Linux进程上下文切换是怎样发生的?它与线程切换和CPU负载有什么关系

发布人:A5数据发布时间:2026-11-03 11:01阅读量:102

“CPU负载高,是不是因为进程切换太频繁?”这个判断并不总成立。一个持续计算的程序可以让单个CPU核心接近满载,却很少主动让出CPU;大量等待网络或磁盘的任务则可能频繁睡眠、唤醒,产生不少上下文切换,但CPU使用率并不高。

Linux进程上下文切换的核心是:调度器决定让当前任务停止运行、换另一个任务使用CPU,内核保存前者继续运行所需的状态,并恢复后者的状态。Linux调度的基本对象是任务,线程也作为任务参与调度。因此,“进程切换”和“线程切换”都属于任务切换;它们是否还要切换地址空间,取决于前后两个任务是否共享内存管理结构。

先分清:切换了什么,没有切换什么

这里的“上下文”,不是进程的全部内存内容,而是让任务稍后能够从原位置继续执行的必要状态,包括指令位置、栈指针、部分寄存器,以及与调度、地址空间相关的信息。具体保存和恢复哪些硬件状态,由CPU架构和内核实现决定。

有几种容易混淆的情形:

现象是否一定发生任务上下文切换关键区别
程序调用系统调用,随后返回用户态否进入内核不等于换了运行任务;若调用期间阻塞,则可能切换
CPU处理一次中断否中断处理可以结束后继续运行原任务,也可能促成后续调度
同一进程的两个线程交替运行是,前提是发生实际调度需要切换任务状态,但通常共享地址空间
不同进程交替运行是除任务状态外,通常还涉及地址空间切换
任务从一个CPU迁移到另一个CPU属于调度变化迁移会影响缓存局部性,但不能把“迁移次数”等同于全部切换次数

“线程切换比进程切换轻”有机制依据,但不是一条适用于所有程序的耗时公式。同一进程内的线程通常共享地址空间,切换时一般不需要像不同地址空间的任务那样更换页表关联状态;不过,它们仍各有执行现场和内核栈。另一方面,线程在不同CPU上运行时也会竞争共享数据、触发缓存一致性开销。这些成本不会只体现在“切换耗时”里。

调度器怎样完成一次切换

以一个工作线程等待网络数据为例:它发起读取操作,发现暂时没有可用数据,于是进入等待状态。调度器从该CPU上可运行的任务中选择下一个任务;待数据到达,原线程被唤醒,重新获得参与调度的资格。被唤醒不等于立刻运行:它仍可能等待CPU,也可能因调度策略而较快抢占当前任务。

切换大致经过三个环节:

调度器怎样完成一次切换配图

  1. 确定当前任务不能或不应继续占用CPU。任务可能主动阻塞,例如等待数据、锁或定时器;也可能仍可运行,但需要按调度规则让出CPU,例如运行时间已达到相应调度条件,或有更合适的任务需要运行。
  2. 选择下一个任务。调度器依据任务状态、调度类别、优先级、CPU亲和性和各CPU运行队列等信息作选择。一个正在睡眠的任务不会因为“排队很久”就直接消耗CPU时间。
  3. 保存与恢复执行现场。内核记录当前任务恢复执行所需的状态,切换到下一任务的执行现场。若两个用户任务使用不同地址空间,还需处理地址空间相关状态;若它们是共享地址空间的线程,通常可省去这部分切换。

地址空间切换并不意味着“把旧进程内存清空,再把新进程内存搬进CPU”。页表用于描述地址映射,CPU的TLB缓存近期的地址转换结果;切换地址空间可能影响TLB命中和后续访存成本。具体是否以及如何保留部分转换缓存,还受CPU特性、内核实现等条件影响,不能将每次进程切换都说成“完整清空TLB”。

切换的代价也不止保存、恢复寄存器。两个任务轮流运行可能挤占彼此的CPU缓存内容,之后再次访问数据时产生额外缓存未命中。因而,即使某次切换本身很短,频繁切换仍可能降低有效工作时间。

切换次数、CPU使用率和负载为何对不上

这三个指标描述的不是同一件事:

指标主要回答的问题不能直接推出什么
上下文切换次数或每秒次数一段时间内任务交接有多频繁每次切换花了多久、业务是否变慢
CPU使用率CPU时间被用户态、内核态等活动占用了多少有多少任务在排队、切换是否过多
Linux平均负载一段时间内,处于可运行或不可中断睡眠状态的任务数量的平均水平CPU使用率百分比

平均负载常显示为1、5、15分钟三个值。它是任务数量的平均值,不是百分比;判断CPU是否拥挤时,还要结合可用CPU数量、可运行任务和CPU使用率。例如,在一台可用8个CPU的系统中,单个计算线程持续占满一个CPU,整体CPU使用率约为12.5%,平均负载可能在1附近。这并不表示它的单线程计算还能自动用上其余7个CPU。

