看“每秒完成多少请求”,容易误以为负载没有变化。
还要保证统计对象一致。例如,接口P95延迟应与对应数据库、对应SQL类别关联,不能用整个实例的CPU平均值解释某一条查询的变慢。
用短时间采样补齐关联证据
在具备sysstat工具的Linux服务器上,可以分别在不同终端进行只读采样:
# 每核CPU状态,连续观察60个采样周期
mpstat -P ALL 1 60
# 块设备扩展指标;跳过启动以来的首组累计报告
iostat -x -y 1 60
# 运行队列、内存、交换和CPU状态
vmstat 1 61
vmstat首行通常是启动以来的平均情况,分析时应重点看后续区间。不同版本的工具字段可能略有差异,可以先用--help核验。
同时确认系统时间同步,以及应用日志与监控展示使用的时区。日本服务器可能显示日本标准时间,应用日志却使用UTC;若直接按钟面时间拼接数据,事件顺序就可能被看反。
容器部署还要记录容器CPU配额、内存限制及限流情况;虚拟机则要观察steal。宿主机资源空闲,不代表数据库容器或虚拟机获得了足够资源。
二、CPU指标上升后,要看数据库是否真的在计算和排队
CPU瓶颈不是“使用率超过某个百分比”,而是数据库需要的计算时间已经超过当前可获得的CPU能力,并因此产生排队。
从平均CPU转向每核、进程和运行队列
AMD服务器可能具有较多核心。整机CPU使用率不高,并不能排除单核瓶颈。例如,一台32逻辑CPU服务器上,某条查询的关键执行阶段只能使用一个线程,即使这个线程持续占满一个逻辑CPU,整机平均值仍可能很低。

更有解释力的组合是:
- 一个或多个核心持续繁忙,相关数据库线程有明显CPU消耗。
- 查询延迟与CPU繁忙同步上升,或在CPU压力上升后出现积压。
- 可运行任务数量增加,CPU压力或调度等待增强。
- 数据库I/O等待、磁盘延迟和锁等待没有同步恶化。
运行队列也要结合可用CPU数解释。vmstat中的r反映正在运行或等待运行的任务数量,但应比较的是当前实例、容器实际可使用的CPU能力,而不是服务器宣传参数中的总核心数。
如果CPU占用主要来自备份压缩、应用进程或其他后台任务,应归类为CPU资源争用,而不是直接认定数据库SQL计算量过高。
用户态高与系统态高,对应不同原因
数据库用户态CPU上升,常见于扫描和过滤大量数据、排序、聚合、复杂表达式计算、压缩解压或高频解析。此时要继续关联SQL调用次数、处理行数与执行计划。
系统态CPU上升则可能与系统调用、网络处理、内存管理或频繁I/O有关。若同时出现交换活动或大量短连接,直接升级CPU可能掩盖问题,却没有减少根本开销。
还有一种情况是CPU配额限制:数据库容器达到配额后被节流,宿主机却仍有空闲核心。此时应结合容器节流次数、节流时间与查询延迟判断,不能把宿主机平均CPU当作数据库可用资源。
区分“请求更多”与“每次请求更贵”
CPU压力可能由两类变化造成。
第一类是调用量增加:SQL执行路径基本不变,但单位时间内执行次数更多。第二类是单位请求成本增加:调用量相近,扫描行数、排序量或计算量却明显增长。
这两类情况对应的动作不同。前者更适合评估并发控制、热点缓存或计算容量;后者应先检查执行计划、索引利用和数据分布。
CPU瓶颈判断单元:当相关核心持续繁忙、可运行任务或CPU压力增加、数据库计算负载与延迟同步上升,而I/O等待、锁等待和网络耗时没有同步恶化时,可以优先判断CPU执行能力受限。只有整机CPU均值升高,证据仍不充分。
在多插槽或存在多个NUMA节点的AMD平台上,还应注意CPU与内存访问局部性。计算线程频繁访问远端内存,可能表现为延迟增加、吞吐下降,却不一定出现传统意义上的全核满载。不能仅凭“使用AMD处理器”就默认存在这一问题,应在确认实际拓扑和进程分布后进一步验证。
