在当今的高科技环境下，生产环境服务器的性能问题可能是一个复杂且棘手的问题。当服务器变慢时，可能会对企业的运营产生重大影响，包括客户满意度下降，工作效率降低，甚至可能导致整个系统崩溃。为了解决这些问题，我们需要深入了解生产环境服务器变慢的原因，并掌握有效的诊断和处理方法。
CPU使用率（%processor time）,在80%±5%范围内波动为宜。过低，则服务器CPU利用率不高；过高，则CPU可能成为系统的处理瓶颈。
解决这个问题的关键是要找到Java代码的位置。下面分享一下排查思路，以CentOS为例，总结为4步。
今天下午，线上阿里云RDS的本地只读从库宕机了，还好，这个个服务器上的数据库实例只是提供了一部分的读需求，很快就复原了，但是上面所有的数据库实例都down掉了，启动实例并保证主从复制关系迫在眉睫。这个过程中发现有一个主从复制的问题值得研究一下，虽然最后我解决了，但是具体的原因没有找到，还请大家帮忙看看，也算是集思广益了，如果某一天找到原因了，再回来更新一下。
1.查看聚合报告和服务器的资源使用图，检查响应时间，事务成功率，CPU，内存和IO使用率是否达到要求，如果出错率达到了总请求的3%，我们会检查是什么原因导致的，修改好后，重新测试；
关键业务的考核指标，重点关注业务价值评价的标准指标，电商类的下单量、支付量等，股票交易类关注买入、卖出以及账户中资金和持有股票的资金的关系等指标。这部分最好是和团队内BA一起确定，建立一套基于业务价值的监控指标。
性能测试这种测试方式在发生过程中，其中一个过渡性的工作，就是对执行过程中的问题，进行定位，对功能的定位，对负载的定位，最重要的，当然就是问题中说的“瓶颈”，接触性能测试不深，更非专家，自己的理解，瓶颈产生在以下几方面：
1.基于协议。性能测试的对象是网络分布式架构的软件，而网络分布式架构的核心是网络协议 2.多线程。人的大脑是单线程的，电脑的cpu是多线程的。性能测试就是利用多线程的技术模拟多用户去负载 3.模拟真实场景。用户的访问时间，访问频率都不是固定的。
并不是所有的 Kubernetes 集群都有很大数量的机器, 一个 Pod 也有可能占用几十 G 内存, 希望读者能在阅读前就了解这样的现实.
一个环境可能由数据库、Web 服务器、负载均衡和自定义应用程序组成，所有这些都在操作系统上运行——裸机或虚拟机，这只是软件部分。
http://mpvideo.qpic.cn/0bc3viafaaaaziahw3c7l5rvbkwdkcvaauaa.f10002.mp4?dis_k=e54fb0f33e4a99b17e5545d
我们开发的软件服务需要在服务器上运行，所以服务器性能代表了软件的性能上限，因此服务器性能调优是个十分重要的环节，然而大部分同学对服务器性能调优关注的较少，今天从3个部分对服务器性能调优进行介绍，分别是：服务器配置选择，服务器负载分析，服务器内核参数调优。
上一章节，我们讲了Elasticsearch集群的监控，除了腾讯云自己平台提供了丰富的监控参数外，Kibana Monitor也提供了丰富的监控特性。作为信息管理人员我们有必要去结合两者的监控去管理我们的集群服务。那么，我们知道，监控其实是一种被动式的管理，而且需要维护者时时去管理调试。那么能不能在监控到系统有问题的时候提前告警通知呢？？答案是肯定的。腾讯云 ES 提供一些关键指标的配置告警功能，配置告警可帮助您及时发现集群问题并进行处理。可以毫不夸张的说集群告警在信息管理中是非常重要的一部分，那么，本文为您介绍通过控制台配置告警的操作。
年前本应该是回顾一年工作和收尾的阶段，奈何各种促销，活动都等着春节，因此也遇到了不少的问题，回顾了一下最近遇到的问题，发现有好几个问题比较类似，正好整理一下，作为年前收尾的案例吧。表现上都是数据库假死，无响应，发生的场景有较高的业务压力到来时，也有业务正常运行的时候，突然就出现问题了。
