业务变慢且香港服务器CPU占用过高,如何定位高负载进程?
业务响应变慢、页面超时,同时香港服务器 CPU 使用率持续偏高时,先不要直接重启或结束进程。运维排查通常从用户侧现象开始,依次确认负载是否持续、哪个资源先出现瓶颈,再把系统指标关联到具体进程、服务和请求。这样可以区分应用计算量增加、内存压力、磁盘等待、连接堆积,以及虚拟化环境中的 CPU 调度受限。

以下命令主要适用于 Linux。执行前确认有服务器登录权限;ps、top、vmstat、ss 等只读查看命令一般不会改变系统状态。若服务器使用 Windows、容器或托管面板,指标名称和进程查看方式可能不同,应先确认实际运行环境。
先确认变慢与高 CPU 是否同时发生
先记录业务变慢的时间、影响范围和表现:是所有页面都慢,还是登录、查询等个别接口慢;是持续发生,还是短时尖峰;是否只影响某个地区或某条访问链路。香港服务器的访问体验还可能受客户端网络、解析、回源链路和应用响应时间影响,不能仅凭某个页面加载慢就认定 CPU 是根因。
在 Linux 上先查看系统运行时间、平均负载和 CPU 状态:
date
uptime
top
uptime 中的 load average 是最近 1、5、15 分钟的平均负载,表示处于可运行状态或等待不可中断 I/O 的任务数量,不等同于 CPU 使用率。应结合服务器的逻辑 CPU 数量判断:例如有 4 个逻辑 CPU 的机器,负载长期明显高于 4,且 CPU 忙碌比例高,说明任务可能排队;但如果负载高、CPU 并不忙,则要继续检查磁盘 I/O 等待或不可中断进程。
top 中重点看 %Cpu(s)、us、sy、wa、st 和进程列表:
us较高通常表示用户态程序计算占用较多,需定位应用进程或任务。sy较高表示内核态开销偏高,可能与频繁系统调用、网络包处理或驱动相关。wa较高表示 CPU 在等待 I/O 完成,CPU 利用率看起来不一定高,但磁盘或存储路径可能拖慢业务。st在虚拟机中代表被宿主机调度延迟的时间。如果st持续偏高,而进程本身没有明显异常,需结合平台监控判断是否存在宿主机资源争用。- 进程列表按
%CPU排序时,排在前面的进程是当前采样周期的高占用对象,不一定代表它持续占用。可观察数个采样周期再判断。
需要记录的是“指标何时开始变化、持续多久、对应哪些业务请求”,而不是只截取一个瞬时数字。若业务已恢复,先保留监控曲线和日志时间点,不要为了复现问题而主动制造压力。
从整机指标逐层缩小范围
1. 判断 CPU 是持续忙碌还是短时尖峰
查看逻辑 CPU 数量和持续采样情况:
nproc
top
也可以在安装了 sysstat 的系统上使用:
mpstat -P ALL 1 5
mpstat 每秒采样一次,共采样 5 次;如果命令不存在,说明系统可能未安装相应工具。此时不要为排查立即在生产环境安装软件,可先用 top 观察。安装操作是否允许,应按变更流程评估。
若只有某个 CPU 核长期接近满载,而其他核较空,可能是单线程任务、线程绑核或锁竞争;若多个核都长期繁忙,则更像并行任务量增加或整体请求量上升。CPU 总使用率不高但用户仍反馈慢时,也要检查内存、I/O、连接和外部依赖,不能只盯着 CPU。
2. 找出具体进程及其变化
先按 CPU 排序查看进程:
ps -eo pid,ppid,user,stat,%cpu,%mem,etime,comm --sort=-%cpu | head -n 15
这里显示进程 ID、父进程 ID、用户、状态、CPU 和内存占比、运行时间及进程名。head 只截取前 15 行,列表中没有某个进程并不代表它从未占用 CPU;应结合 top 连续观察。%CPU 的统计口径可能受采样区间、线程数和工具显示方式影响,比较时尽量使用同一种工具和同一观察周期。
例如,下面只是用于说明判断路径的模拟输出,不代表某台实际服务器的监控结果:
PID PPID USER STAT %CPU %MEM ELAPSED COMMAND