三、磁盘指标变化后,要区分读等待、写等待和存储排队
磁盘瓶颈的关键不是“有I/O”,而是数据库必须等待的I/O完成时间变长,并影响了请求处理。
联动观察延迟、队列和数据库等待
在iostat -x中,可以重点观察读写请求的平均完成时间、平均队列长度、IOPS与吞吐量。常见字段包括r_await、w_await、aqu-sz和%util,具体以本机版本为准。
这些指标需要一起解释:
- 延迟和队列同时增长,完成IOPS或吞吐量逐渐进入平台期,更支持存储处理能力不足。
- 吞吐量上升,但延迟和队列稳定,可能只是正在正常处理更多工作。
- 单次读写延迟变高,但队列没有明显增长,可能是请求规模变化、偶发慢I/O或设备内部活动。
- 数据库I/O等待增加,而观测到的设备延迟正常,需要检查是否看错设备或遗漏了存储路径。
%util不能单独作为饱和判据。对具有并行能力的NVMe设备或复杂存储系统,它表示的忙碌程度不能直接等同于性能容量利用率。接近100%需要进一步检查,不代表必然成为瓶颈;低于100%也不能排除同步写入或某类请求已经受限。
同样,CPU的iowait不是数据库会话I/O等待占比。它是CPU记账指标,CPU同时执行其他任务时,磁盘很慢也可能没有很高的iowait。不能用“iowait不高”否定磁盘问题。
读瓶颈与写瓶颈要分别取证
读路径变慢,常见表现是数据文件读取等待增加、物理读取增多、读延迟与查询延迟同步上升。可能的原因包括缓存命中下降、大范围扫描、数据集扩大或执行计划变化。
这时需要区分:是存储能力下降了,还是数据库突然发出了更多不必要的读取。两者都可能导致I/O排队,但处置顺序不同。
写路径变慢则应重点关注提交、日志刷新和检查点。事务数据量不大,也可能因每次提交都需要等待持久化而受到影响。此时MB/s可能不高,事务提交延迟却明显增加。
因此:
- 大量随机读取,应关联物理读取、读延迟和队列。
- 大量同步提交,应关联日志落盘等待、提交延迟和写延迟。
- 检查点或后台写回,应关联写入突增、脏页变化及前台延迟。
- 排序或哈希溢写,应关联临时文件、临时I/O和SQL处理规模。
若数据文件、事务日志和临时文件位于不同卷,应分别观察。逻辑卷、RAID、网络存储及虚拟磁盘还可能存在多层映射,采集时要明确所看的设备与数据库文件路径之间的关系,避免重复统计或漏掉实际承压层。
磁盘瓶颈判断单元:当数据库I/O等待与请求延迟同步增加,对应存储路径的请求延迟、队列或同步写入完成时间也出现恶化,且CPU仍有可用执行能力时,可以优先判断I/O路径受限。仅有磁盘吞吐量较高,不能证明磁盘瓶颈。
四、排除替代解释,尤其是内存、锁和跨地域网络
CPU与磁盘只是两个候选原因。数据库变慢时,还要检查是否存在能够解释同一组现象的其他因素。
内存压力可能把问题“转移”到磁盘
Linux空闲内存少,不等于内存不足,因为文件缓存会利用可用空间。更需要关注的是可用内存、持续换入换出、内存回收压力,以及数据库缓存和临时文件的变化。
如果时间顺序是可用内存下降、回收或交换活动增加,随后磁盘队列和查询延迟升高,那么磁盘可能是被动承受额外负载,而不是最初的问题来源。
另一个场景是数据集超过数据库缓存的有效覆盖范围。即使没有交换活动,更多查询仍可能需要读取磁盘。数据库缓存命中率也不能单独作为结论:整体命中率很高,某类关键查询仍可能频繁读取冷数据。
排序、聚合的内存额度不足也会触发临时文件写入。此时应检查SQL并发和执行规模,而不是直接把整机内存参数调大;单条查询的内存额度乘以大量并发后,可能制造新的内存压力。
锁等待与连接池排队,可以让CPU和磁盘都很“空闲”
若请求延迟增加,但CPU、磁盘队列都没有明显变化,应优先看数据库等待事件与应用排队。
