Linux 与服务器运维 / 系统课时
磁盘利用率高就一定有问题吗
磁盘利用率高就一定有问题吗
看到 iostat 中 %util 接近 100% 时,最容易做出的错误判断就是“磁盘已经满负荷”。繁忙度只能说明设备持续有 IO 活动,是否真的形成性能问题,还必须同时检查延迟、排队情况和业务实际负载。
学习目标
- 理解
%util能说明什么、不能说明什么 - 会把繁忙度与
await、aqu-sz和吞吐组合分析 - 能区分“设备一直在工作”和“设备已经成为瓶颈”
%util 表示设备有多忙
%util 描述采样周期内设备存在 IO 活动的时间比例。比如设备几乎整个采样周期都在处理请求时,该值就可能接近 100%。它反映的是忙碌时间,不是一个跨设备通用的“性能使用率”。
对单磁头机械盘而言,请求并行能力有限,持续接近 100% 的繁忙度往往比较值得警惕。但 SSD、NVMe 可以同时处理多个请求,即使长期保持活动,只要延迟仍低且队列没有失控,业务可能完全正常。
同一个采样窗口看三个信号
排查时可以连续观察 5 组扩展统计,避免被单个瞬时值误导。
iostat -xz 1 5预期输出(节选,第一组通常是开机以来的累计统计,实际列名可能因 sysstat 版本略有差异):
Device r/s rkB/s w/s wkB/s aqu-sz await %util
<DEVICE> <RPS> <RKBPS> <WPS> <WKBPS> <QUEUE> <AWAIT> <UTIL>真正值得关注的是后续采样中三个信号是否同时恶化:%util 长时间较高,await 比正常基线明显升高,并且 aqu-sz 持续增加。如果只有第一项成立,就不能直接下结论。
三种典型组合
| 指标组合 | 判断重点 |
|---|---|
%util 很高,await 低,aqu-sz 稳定 |
设备持续工作,但处理速度仍可能跟得上请求 |
%util 很高,await 升高,aqu-sz 持续增长 |
请求开始积压,存储饱和的可能性较高 |
%util 不高,await 却明显升高 |
仍可能有间歇性慢请求、远端存储或虚拟化链路问题 |
还要结合 r/s、w/s、rkB/s、wkB/s 判断负载是否突然改变。一次备份让吞吐翻倍并把设备保持在繁忙状态,和业务流量不变但延迟突然升高,是完全不同的排查方向。
现代存储不能套机械盘思路
NVMe 设备通常具有多队列和较高并行度。对这类设备,接近 100% 的 %util 可能只是表示“始终有请求正在执行”,并不能反映所有队列、带宽或 IOPS 能力都已经耗尽。因此应优先关注请求完成时间是否恶化以及队列是否持续堆积。
虚拟机和云主机还多了一层映射:操作系统看到的是虚拟块设备,真实 IO 可能经过宿主机、云存储网络或限速策略。此时较低的 %util 也不能排除后端存储延迟,应用响应时间和平台侧存储指标同样重要。
判断异常的顺序
排查时先确认应用是否真的出现响应变慢、任务超时或吞吐下降,再观察多个连续采样窗口。随后比较 await 与正常时期基线,检查 aqu-sz 是否持续增长,最后再结合 %util、IOPS 和吞吐判断设备是否正在接近能力边界。
因此,磁盘利用率高只能作为“设备很忙”的信号,而不是故障判决。只有繁忙度与延迟恶化、队列积压和业务性能下降能够相互印证时,才有足够依据把问题定位到存储性能瓶颈。