虚拟机CPU Ready偏高就要加vCPU吗,如何结合宿主机负载判断
一台虚拟机的 CPU Ready 升高,不能直接推出“需要加 vCPU”。CPU Ready 表示虚拟 CPU 已准备运行、却在等待宿主机调度的时间;它反映的是调度等待,不等同于虚拟机正在执行的计算量。宿主机 CPU 资源紧张时,给虚拟机增加 vCPU 可能让更多虚拟 CPU 一起参与竞争,等待反而更久。

判断是否加 vCPU,要把 CPU Ready 放回业务变慢的同一时间窗口:看虚拟机 CPU 使用率、宿主机及所在资源池的负载、响应时间和错误率是否同步变化,再检查内存、磁盘、网络以及应用和数据库的等待。只有证据指向虚拟机确实缺少可用计算能力,且宿主机有足够调度余量时,加 vCPU 才是值得验证的方向。
先建立同一个观察窗口
性能分析首先要回答“什么时候变慢”,而不是先找一个超阈值的指标。可以选取一次业务高峰或慢请求集中出现的时段,保留高峰前、发生时和恢复后的数据。例如观察 30 分钟,并同时查看较细粒度的采样点;若监控只有 5 分钟平均值,持续几十秒的排队可能被抹平。
至少对齐以下数据的时间戳,并确认监控使用相同的时区和采样间隔:
- 业务侧:请求量或任务吞吐、响应时间的 P50/P95、超时率和错误率。
- 虚拟机侧:CPU 使用率、CPU Ready、vCPU 数量、内存换页、磁盘延迟与队列、网络重传。
- 宿主机侧:物理 CPU 使用情况、同一宿主机或资源池中其他虚拟机的负载,以及 CPU 限额、亲和性等调度约束。
观察时还要标记流量增长、批处理启动、虚拟机迁移、扩缩容和配置变更。若 CPU Ready 从业务变慢前就一直偏高,而响应时间只在数据库批处理期间升高,二者可能同时存在,却未必构成此次变慢的因果关系。
读懂 CPU Ready:先核对口径,再看变化
不同虚拟化平台对指标的命名、统计范围和展示单位并不完全相同。有的平台显示百分比,有的平台给出一个采样周期内累计等待的毫秒数;Linux 来宾系统中的 CPU steal 时间也可作为观察线索,但不能不经核对就与管理平台的 CPU Ready 数值互换。
如果平台给出的是整台虚拟机所有 vCPU 在采样周期内累计的 Ready 毫秒数,一种便于横向比较的口径是:
平均每个 vCPU 的 Ready 比例 = 累计 Ready 毫秒数 ÷(采样周期毫秒数 × vCPU 数量)× 100%
例如,20 秒采样周期内,一台 8 vCPU 虚拟机累计 Ready 为 6400 毫秒,则按上述口径计算为 6400 ÷(20000 × 8)× 100% = 4%。如果读到的是单个 vCPU的等待毫秒数,分母则只用采样周期,不能再乘 vCPU 数量。先确认指标是逐 vCPU、整台虚拟机汇总,还是平台已换算好的百分比,再谈高低。
平均值还会掩盖分布:8 个 vCPU 中若只有少数几个持续等待,平均 Ready 可能并不突出,但运行在这些 vCPU 上的关键线程仍会受影响。因此,除了整机趋势,还应尽可能查看逐 vCPU 数据,以及等待是否集中发生在慢请求时段。这里没有适用于所有平台和业务的单一“危险百分比”;持续时间、业务响应和调度范围,比孤立阈值更重要。
Ready 升高时,宿主机负载能说明什么
最直接的联动是:业务负载上升,虚拟机需要更多 CPU 时间;同一时段宿主机可调度的 CPU 资源变紧,CPU Ready 随之升高,响应时间或任务积压也开始恶化。这时首先应判断是不是宿主机层面的竞争,而不是立即调整某一台虚拟机的 vCPU 数。
下面是一组用于说明判断方法的模拟数据。各行代表不同场景,不是同一次监控记录;宿主机 CPU 使用率均为相同口径下的区间平均值。
| 场景 | 虚拟机 CPU 使用率 | 平均每 vCPU Ready | 宿主机 CPU 使用率 | 业务侧同步变化 | 更值得先验证的方向 |
|---|---|---|---|---|---|
| A | 约 65% | 由 1% 升至 9% | 由 55% 升至 94% | P95 响应时间及请求队列上升 | 宿主机 CPU 竞争 |
| B | 约 35% | 由 1% 升至 8% | 约 50% | P95 响应时间上升 | CPU 限额、亲和性或局部调度约束 |
| C | 约 95% | 约 1% | 约 60% | 吞吐受限,错误率基本不变 | 来宾计算能力不足或应用线程效率 |
在场景 A 中,Ready 与宿主机繁忙、业务排队同时上升,CPU 调度竞争是较强的候选原因。若同宿主机上的多台虚拟机也出现类似变化,证据会更充分。此时给其中一台增加 vCPU,并不会创造新的物理 CPU 时间;更合适的验证方向可能是错开批处理、检查资源分配,或在具备条件时调整工作负载分布。
场景 B 说明,宿主机平均 CPU 使用率不高,不能单凭这一点排除调度问题。虚拟机可能受到 CPU 限额、亲和性或所在资源池约束;局部核心忙而其他核心空闲,也会使整机平均值显得宽松。采样过粗时,短时高峰同样可能消失在平均值中。应先核对该虚拟机实际上可以使用哪些 CPU 资源,再判断是否有可用余量。