上回我们说到，T姐设计了某市健康码的基础架构，能够处理高峰期每秒百万并发用户的亮码和扫码需求。那么，T姐是怎么样让云平台实现自动根据健康码系统的业务访问量来分配和销毁承载业务的虚拟机的呢？
在Kubernetes中，您可以使用节点标签和调度策略来控制Pod在哪些节点上运行。如果节点的标签不正确或调度策略不当，可能会导致某些节点上的Pod过多，而其他节点则处于空闲状态。
在我们项目部署上线的时候，我们是不是会经常去Linux服务器上查查服务器的CPU使用率，或者是运维经常会盯Linux的CPU使用率，发现监控报了60%的一般就会报警了，到了100%那就惨啦，做我开发的我们如果自己程序运行时CPU使用率一直是100%的话，那么，我们加班肯定逃不掉了，更打击我们自己的强大的自尊心。今天我就将我们线上之前有个100%的CPU给大家讲解下，然后教大家怎么去定位然后发现到具体的函数，然后去修改它就行了
电脑内的灰尘容易造成部件加快老化，导致硬件的运行迟钝，甚至导致一些因接触不良而无法正常开机。比如风扇，不及时的清理容易造成电脑的温度过高，则就容易电脑开机慢。那笔记本电脑太卡怎么解决？下面，小编给大家带来了笔记本电脑太卡的解决图文。
这是查看平均负载的快速方法，该平均负载指示要运行的任务(进程)的数量。在Linux系统上，这些数字包括要在CPU上运行的进程以及在不可中断I / O(通常是磁盘I / O)中阻塞的进程。这给出了资源负载(或需求)的高级概念，然后可以使用其他工具进一步探索。
一台运行了好久的服务器CPU使用率达到100%，脑海中第一个想法就是中病毒了，于是开始了我的杀毒之旅。
笔者几天前重启了轻量服务器，在查看服务器CPU使用率时发现一点异常：0点使用率会突然增加并持续。因为仅安装了宝塔面板，猜测是宝塔导致的，为了排除其它软件的影响，就拿出闲置的轻量服务器（1核2G）做了本实验。
今天我们就来聊聊 基于Prometheus和Grafana的监控平台的异常告警功能，这也是Prometheus系列的最后一篇。
当我们使用top命令查看系统的资源使用情况时会看到load average，如下图所示，它表示系统在1,5,15分钟的平均工作负载。 那么什么是负载(load)呢？它和CPU的利用率又有什么关系呢
要导出MySQL日志，您可以配置MySQL以记录查询、慢查询和与复制相关的信息。您可以使用Filebeat或Fluentd等工具来收集并发送这些日志进行分析。
CPU性能指标可以从两方面来看：静态、动态 静态指标主要包括： CPU的型号、主频、核数、cache等 动态指标主要包括： CPU的平均负载状况、CPU的使用率、最耗CPU的进程有哪些 查
画架构图是为了知道请求是从哪里到哪里，做性能分析一定先画个图，脑子里就会有路径的概念了。
在linux的系统维护中，可能需要经常查看cpu使用率，分析系统整体的运行情况,以便性能分析优化。而监控CPU的性能一般包括以下3点：运行队列、CPU使用率和上下文切换。
登录告警的服务器，这是一台openshift容器平台的计算机节点； top查看到 load average 达到了100左右； 最高的进程占用400%
上节我们讲了如何安装paramiko，这节我们讲如何使用paramiko连接服务器
由于项目的需要，需要做一个简单监控服务器的CPU利用率、CPU负载、硬盘使用率、内存利用率和服务器的各个端口的开启情况的程序，并把结果通知到监控平台，如果出现异常，监控平台打电话或者发短信通知给具体的运维人员
集群内节点负载过高，频繁脱离集群，引起健康状态变化，节点分片未分配，影响集群业务。
导读：springboot2 项目监控服务 ，采用Micormeter度量指标库，帮助我们监控应用程序的度量指标，并将其发送到Prometheus中。监控指标有系统负载、内存使用情况、应用程序的响应时间、吞吐量、错误率等。
