服务器负载很高但业务正常该如何判断

学完这篇你能按一套可执行的检查顺序，判断“负载高但业务正常”是短时尖峰、IO 阻塞、内存回收、容器争抢还是虚拟化偷取，并决定要不要处理。

第一步：先确认负载是不是真高，以及高在哪一项

这一步先看负载数值和趋势，做完你能知道它是短时尖峰还是持续偏高，以及相对几核。在终端执行：

uptime
cat /proc/loadavg
nproc
top -b -n1 | head -n 5

/proc/loadavg 三个数分别是 1、5、15 分钟平均负载。用 nproc 得到核数，负载长期高于核数才叫偏高。如果只有 1 分钟高、15 分钟低，通常是短时任务。宝塔面板 8.0.5 可在左侧菜单“监控”->“系统监控”看负载曲线；阿里云云监控在“实例详情”->“监控”->“操作系统监控”看。

注意：Linux 的 load average 不只算 CPU 运行队列，还把不可中断睡眠进程算进去，所以 CPU 空闲时负载也可能高。

第二步：看 CPU 时间都花在哪

这一步拆开 CPU 时间，做完你能区分是用户态计算、内核态、IO 等待还是虚拟化偷取。执行：

vmstat 1 5
mpstat -P ALL 1

在 vmstat 输出里看 us、sy、wa、st、id。wa 高说明 CPU 在等 IO；st 高说明宿主机把 CPU 时间分给了别的虚拟机；id 高但 load 高，重点查 D 状态进程。mpstat 来自 sysstat 12.5.4，按核看更清楚。

注意：vmstat 第一行是自启动以来的平均值，从第二行开始看。

第三步：抓不可中断睡眠进程 D

这一步找抬高负载但杀不掉的进程，做完你能定位到卡在内核里的 PID。执行：

ps -eo state,pid,ppid,wchan:32,cmd | awk '$1=="D"'
for p in $(ps -eo state,pid | awk '$1=="D"{print $2}'); do echo "== $p =="; cat /proc/$p/stack; done

wchan 会显示内核等待函数，/proc/PID/stack 需要 root。常见原因有磁盘、NFS、驱动、内核回写。

注意：D 状态进程连 kill -9 也杀不掉，先解决它等待的磁盘或网络挂载。

第四步：确认磁盘和文件系统是否饱和

这一步查 IO 瓶颈，做完你能判断负载是不是磁盘拖出来的。执行：

iostat -x 1 5
iotop -oPa
df -hT
dmesg -T | tail -n 50

重点看 %util、await、r_await、w_await、aqu-sz。%util 接近 100 且 await 持续很高，说明磁盘饱和。dmesg 里出现 NFS、EXT4、XFS 报错要优先处理。

注意：业务正常可能因为读缓存或异步写挡了一阵，不等于 IO 没问题。

第五步：查内存与 swap，排除直接回收

这一步看内存压力，做完你能知道负载是否来自页回收和 swap。执行：

free -h
vmstat 1 5
pidstat -r -p ALL 1
slabtop -s c

vmstat 的 si、so 持续非 0，free 的 available 很低，说明系统在换入换出。pidstat -r 能找出缺页多的进程。

注意：swap 有占用不等于有问题，持续换入换出才是问题。

第六步：容器、虚拟化和 cgroup 限制

这一步确认负载是不是宿主机或其他容器带来的，做完你能避免误判。容器内执行：

cat /sys/fs/cgroup/cpu.max
cat /sys/fs/cgroup/cpu/cpu.cfs_quota_us
docker stats --no-stream
kubectl top pod -A

cgroup v2 看 cpu.max，v1 看 cpu.cfs_quota_us。如果容器内 load 高但自身 CPU 被限制，可能是宿主机负载透传。物理机看 top 的 %st。

注意：容器里的 loadavg 有时显示宿主机数值，不一定是你的容器造成的。

第七步：按业务 SLO 决定处不处理

这一步做决策，做完你能知道该继续观察还是动手。先看错误率、P95/P99、QPS、线程池队列。若业务指标正常、负载只是短时高、D 进程少，可以保留证据后观察。若 iowait 持续大于 20%、D 进程多、swap 持续抖动、负载 15 分钟仍上升，就处理：限流、迁移实例、扩容磁盘、调整 IO 调度器、升级驱动或内核。

注意：不要为了把 load 降到 1 就重启业务，先保存 top -b -n1、vmstat 1 5、iostat -x 1 5、D 进程列表和 dmesg。

小结

• 负载高不等于 CPU 忙，先看 1/5/15 分钟趋势和核数。
• 用 vmstat、mpstat 区分 us、sy、wa、st、id。
• D 状态进程会抬高负载，且 kill -9 无效。
• 磁盘看 %util、await，内存看 si/so 和 available。
• 容器和虚拟机要排除宿主机负载与 cgroup 限制。
• 业务 SLO 正常可观察，持续恶化再处理，先留证据。