Linux systemd启动耗时怎么看?如何从关键服务中找出拖慢启动的环节
判断 systemd 启动慢,不能只看 systemd-analyze blame 排名。某个服务耗时最长,不代表它拖慢了开机:它可能与关键服务并行启动,也可能在业务已经可用之后才结束。更有效的办法是先确定“启动完成”指什么,再结合启动总时长、关键依赖链和业务首次可用时间,找出真正占用等待路径的环节。
如果服务器用于承载网站或应用,systemd-analyze time 显示 30 秒,也不等于网站 30 秒就能响应。systemd 的目标单元可能已到达,但应用仍在加载数据、预热缓存或等待数据库。反过来,一个耗时 20 秒的后台服务,也可能完全不影响网站对外提供服务。分析的重点因此不是给服务耗时排座次,而是判断每段耗时是否落在业务必须等待的路径上。
先确定要测到哪个“完成时刻”
启动耗时至少有三个不同终点,混用它们容易得出错误结论。
| 测试目标 | 关注的问题 | 主要观察方式 |
|---|---|---|
| 系统启动过程 | 固件、引导器、内核和用户态分别花了多久 | systemd-analyze time |
| 指定目标或服务进入活动状态 | 哪些依赖让目标必须等待 | systemd-analyze critical-chain、服务日志 |
| 业务首次可用 | 请求何时得到符合预期的响应 | 应用健康检查、入口访问记录和业务日志 |
先在同一台机器、同一种启动方式下记录基本信息,再读取本次启动数据:
systemctl get-default
systemd-analyze time
systemd-analyze blame --no-pager
systemd-analyze critical-chain
systemctl get-default 用来确认默认目标。critical-chain 不带参数时观察默认目标;如果关心某个已安装服务,例如 Nginx,应单独查看它的依赖链:
systemd-analyze critical-chain nginx.service
journalctl -b -u nginx.service --no-pager -o short-monotonic
这些命令以发行版使用 systemd、且对应服务存在为前提。服务名称不确定时,先用 systemctl list-units --type=service --all 核对,不要把示例名称直接套到所有系统上。
对网站服务器,建议把验收口径写成“重启后多久能连续返回符合预期的健康检查结果”,并同时记录 systemd 时间。健康检查地址应使用应用实际配置的本机端口和路径;单纯端口已监听,未必代表数据库连接、必要数据加载和业务接口都已就绪。
四类时间指标分别说明什么
time:先分清慢在内核之前,还是用户态
systemd-analyze time 通常会列出内核、initrd、用户态等阶段;部分环境还会显示固件和引导器时间。具体有哪些字段,取决于启动方式和环境。若用户态只占总时间的一小部分,直接调整某个 .service 很可能无法明显改变总启动时间。
例如,某次记录显示内核与 initrd 合计约 5 秒、用户态约 24 秒,问题优先落在用户态;若固件与引导阶段占了 25 秒、用户态只有 6 秒,systemd 服务排序就不是主要矛盾。不要将不同命令中显示的 @ 时间与各阶段时长未经核对直接相加:它们描述的是时间点或阶段,口径不同。
还要注意,虚拟机、物理机和容器能观察到的启动范围并不相同。容器内的 systemd 信息不能当成宿主机从固件上电开始的完整开机时间。
blame:表示单元启动耗时,不表示节省空间
systemd-analyze blame 按单元启动耗时排序,适合快速找到“启动动作持续较久”的候选。但一项服务耗时 18 秒,并不能据此推断禁用它就能让系统早 18 秒可用。
原因有两个:一是服务之间可能并行;二是服务被判定为“启动完成”的时刻受其单元类型和就绪通知方式影响。有的服务很快进入活动状态,应用却仍在后台初始化;有的服务长时间等待外部条件,期间并没有持续占满 CPU。blame 是候选清单,不是瓶颈判决书。
critical-chain:寻找目标必须等待的路径
systemd-analyze critical-chain 更适合回答“默认目标或指定服务为什么到这个时间才到达”。输出中的 @ 可用于观察单元进入启动过程的时间位置,+ 表示该单元的启动耗时。阅读时重点看:等待是否发生在目标的依赖链上、哪段等待较长、上游条件为何没有更早满足。
但关键链也不是完整的业务依赖图。它侧重 systemd 可见的单元启动关系,不能自动识别应用后台预热、首次请求才建立的连接,以及并未写入单元依赖的外部服务。对 Type=simple 等服务尤其要区分“进程已启动”和“业务已就绪”。
业务可用时间:最终由负载决定
网站、数据库和批处理节点的终点不同。网站关注首个有效请求及其延迟;数据库关注连接成功后能否完成必要读写;批处理节点可能关注任务调度何时恢复。吞吐和并发也会影响判断:单次健康检查成功,不代表重启后立即承受正常并发时仍能维持可接受的响应时间。
因此,至少保留两个时间点:systemd 目标到达时间与业务首次稳定可用时间。如果两者相差明显,应把分析范围从单元依赖继续延伸到应用初始化和下游依赖,而不是继续盯着 blame 前几名。
把耗时与 CPU、内存、I/O 放在一起解释
下面是一组示例记录,展示为什么不能只按服务耗时排序:
| 观察项 | 示例数值 | 初步含义 |
|---|---|---|
| 默认目标到达 | 启动后约 29 秒 | systemd 层面的观察终点 |
| 业务首次稳定响应 | 启动后约 41 秒 | 另有约 12 秒应用就绪差距 |
