Linux ❀ 磁盘IO较大故障告警排查确认方法

问题描述：在日常运维工作中，经常会遇到Linux服务器出现Disk磁盘I/O（ I/O 英文全称是 Input/Output，中文译为 输入与输出，通常指存储器与其他设备之间的数据交换操作）过大告警问题需要紧急处理，本文将详细介绍此问题的排查方法与技巧。

1、iotop

iotop是一个用来监视磁盘I/O使用状况的top类工具。iotop具有与top相似的UI回显，其中包括PID、用户、I/O、进程等相关信息。

# 只显示IO操作进程，查看哪些进程正在使用磁盘进度读写操作，以进程维度分析最高IO原因
$ iotop -ob
1
2

2、iostat

iostat功能是用于监视系统I/O设备使用情况。

$ iostat -xm 1
1

• CPU属性 avg-cpu
  • %user：CPU处在用户模式下的时间百分比
  • %nice：CPU处在带NICE值的用户模式下的时间百分比
  • %system：CPU处在系统模式下的时间百分比
  • %iowait：CPU等待输入输出完成时间的百分比
  • %steal：管理程序维护另一个虚拟处理器时，虚拟CPU的无意识等待时间百分比
  • %idle：表示磁盘在1秒内空闲的时间占总时间的百分比。也就是说，数值越高，表示磁盘的空闲时间越多，负载越轻，性能越好；数值越低，表示磁盘的空闲时间越少，负载越重，性能越差；%idle是评估磁盘负载和性能的重要指标之一
• 磁盘属性：
  • Device：磁盘设备名称
  • rrqm/s：每秒合并的读请求次数
  • wrqm/s：每秒合并的写请求次数
  • r/s：每秒完成的读次数
  • w/s：每秒完成的写次数
  • rkB/s：每秒读取的数据量（单位为KB）
  • wkB/s：每秒写入的数据量（单位为KB）
  • avgrq-sz：平均每个请求的扇区数。
  • avgqu-sz：平均请求队列长度
  • await：平均每个请求的等待时间（毫秒）
  • r_await：平均每个读请求的等待时间（毫秒）
  • w_await：平均每个写请求的等待时间（毫秒）
  • svctm：平均每个请求的服务时间（毫秒）
  • %util：磁盘利用率，磁盘在1秒钟内的忙碌时间占总时间的百分比，该值只代表持续写入的时间在1s内的占比，并不能体现出磁盘写入的大小，数值越高，表示磁盘的写入时间越高；数值越低，表示磁盘的空闲时间越多

注意点：目前市面上较多的告警规则都使用iostat命令的%util利用率取值，该值的磁盘IO信息反馈并不准确，不能体现出磁盘的写入速率大小，只反应出写入时间占比。例如：某个磁盘/dev/sda1在1s内持续写入1b/s，此时%util数值为100%，必然触发告警，但现网中并没有高额的数据写入，因此只能判断为误报。若需要继续判断磁盘是否存在异常需要进行压力测试，使用下面方法即可。

3、磁盘压力测试

# 测试写入1G文件速度
$ dd if=/dev/zero of=${dst_file_path}/test bs=1M count=1000 oflag=direct
# 在目标文件目录下创建一个名为test的文件（可根据现场环境自行修改目标路径），总计大小为1000MB，即1GB（块大小设置为1M，数量为1000）
1
2
3

最终确认磁盘写入速率正常，此告警忽略即可。

耗时：7.70452 s, 写入速度：136 MB/s。