作為 Linux 運維工程師，在日常工作中我們會遇到 Linux服務(wù)器上出現(xiàn)CPU負(fù)載達(dá)到100%居高不下的情況，如果CPU 持續(xù)跑高，則會影響業(yè)務(wù)系統(tǒng)的正常運行，帶來企業(yè)損失。

很多運維的同學(xué)遇到這種狀況往往會不知所措，對于CPU過載問題通常使用以下兩種方式即可快速定位：

方法一

***步：使用

top命令，然后按shift+p按照CPU排序 

找到占用CPU過高的進程的pid

第二步：使用

top -H -p [進程id] 

找到進程中消耗資源***的線程的id

第三步：使用

echo 'obase=16;[線程id]' | bc或者printf "%x\n" [線程id]  

將線程id轉(zhuǎn)換為16進制(字母要小寫)

bc是linux的計算器命令 

第四步：執(zhí)行

jstack [進程id] |grep -A 10 [線程id的16進制]” 

查看線程狀態(tài)信息

方法二

***步：使用

top命令，然后按shift+p按照CPU排序 

找到占用CPU過高的進程

第二步：使用

ps -mp pid -o THREAD,tid,time | sort -rn 

獲取線程信息，并找到占用CPU高的線程

第三步：使用

echo 'obase=16;[線程id]' | bc或者printf "%x\n" [線程id] 

將需要的線程ID轉(zhuǎn)換為16進制格式

第四步：使用

jstack pid |grep tid -A 30 [線程id的16進制] 

打印線程的堆棧信息

案例分析

1. 場景描述

生產(chǎn)環(huán)境下JAVA進程高CPU占用故障排查

2. 解決過程

(1) 根據(jù)top命令，發(fā)現(xiàn)PID為2633的Java進程占用CPU高達(dá)300%，出現(xiàn)故障。

(2) 找到該進程后，如何定位具體線程或代碼呢，首先顯示線程列表,并按照CPU占用高的線程排序：

[root@localhost ~]# ps -mp 2633 -o THREAD,tid,time | sort -rn 

顯示結(jié)果如下：

找到了耗時***的線程(TID)3626，占用CPU時間有12分鐘了!

(3) 將需要的線程TID轉(zhuǎn)換為16進制格式

[root@localhost ~]# printf "%x\n" 3626 
e18 

(4) ***使用jstack命令打印出該進程下面的此線程的堆棧信息：

[root@localhost ~]# jstack 2633 |grep "e18" -A 30 

相比故障的解決而言，發(fā)現(xiàn)故障也同等的重要!市場上的大多數(shù)監(jiān)控軟件都能實現(xiàn)服務(wù)器負(fù)載的實時觀測，比如：Zabbix、Nagios、阿里云監(jiān)控(針對云服務(wù)器)等。但是當(dāng)中大部分的軟件都需要運維同學(xué)主動去設(shè)置規(guī)則或者檢測才能發(fā)現(xiàn)問題，如何被動的也能收到告警呢?

推薦大家一個實用的運維軟件——王教授，對于業(yè)務(wù)部署在阿里云上的用戶，只需綁定需要監(jiān)控的只讀AcessKey，即可將云上資源的告警信息及時通知給對應(yīng)的團隊成員。

化主動為被動的方式，一方面減輕了運維工程師的工作，另一方面也減小了運維漏看或者忽略告警的情況發(fā)生。