某公司新开发了一款大IP手游。上线之后不久，发现几十个人上线之后服务器就崩溃了。一开始还能用大量预算来购买服务器用以支撑，但几天之后由于宣传火爆，随着用户的增多，这才发现单纯增加服务器的成本实在太高了。玩家开始逐渐骂服务器垃圾，各种掉线、卡顿、crash。本想领先竞品抢先进入市场，结果收获的却是满怀期待玩家们的流失。为什么！因为没有做压力测试！
在本系列的第 1 部分中，我们讨论了如何使用专用游戏服务器，将其与 Docker 打包，然后在Kubernetes 上托管和管理它，这是一个很好的开始。然而，由于我们的 Kubernetes 集群通常是固定大小的，我们可能会耗尽所有可用容量来运行我们需要的所有游戏服务器容器，以匹配所有想玩我们的游戏的玩家——这将是一件非常糟糕的事情。
前面介绍了如何运用Python获取Oracle数据库的信息以及将数据存入MySQL数据库中
OpenTSDB 是一种基于 HBase 编写的分布式、可扩展的时间序列数据库。官方文档这样描述：OpenTSDB is a distributed, scalable Time Series Database (TSDB) written on top of HBase； 翻译过来就是，基于Hbase的分布式的，可伸缩的时间序列数据库，和上面的意思基本相同。 主要用途，就是做监控系统；譬如收集大规模集群（包括网络设备、操作系统、应用程序）的监控数据并进行存储，查询。 存储到OpenTSDB的数据，是以me
sysfs把连接在系统上的设备和总线组织成为一个分级的文件，它们可以由用户空间存取，向用户空间导出内核的数据结构Q以及它们的属性。sysfs的一个目的就是展示设备驱动模型中各组件的层次关系。
尤其redis这类敏感的纯内存、高并发和低延时的服务，一套完善的监控告警方案，是精细化运营的前提。
glances是一个基于python语言开发，可以为linux或者UNIX性能提供监视和分析性能数据的功能。glances在用户的终端上显示重要的系统信息，并动态的进行更新，让管理员实时掌握系统资源的使用情况，而动态监控并不会消耗大量的系统资源，比如CPU资源，通常消耗小于2%，glances默认每两秒更新一次数据。同时glances还可以将相同的数据捕获到一个文件，便于以后对报告进行分析和图形绘制，支持的文件格式有.csv电子表格格式和和html格式。
前不久，看到了明哥写的如何用Python发送警告通知到企业微信，想起来之前写过用Pytho发送指定格式数据到钉钉的服务，本文将之前的代码重构下，变成一个：利用Python监控服务器数据，然后有异常就通过钉钉发送给用户。
并发 100 个请求测试 VM1 的 Nginx 性能，总共测试 1000 个请求
vmstat命令是最常见的Linux/Unix监控工具，可以展现给定时间间隔的服务器的状态值,包括服务器的CPU使用率，内存使用，虚拟内存交换情况,IO读写情况。这个命令是我查看Linux/Unix最喜爱的命令，一个是Linux/Unix都支持，二是相比top，我可以看到整个机器的CPU,内存,IO的使用情况，而不是单单看到各个进程的CPU使用率和内存使用率(使用场景不一样)。 选项 -a：显示活动内页； -f：显示启动后创建的进程总数； -m：显示slab信息； -n：头信息仅显示一次； -s：以表格方式显示事件计数器和内存状态； -d：报告磁盘状态； -p：显示指定的硬盘分区状态； -S：输出信息的单位。 