反过来,不可中断睡眠状态的任务也会影响平均负载。若许多任务等待存储等内核操作,可能出现负载较高、CPU却不忙的情况。此时把“高负载”直接归咎于上下文切换,或者直接判断为CPU算力不足,都缺少证据。

切换频率主要受工作方式影响。频繁等待、唤醒的短任务,线程间频繁争用锁,以及可运行任务明显多于可用CPU时的交替执行,都可能增加切换。CPU密集型任务如果长时间持续计算,切换次数反而可能相对少。调度策略、CPU亲和性和虚拟化环境还会改变观察结果:在虚拟机内部看到的指标主要反映客户机视角,宿主机如何安排物理CPU时间,不能仅凭客户机的切换计数还原。

还要区分“相关”和“造成损失”。例如某系统显示每秒约40,000次切换;如果仅为演算,按每次平均消耗2微秒计算,得到每秒约80毫秒CPU时间,约相当于单个CPU一秒容量的8%。但这里的2微秒并非该系统实测值,缓存扰动等后续成本也不一定包含其中。只看到40,000次/秒,不能据此算出真实CPU损失或认定异常。

怎样用指标验证自己的判断

验证时,先在业务负载相近的时段连续观察,再把系统级指标与具体任务对应起来。以下命令只读取状态,不修改系统配置;pidstat、mpstat通常由sysstat软件包提供,若系统未安装,可先使用vmstat和/proc中的指标。

同时看切换、运行队列和CPU时间

vmstat 1 6

cs表示每秒上下文切换次数,r表示可运行任务数,b表示处于不可中断睡眠状态的任务数;右侧的us、sy、id、wa、st分别用于观察用户态、内核态、空闲、I/O等待及虚拟化环境中的被宿主机占用时间等CPU时间分类。以连续几次间隔数据为主,不要只凭启动后的首行或单个瞬时值判断趋势。

再查看各CPU使用情况:

mpstat -P ALL 1 5

如果只有一个CPU持续繁忙,不能用整体平均使用率不高来排除单核瓶颈;如果st明显偏高,在虚拟机内也不宜将性能下降全部归因于客户机进程切换。

找到发生切换的任务

已知进程PID时,可以按线程观察自愿和非自愿切换:

pidstat -w -t -p 1234 1 5

将1234替换为目标PID。输出中的cswch/s和nvcswch/s分别用于观察自愿、非自愿上下文切换速率。自愿切换常与等待、阻塞有关;非自愿切换增多可能与任务争用CPU或抢占有关,但两者都不是某一种原因的专用计数器。若某些线程切换格外频繁,应再对照其请求量、等待情况和响应时间,而不是直接认定线程数过多。

不依赖额外工具时,也可以查看某个线程自启动以来的累计计数:

grep -E 'voluntary_ctxt_switches|nonvoluntary_ctxt_switches' /proc/1234/task/1234/status

这里前一个1234是进程PID,后一个是线程TID;主线程的TID通常与PID相同。路径不存在时,应核对进程及线程是否仍在运行。累计值需要隔一段时间再次读取并计算差值,才适合与每秒速率比较。

一组指标的判断应保持对应关系:cs上升但CPU仍有空闲、业务延迟稳定,可能只是并发等待与唤醒增多;cs、sy和延迟一起上升,则值得继续分析锁争用或过细的任务拆分;r持续偏高且各CPU繁忙,更需要关注CPU竞争;b和负载升高但CPU不忙,则应优先检查等待中的内核操作。以上都是排查方向,不是仅凭一行命令就能确定的根因。

怎样用指标验证自己的判断配图

判断边界:何时该优化切换

上下文切换是多任务运行的正常机制,目标不是让次数越低越好。减少工作线程可能降低切换次数,却也可能牺牲并发处理能力;增加线程可能改善等待型任务的吞吐,也可能带来锁竞争和缓存扰动。不能跨机器、跨业务量,仅用一个固定的“每秒切换次数阈值”评价性能。

更可靠的边界是:在相近请求量和工作负载下,比较切换速率、CPU各类时间、可运行任务数与业务延迟或吞吐是否同步变化。如果切换增多但业务表现没有退化,不必仅为压低计数调整调度参数;如果退化与切换、内核态时间或运行队列增长同时出现,再针对线程模型、锁竞争和任务粒度做进一步验证。这样才能区分正常的任务交接、CPU排队,以及真正值得优化的切换成本。

对于多线程服务、数据库和容器等Linux负载,A5idc数据提供中国香港、美国、日本等地区的物理服务器,涵盖Xeon Gold、AMD EPYC等计算平台,并有不同内存、SSD或NVMe存储配置。多种资源组合可为接口服务、业务后台及多任务计算提供部署基础,满足不同并发规模下的CPU与存储资源需求。

本文由A5数据原创发布,转载请注明出处:https://www.a5idc.com/helpcontent/7262.html

相关推荐