| 后台索引服务启动耗时 | 约 18 秒 | 排名靠前,但与入口服务并行 |
| 入口服务关键链中的网络等待 | 约 7 秒 | 值得核对是否为实际必需条件 |
| 正常负载下业务就绪基线 | 约 27 秒 | 本次业务可用时间明显偏离基线 |
这组数据不能直接推出“优化网络等待 7 秒,就能把 41 秒降到 34 秒”。网络等待可能与其他初始化工作重叠,应用就绪的 12 秒也可能受 I/O 竞争影响。合理的下一步是确认依赖关系,并在同等负载下复测变化。

常见影响变量可以按资源现象区分:
- CPU 长时间繁忙:多个服务同时解压、编译或初始化,可能让关键服务获得 CPU 的时间变少。应对照启动期间的 CPU 使用情况和服务日志,而不是只看单项服务时长。
- 内存紧张或发生交换:启动时集中拉起应用、数据库和缓存,可能使业务就绪阶段显著变长。关注可用内存、交换活动及内核日志中的内存告警。
- 磁盘 I/O 等待明显:大量小文件读取、日志恢复或文件系统检查可能拖慢多个并行服务。此时
blame排名会同时变长,根因未必是排名第一的服务。 - 外部条件等待:网络就绪、远端数据库、挂载或设备发现可能让关键链停住。需要区分“必须等它才能提供正确服务”和“单元配置让它等,但业务实际不需要”。
可先读取本次启动的服务与内核日志,寻找等待、超时、重试或资源告警:
journalctl -b -u nginx.service --no-pager -o short-monotonic
journalctl -b -k -p warning --no-pager
内核告警只能提供线索;没有告警不等于没有 I/O 压力。若系统已启用启动阶段的资源监控,再把 CPU、内存、磁盘延迟与日志时间线对齐。重启完成后临时执行一次资源查看命令,只能反映当前状态,不能反推刚才启动时的负载。
针对网站、数据库、接口服务及多任务计算等启动场景,A5idc数据提供香港、美国、日本、韩国、中国台湾、新加坡和马来西亚等地区的物理服务器租用资源,覆盖Xeon、AMD EPYC、NVMe存储、大内存、多IP及不同带宽线路配置。不同硬件与网络组合可对应应用初始化、数据库读写、文件加载和跨地区访问等需求,为CPU、内存、I/O与业务可用时间的综合分析提供实际运行环境。
从候选服务走到可验证的判断
发现耗时较长的服务后,可以按“是否在路径上、是否必须等待、等待时在做什么”三个问题缩小范围。
首先分别查看默认目标和业务服务的关键链。如果服务在 blame 中靠前,却不在业务服务的关键等待路径上,且业务可用时间与它的完成时间没有同步变化,就不应优先处理它。反过来,一个只花 3 秒启动的服务,如果必须等到第 25 秒才开始,也需要追查它之前的等待。
其次检查单元声明的依赖,而不是从服务名称猜测原因:
systemctl show nginx.service -p After -p Requires -p Wants
systemctl cat nginx.service
After= 表示顺序约束,本身不等于会拉起对方;Requires= 和 Wants= 表达的依赖强度也不同。看到 network-online.target 时,应继续确认具体由谁等待网络、业务是否确实需要在启动阶段等待网络达到该状态。不能仅凭关键链里出现“network-online”,就认定网络故障或建议取消等待。
最后核对业务日志。如果 systemd 显示服务已活动,但健康检查仍持续失败,关注应用自身的数据库连接、迁移、缓存预热或错误重试。此时继续压缩其他单元的启动时间,可能改善不了用户感知的恢复时间。
可以用以下边界决定处理优先级:
| 判断结果 | 处理方向 |
|---|---|
| 总耗时增长,用户态占主要增量,关键链也延长 | 优先分析链上的等待和启动动作 |
blame 某服务很长,但关键目标与业务可用时间未受影响 | 暂不因排序靠前而改动它 |
| 目标到达正常,业务可用明显滞后 | 转向应用就绪、下游依赖和资源竞争 |
| 多个服务同时变慢,伴随 I/O 延迟或内存压力 | 优先核对共享资源,而非逐个改服务 |
| 偶发超时,重复启动差异大 | 先确认网络、远端依赖和启动负载的波动 |
调整启动依赖、服务类型或等待条件会改变服务可用顺序,不能把“缩短数字”当成唯一目标。任何配置变更都应先保存原单元文件及覆盖配置,明确受影响的服务和业务检查项;验证失败时撤销该项变更并重新加载配置,再按原条件复测。没有证明某项等待是多余的,就不要为了减少几秒启动时间将其移除。
用相同条件复测,才知道瓶颈是否真的消失
单次重启容易受软件更新、文件缓存、磁盘状态和外部服务波动影响。建立基线时,记录机器或虚拟机规格、系统与 systemd 版本、启用的服务、应用版本、启动方式,以及重启前后的业务负载。一次变更只针对一个明确假设;每轮都记录总启动时间、指定目标时间、业务首次稳定可用时间和启动期间的资源指标。
例如,业务要求重启后 45 秒内恢复服务,历史同条件启动约 27 秒,而近期多次达到 40 秒以上,那么 45 秒虽尚未被突破,增量仍值得调查。反之,若一项调整让 blame 第一名缩短 10 秒,但业务可用时间仍维持在 40 秒左右,它就没有解决当前验收目标。
容量判断也应回到业务负载:空载时 25 秒可用、正常并发恢复后却要 50 秒,说明只测开机命令输出不足以代表实际恢复能力。复测应覆盖预期并发和必要的下游连接,并以多次结果的中位数及较慢的一组结果观察波动。只有关键链、资源占用和业务可用时间同时支持同一个解释,才能认定找到了拖慢启动的环节。
本文由A5数据原创发布,转载请注明出处:https://www.a5idc.com/helpcontent/6237.html