vmstat 3 procs -----------memory---------- ---swap-- -----io---- --system-- -----cpu------ r b swpd free buff cache si so bi bo in cs us sy id wa st 0 0 320 42188 167332 1534368 0 0 4 7 1 0 0 0 99 0 0 0 0 320 42188 167332 1534392 0 0 0 0 1002 39 0 0 100 0 0 0 0 320 42188 167336 1534392 0 0 0 19 1002 44 0 0 100 0 0 0 0 320 42188 167336 1534392 0 0 0 0 1002 41 0 0 100 0 0 0 0 320 42188 167336 1534392 0 0 0 0 1002 41 0 0 100 0 0 一般vmstat工具的使用是通过两个数字参数来完成的，第一个参数是采样的时间间隔数，单位是秒，第二个参数是采样的次数 r 表示运行队列(就是说多少个进程真的分配到CPU)，我测试的服务器目前CPU比较空闲，没什么程序在跑，当这个值超过了CPU数目，就会出现CPU瓶颈了。这个也和top的负载有关系，一般负载超过了3就比较高，超过了5就高，超过了10就不正常了，服务器的状态很危险。top的负载类似每秒的运行队列。如果运行队列过大，表示你的CPU很繁忙，一般会造成CPU使用率很高。 b 表示阻塞的进程,这个不多说，进程阻塞，大家懂的。 swpd 虚拟内存已使用的大小，如果大于0，表示你的机器物理内存不足了，如果不是程序内存泄露的原因，那么你该升级内存了或者把耗内存的任务迁移到其他机器。 free 空闲的物理内存的大小，我的机器内存总共8G，剩余3415M。 buff Linux/Unix系统是用来存储，目录里面有什么内容，权限等的缓存，我本机大概占用300多M cache cache直接用来记忆我们打开的文件,给文件做缓冲，我本机大概占用300多M(这里是Linux/Unix的聪明之处，把空闲的物理内存的一部分拿来做文件和目录的缓存，是为了提高 程序执行的性能，当程序使用内存时，buffer/cached会很快地被使用。) si 每秒从磁盘读入虚拟内存的大小，如果这个值大于0，表示物理内存不够用或者内存泄露了，要查找耗内存进程解决掉。我的机器内存充裕，一切正常。 so 每秒虚拟内存写入磁盘的大小，如果这个值大于0，同上。 bi 块设备每秒接收的块数量，这里的块设备是指系统上所有的磁盘和其他块设备，默认块大小是1024byte，我本机上没什么IO操作，所以一直是0，但是我曾在处理拷贝大量数据(2-3T)的机器上看过可以达到140000/s，磁盘写入速度差不多140M每秒 bo 块设备每秒发送的块数量，例如我们读取文件，bo就要大于0。bi和bo一般都要接近0，不然就是IO过于频繁，需要调整。 in 每秒CPU的中断次数，包括时间中断 cs 每秒上下文切换次数，例如我们调用系统函数，就要进行上下文切换，线程的切换，也要进程上下文切换，这个值要越小越好，太大了，要考虑调低线程或者进程的数目,例如在apache和nginx这种web服务器中，我们一般做性能测试时会进行几千并发甚至几万并发的测试，选择web服务器的进程可以由进程或者线程的峰值一直下调，压测，直到cs到一个比较小的值，这个进程和线程数就是比较合适的值了。系统调用也是，每次调用系统函数，我们的代码就会进入内核空间，导致上下文切换，这个是很耗资源
一款线上产品如果没有经过性能测试，那它就好比是一颗定时炸弹，你不知道它什么时候会出现问题，你也不清楚它能承受的极限在哪儿。
像 AWS Lambda 这样的服务，代码每运行 100 毫秒，就需要支付一定的费用。例如 512 MB 内存的 Lambda 的（每 100 毫秒）费率是 $0.000000834。最好的一点是，如果代码没有运行，就无需支付费用——在一些大的组织机构中，如果服务器的使用率低于 20%，这种无服务器的方式会在财务上带来巨大的成本节约。企业已经注意到了这一点。
性能测试为保证软件质量起到重要作用，对于交易量较大的应用系统，性能测试更是一个必不可少的环节。
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
对象存储
腾讯会议
实时音视频