2418 1 www R 186.0 8.2 00:12:41 php-fpm
3172 1 mysql S 42.5 18.7 03:10:08 mysqld
这类结果提示先调查 php-fpm 进程对应的请求和工作进程,再观察数据库是否也承受较高负载。某些工具会把多线程进程的 CPU 占用累计显示,因此单个进程显示超过 100% 并不必然是错误;还需核对机器的逻辑 CPU 数、工具口径和同一时刻其他进程的占用。
对持续高占用的进程,可查看其父子关系和线程:
ps -fp 2418
ps --ppid 2418 -o pid,ppid,stat,%cpu,%mem,comm
ps -L -p 2418 -o pid,tid,stat,%cpu,comm
请将示例 PID 替换为现场进程号。父进程可帮助确认进程由哪个服务或管理程序启动;线程列表则能判断占用集中在少数线程还是分散在线程池中。进程名只是线索,不能据此直接认定程序异常。需要结合服务配置、应用日志、请求记录和发布变更时间判断。
3. 检查内存压力和进程状态
free -h
vmstat 1 5
free -h 用于查看内存和交换分区概况。Linux 会利用空闲内存作为缓存,因此“free 很少”不一定表示内存不足,应同时关注 available。vmstat 连续采样中,si、so 分别表示从交换空间读入和写出的活动;如果它们持续非零,并伴随 available 很低或服务响应变慢,说明内存压力值得优先调查。单次非零可能只是短暂活动,不能仅凭一个采样下结论。
vmstat 的 r 表示可运行任务数量,b 表示等待 I/O 等不可中断状态的任务数量。如果 r 长期高于逻辑 CPU 数,可能存在 CPU 排队;如果 b 偏多且 wa 上升,应转查磁盘或存储。
查看进程状态时,R 通常表示正在运行或等待 CPU,S 表示可中断睡眠,D 常见于不可中断等待。若多个业务进程长时间处于 D,而 CPU 不高,优先排查 I/O、网络文件系统或底层存储,不要把它们当作普通 CPU 忙进程强行结束。
4. 检查磁盘 I/O 是否拖慢业务
系统安装了 sysstat 时,可以查看设备级 I/O:
iostat -xz 1 5
重点观察设备的读写速率、请求等待时间以及 %util 等指标。单独的 %util 不适合在所有存储类型上直接等同于“磁盘已满”,尤其是多队列或虚拟化存储环境;应结合等待时间、队列情况、业务延迟和云平台存储监控综合判断。
查看容量与 inode 是否接近耗尽:
df -h
df -i
如果磁盘空间不足,日志写入失败、数据库临时文件创建失败等问题可能进一步影响业务。不要在未确认文件归属、保留要求和备份情况前批量删除日志或数据文件。对于空间异常增长,应先找出增长目录、对应服务和文件类型,再按日志轮转或应用清理策略处理。
5. 核对连接数和网络相关负载
连接过多可能使应用线程、文件描述符或内核网络处理承压,但连接总数本身不能证明 CPU 高负载由网络造成。先查看 TCP 连接状态:
ss -s
ss -tan
ss -s 给出连接状态概览;ss -tan 列出 TCP 连接及状态。输出较多时,可以按状态统计:
ss -tan | awk 'NR>1 {count[$1]++} END {for (state in count) print state, count[state]}'
ESTAB 数量高可能代表并发连接较多;TIME-WAIT 增多可能与短连接频繁有关;大量 SYN-RECV 则需要结合访问日志、系统连接跟踪和业务入口监控确认是否存在连接建立压力。不同业务的正常连接基线差异很大,不宜用一个固定数量作为故障判据。
如果连接数突然增长,进一步核对应用访问日志中的请求速率、慢请求、来源分布和错误比例。对外服务的访问流量变化,可能让应用进程 CPU 升高;如果连接数增加但业务进程 CPU 不高,瓶颈也可能在连接处理、上游依赖或网络链路。