场景 C 则更接近“考虑加 vCPU”的起点:来宾 CPU 长时间繁忙,Ready 不高,宿主机有余量,同时吞吐受限。但仍需确认应用有足够的并行任务。一个主要受单线程、锁竞争或数据库查询等待限制的程序,不会因为 vCPU 从 4 个变为 8 个就自动加速。
还要注意大规格虚拟机的调度代价。增加 vCPU 后,应用未必用得上新增的并行能力,却可能扩大调度竞争;在涉及 NUMA 的宿主机上,也应核对虚拟机规格与 NUMA 拓扑、内存分配是否匹配。不能只根据宿主机“总体还剩多少 CPU 百分比”做决定。
把其他等待放进同一条时间线
CPU Ready 与响应时间同时升高,是值得调查的关联,不是对其他瓶颈的排除证明。应用完成一次请求,可能依次等待 CPU、内存页、磁盘、网络和数据库;其中任何一段变慢,都可能改变 CPU 使用曲线。
内存方面,查看来宾可用内存、主要缺页、换页活动,以及宿主机是否发生内存回收或交换。如果慢请求出现时换页和磁盘读延迟一起上升,CPU Ready 只有轻微波动,那么先处理内存压力通常比加 vCPU 更有针对性。不要仅以“内存使用率高”下结论:文件缓存占用与持续换页的含义不同。
磁盘 I/O方面,结合读写延迟、吞吐、I/O 队列和应用等待看。虚拟机 CPU 使用率下降、磁盘延迟与队列升高、请求响应变慢,常见解释是线程在等 I/O,而不是算力不足。磁盘繁忙百分比也不宜单独使用:不同存储类型和并发能力下,相同数值可能对应不同延迟。
网络方面,检查请求量、接口吞吐、丢包与重传,以及上下游连接或请求队列。网络带宽未跑满,不代表链路或对端没有问题;丢包、重传、连接建立变慢也会拉长响应时间。反过来,网络流量上升伴随 CPU Ready 上升时,还需判断是否是请求量增长同时推高了两者,而非 Ready 单独造成网络变慢。
应用与数据库方面,结合线程池队列、运行中任务数、数据库连接池等待、慢查询、锁等待和超时日志。如果 P95 上升主要发生在数据库连接池排队期间,虚拟机 CPU 仍有空闲,加 vCPU 很难缩短这段等待。错误率也要一起看:超时增加与 CPU 调度等待同步出现,和因下游返回错误而导致的失败,需要采取不同措施。
这些指标不必各自找一个“异常值”再投票。更有用的问题是:哪个等待先出现,哪个指标随后变化,业务受影响的时间是否吻合?
形成判断:什么情况下加 vCPU,什么情况下不加
可把决策收敛为三个条件:虚拟机确有持续的 CPU 需求;现有 vCPU 数量限制了可并行运行的任务;宿主机及实际调度范围内仍有余量。三个条件都成立,才适合小幅增加 vCPU 并验证收益。
- 优先处理宿主机竞争:Ready 持续升高,宿主机或相关资源池同时繁忙,多台虚拟机受影响。先排查过量分配、突发任务和资源分布,而不是给竞争中的虚拟机普遍加 vCPU。
- 优先检查调度约束:Ready 偏高,但宿主机整体使用率不高。核对 CPU 限额、亲和性、资源池设置和局部核心负载;解除不合理约束前,增加 vCPU 可能没有效果。
- 可以试验增加 vCPU:来宾 CPU 持续接近其现有处理能力,Ready 较低或可控,宿主机有余量,应用运行队列或可并行任务确实积压,并且内存、I/O、网络及数据库等待未构成主要限制。
- 先不加 vCPU:CPU Ready 升高与业务慢无明显时间关联,或业务等待主要落在磁盘、网络、锁及下游服务;又或者应用只有少量活跃计算线程。此时增加 vCPU 缺少明确的收益路径。
变更前记录当前 vCPU 数、业务吞吐和 P95 响应时间,并确认调整是否需要停机或重启、是否会影响 NUMA 布局。尽量一次只改变一个关键变量;如果同时迁移宿主机、调整存储并增加 vCPU,复测后很难知道是哪项调整起了作用。
复测要使用可比较的业务窗口或相近负载,不能只看“CPU Ready 降了没有”。理想的结果是:在相近请求量下,吞吐提高或响应时间下降,错误率不升,CPU Ready 和宿主机负载仍处于可接受范围。若增加 vCPU 后 Ready 上升、宿主机更拥挤,而业务指标没有改善,应考虑恢复原规格,并回到等待链路寻找原因。
下一次遇到 CPU Ready 偏高,可以固定同时查看这一组指标:业务请求量、P95 响应时间与错误率;虚拟机 CPU 使用率与逐 vCPU Ready;宿主机及资源池 CPU 负载;内存换页、磁盘延迟与队列、网络重传;应用队列和数据库等待。把它们放在同一时间轴上,才能判断是在争夺 CPU、缺少并行算力,还是别的等待恰好与 Ready 同时出现。
CPU Ready 与宿主机资源余量的判断,也关联到业务运行所需的底层硬件资源。A5idc数据提供香港、美国、日本等地区的物理服务器,涵盖 Xeon Gold、AMD EPYC 等 CPU 平台,并配有不同的内存与 SSD、NVMe 存储配置,可为业务后台、数据库及多任务负载提供计算资源基础。多地区产品及不同线路方案,也让企业能够结合业务部署区域与访问需求安排服务器资源。
本文由A5数据原创发布,转载请注明出处:https://www.a5idc.com/helpcontent/6833.html