长事务、行锁竞争或元数据锁可能阻塞其他请求。被阻塞的会话不需要持续消耗CPU,也未必产生大量I/O。连接池耗尽同样如此:请求可能大部分时间都在应用侧等连接。
这里还要区分因果方向。连接池等待可能是池容量不足,也可能是数据库执行变慢后连接长期不归还的结果。只有时间线和数据库内部耗时能够帮助区分。
对于MySQL,可结合Performance Schema中已启用的语句、等待及锁观测能力;对于PostgreSQL,可结合pg_stat_activity、等待事件及已启用的pg_stat_statements,支持pg_stat_io的版本还可补充I/O统计。统计字段、采集开关和版本能力应以实际环境为准,累计统计要比较窗口增量,而不是把启动以来的总量当成本次故障数据。
不要在生产库上随意对高成本SQL执行带实际运行的分析。此类操作可能重跑查询并增加负载,尤其是修改语句。优先利用已有统计、慢查询记录和不实际执行语句的计划查看能力;需要实际执行验证时,应在隔离环境或受控维护窗口进行。
日本服务器要分清本地数据库耗时与跨地域请求耗时
日本AMD服务器的CPU和磁盘判断方法,与其他地区的Linux服务器没有本质区别。地域主要影响客户端到应用、应用到数据库之间的网络路径。
如果应用与数据库都在日本,而客户端来自其他地区,跨地域时延可能主要出现在请求入口和结果返回阶段。如果应用与数据库分处不同地区,每次数据库往返也会承担网络时延,连续执行多次小查询时尤其明显。
应同时对齐三段时间:
- 客户端看到的完整请求耗时。
- 应用记录的连接获取、数据库调用和结果处理耗时。
- 数据库内部记录的语句执行或等待耗时。
数据库内部执行时间稳定,而应用侧数据库调用时间上升,应进一步检查连接建立、网络RTT、重传、返回结果体积及客户端读取速度。服务器网卡流量不高,也不能排除高RTT或丢包问题。

围绕日本数据库与跨境应用的部署需求,A5数据提供搭载AMD EPYC处理器和NVMe存储的日本物理服务器,为SQL计算、并发查询及数据读写提供硬件资源基础,热销系列配有CN2与国际带宽方案,衔接不同地区的业务访问。日本CTG系列另有多块SSD和大容量HDD配置,可承载数据库配套文件、备份与归档数据,形成覆盖计算、存储和网络连接的资源供给。
五、用模拟时间线形成判断,而不是按阈值贴标签
下面是两组用于说明方法的模拟数据,并非A5IDC实测记录。两组场景都出现请求变慢,但指标联动指向不同方向。
场景A:CPU执行能力不足
观测对象为同一类短查询,表中为一分钟窗口统计:
| 指标 | 正常窗口 | 变慢窗口 | 关联解释 |
|---|---|---|---|
| 请求到达率 | 600次/秒 | 950次/秒 | 输入负载增加 |
| 完成吞吐量 | 600次/秒 | 760次/秒 | 处理能力未跟上到达率 |
| 请求P95 | 35毫秒 | 180毫秒 | 排队或执行时间增加 |
| 主要计算核心使用率 | 约55% | 约96% | 相关核心接近持续繁忙 |
| 可运行任务与CPU压力 | 较低 | 持续增加 | CPU执行机会不足 |
| 数据盘读延迟 | 0.6毫秒 | 0.7毫秒 | 没有明显恶化 |
| 数据库主要等待 | 少量等待 | 计算活跃,I/O等待占比低 | 更支持CPU方向 |
这组数据不能只凭96%的CPU使用率下结论。更重要的是,到达率增加后,完成吞吐量进入平台期,CPU排队增强,而存储延迟基本稳定。
下一步应核对SQL构成是否变化、是否出现高成本执行计划,以及是否存在CPU配额限制。若限制无异常,主要计算路径又保持一致,则可把CPU容量或并发压力作为优先处理方向。
场景B:存储读路径排队
另一组场景中,请求数量变化不大:
| 指标 | 正常窗口 | 变慢窗口 | 关联解释 |