按结果分支确定下一步
| 观测组合 | 优先判断方向 | 下一步核对 |
|---|---|---|
us 高,少数业务进程 CPU 持续靠前 | 应用计算、请求量或后台任务 | 对照访问日志、任务调度、版本发布和进程线程 |
sy 高,CPU 繁忙且进程分散 | 内核处理开销或系统调用频繁 | 查看网络包量、连接变化、系统与内核日志 |
wa 高、b 较多,CPU 未充分使用 | 磁盘或存储等待 | 查看 iostat、磁盘空间、存储延迟和相关服务日志 |
available 低,si/so 持续活动 | 内存压力或交换 | 找出大内存进程,检查缓存、并发和内存泄漏迹象 |
st 持续偏高,应用进程没有明显异常 | 虚拟机调度或宿主机侧争用 | 对照服务商平台监控和同一时段业务指标 |
| 连接数、请求量同时增加 | 流量或连接处理压力 | 区分正常增长、异常请求、短连接和上游响应变慢 |
表中的组合是排查线索,不是单项指标的定论。例如,应用进程 CPU 高,既可能是代码计算量增加,也可能是请求量、重试或错误处理导致的额外工作;需要将系统采样时间与应用日志中的请求、错误和慢请求对齐。
处置前先确认影响范围
发现高负载进程后,先确认它属于哪个服务、是否承载关键业务、是否由定时任务或容器管理器控制。若运行在容器内,宿主机看到的进程和容器内进程可能需要分别核对,同时检查容器 CPU、内存限制及重启记录。不要只凭进程名判断归属,也不要在不清楚父进程管理关系时直接结束进程。
低风险处置通常是先减少不必要的重复工作:暂停确认无业务依赖的临时任务、调整已经核实的并发设置,或按变更流程回退刚发布的应用版本。更改前保存相关配置副本并记录原值,确认修改范围只涉及目标服务;若结果变差,应恢复原配置或按发布系统回滚。调整并发量、连接池和任务频率都可能影响吞吐、延迟或任务完成时间,不能把“CPU 降了”单独当作成功标准。
重启服务或结束进程属于影响更大的操作,可能造成请求中断、任务丢失或数据处理不完整。执行前应确认服务有可用的恢复方式、正在处理的任务是否可安全中断、是否有健康检查和回滚方案,并按业务变更流程操作。避免将 kill -9 作为常规排障手段;它不会给应用清理资源或完成收尾工作的机会。若服务需要停止,应优先使用对应服务管理器提供的正常停止或重启流程,并先核实服务名:
systemctl status 服务名
只有在确认系统使用 systemd、服务名正确且操作窗口获批后,才考虑执行服务管理操作。生产环境执行重启前应记录当前状态和错误日志,重启后检查服务状态、端口监听、应用健康检查及业务请求;如果未达到预期,按预案恢复配置或回滚版本,而不是反复重启掩盖问题。
修复后复测并持续观察
修复完成后,用与故障期间相同的指标和时间粒度复测:CPU 的 us/sy/wa/st 是否回到合理区间,目标进程占用是否下降,内存交换和磁盘等待是否缓解,连接状态与请求错误率是否恢复。随后从业务侧验证页面、接口或后台任务,确认响应时间、超时率和处理结果都符合预期。
至少观察覆盖一个典型业务周期;如果问题与定时任务、流量高峰或批处理有关,应持续观察到相关任务再次运行或流量时段结束。记录故障时间、关键指标、操作内容和恢复结果,有助于区分一次性尖峰与反复出现的容量或程序问题。若 CPU 指标恢复但业务仍慢,应继续检查数据库、外部接口、DNS、网络链路和应用队列,避免把服务器 CPU 当作唯一解释。
A5数据提供面向企业网站、业务后台、数据库及接口服务的香港物理服务器,涵盖Xeon Gold与AMD EPYC平台,并提供单路、双路及不同内存容量的资源组合。SSD、NVMe存储为数据读写和多任务运行提供硬件基础,香港产品中的CN2与国际带宽方案则覆盖不同访问链路需求,为业务持续运行、并发处理及后续容量扩展提供算力、存储与网络资源支持。
本文由A5数据原创发布,转载请注明出处:https://www.a5idc.com/helpcontent/4032.html