|---|---|---|---|
| 请求到达率 | 500次/秒 | 520次/秒 | 负载增幅较小 |
| 请求P95 | 40毫秒 | 260毫秒 | 响应显著变慢 |
| 数据库相关CPU占用 | 约48% | 约42% | 没有更多计算消耗 |
| 数据库物理读取量 | 较低 | 明显增加 | 查询更依赖存储 |
| 数据盘读延迟 | 0.8毫秒 | 9毫秒 | 读取完成时间变长 |
| 平均I/O队列 | 约1 | 约18 | 存储路径开始积压 |
| 数据库等待 | 少量读等待 | 数据文件读等待明显增加 | 与设备变化相互印证 |
这里CPU占用下降,不代表系统负载减轻,也可能是数据库线程在等待数据。应继续检查缓存失效、查询扫描范围、后台任务和存储性能限制。
如果发现某条SQL执行计划变化,物理读取量先增加,随后磁盘队列上升,那么优先修正查询路径比直接扩容存储更有针对性。若查询构成和读取需求基本不变,存储延迟却明显上升,则更应检查存储路径及资源争用。

真实环境还可能出现混合瓶颈:先因缓存变化增加I/O,读取恢复后又暴露CPU限制。判断应标明“当前窗口的主要限制”,而不是给服务器永久贴上CPU型或磁盘型标签。
六、复测时验证证据链,并保留下一次的指标组合
形成判断后,应通过一个尽量单一、可解释的变化验证,而不是同时更换CPU、调整内存和修改SQL。多项变化一起生效,即使性能改善,也难以判断哪项措施真正有效。
复测首先保持请求类型、数据规模、并发、缓存状态和后台任务尽量可比,再观察原有证据链是否按预期改变:
- 若怀疑CPU瓶颈,减少某类高成本计算或在测试环境增加可用CPU后,应看到CPU排队下降、吞吐平台提高、延迟改善,而磁盘延迟变化不大。
- 若怀疑读I/O瓶颈,减少扫描范围或物理读取后,应看到读取量、I/O队列和数据库读等待同步下降。
- 若怀疑同步写入瓶颈,应重点比较提交等待与写延迟,不要只看写入MB/s。
- 若怀疑网络问题,应比较数据库内部执行时间与应用侧调用时间的差值,以及RTT和重传变化。
复测不能只看平均响应时间。P95或P99改善、错误率不升高、完成吞吐量保持或增加、队列没有转移到连接池,才更有意义。否则可能只是通过拒绝请求或延长等待,把问题移到了另一层。
不要为了验证存储瓶颈而关闭持久化保障,也不要在生产环境直接清空缓存制造冷启动。涉及SQL、资源额度或配置变更时,应保留原值、明确影响范围;可能改变数据的操作应先做好备份,并准备恢复原配置或原执行路径的方法。容量验证优先放在隔离测试环境中完成。
下一次出现响应变慢时,至少同时保留以下指标组合:
| 待验证方向 | 应同时观察的组合 |
|---|---|
| CPU受限 | 请求到达率+完成吞吐量+P95/P99+每核CPU+运行队列/CPU压力+主要SQL计算负载 |
| 读I/O受限 | 查询延迟+物理读取量+数据库读等待+读延迟+I/O队列+缓存变化 |
| 写I/O受限 | 提交延迟+日志落盘等待+写延迟+I/O队列+检查点或后台写入活动 |
| 内存诱发I/O | 可用内存+交换/回收压力+缓存变化+临时文件+磁盘队列 |
| 锁或应用排队 | 活跃会话+锁等待+长事务+连接池等待+数据库内部耗时 |
| 跨地域网络影响 | 客户端耗时+应用数据库调用耗时+数据库执行时间+RTT+重传与结果体积 |
对日本AMD服务器而言,处理器品牌和机房地区不能替代瓶颈证据。真正有用的判断是:同一批请求在同一时间窗口里,先发生了什么变化,随后在哪一层排队,以及针对该原因做一次受控调整后,这条证据链是否随之改善。
本文由A5数据原创发布,转载请注明出处:https://www.a5idc.com/helpcontent/3279.html



