1. 功能介紹

iostat (input/output statistics)，是 Linux/Unix 系統中用于監控 CPU 使用率和 磁盤 I/O 性能的核心工具，可實時展示設備負載、吞吐量、隊列狀態等關鍵指標。

可以使用 man iostat查看詳細介紹。

• 核心監控維度

  • CPU 使用率：用戶態（%user）、內核態（%system）、空閑（%idle）及 I/O 等待時間（%iowait）。
  • 磁盤 I/O：每秒讀寫請求數（tps）、數據量（kB_read/s/kB_wrtn/s）。

• 數據模式

  首次報告：第一次iostat指令指示了系統啟動以來的累計數據（需注意可能包含歷史干擾）。
  持續監控：通過 iostat 間隔秒數 次數（如 iostat 2 5）動態刷新數據。

2. 語法介紹

使用 help 可以看到用法如下：

-sh-4.4$ iostat --help
用法: iostat [ 選項 ] [ <時間間隔> [ <次數> ] ]

相關選項介紹如下：

選項	功能描述	示例命令
-c	僅顯示 CPU 統計信息（與 -d 互斥）	iostat -c 1 5
-d	僅顯示磁盤統計信息（與 -c 互斥）	iostat -d sda
-x	輸出擴展 I/O 詳情（如 await、svctm）	iostat -x 1
-k/-m	以 KB/MB 為單位顯示數據（默認塊單位）	iostat -k
-p	指定監控的磁盤分區（如 sda）	iostat -p sda 2
-t	添加時間戳（格式 HH:MM:SS）	iostat -t
-z	跳過零 I/O 活動設備，僅顯示活躍設備	iostat -z

• -x 擴展IO詳細介紹

  • iostat -x 的輸出分為兩部分：CPU 統計信息（默認顯示，可通過 -d 隱藏）和磁盤設備統計信息。以下重點解析磁盤部分的擴展字段（以設備 sda 為例）:

    ?

    字段	含義
    Device	磁盤設備名稱（如 sda、nvme0n1）。
    r/s	每秒完成的讀請求數（實際發送到磁盤的讀操作數）。
    w/s	每秒完成的寫請求數。
    rkB/s	每秒讀千字節數（需結合 -k 選項，或通過 rsec/s * 512 / 1024 計算）。
    wkB/s	每秒寫千字節數。
    rrqm/s	每秒合并的讀請求數（內核將相鄰的讀請求合并以提高效率）。
    wrqm/s	每秒合并的寫請求數。
    %rrqm	在發送到設備之前合并在一起的讀請求的百分比。
    %wrqm	在發送到設備之前，寫請求合并在一起的百分比。
    r_await	發送到要服務的設備的讀請求的平均時間（以毫秒為單位）。這包括隊列中請求所花費的時間和為它們服務所花費的時間。
    w_await	發送到要服務的設備的寫請求的平均時間（以毫秒為單位）。這包括隊列中請求所花費的時間和服務所花費的時間。
    aqu-sz	平均等待處理的 IO 請求隊列長度（值越高表示 IO 隊列積壓越嚴重）。老版本是 avgqu-sz
    rareq-sz	發送到設備的讀請求的平均大小（單位為千字節）。
    wareq-sz	發送給設備的寫請求的平均大小（單位為千字節）。
    svctm	平均每個 IO 請求的設備處理時間（不包括隊列等待時間），單位：毫秒。
    %util	磁盤設備的利用率（即磁盤忙于處理 IO 請求的時間百分比，接近 100% 表示磁盤飽和）。

3. 應用場景

• 性能瓶頸分析

  • CPU 瓶頸
    • %iowait >20% 表示 I/O 等待時間長，可能磁盤成為瓶頸。
    • %user + %sys >70% 提示 CPU 處理能力不足，需優化代碼或擴容。
  • 磁盤瓶頸(iostat -x)：
    • 高 %util（>80%）：設備接近滿載，需優化存儲或升級硬件。
    • 高 await 與低 svctm：I/O 隊列堆積，檢查并發讀寫。

• 數據庫與存儲調優

  • 數據庫負載：
    • 監控事務日志盤（如 /dev/sdb）的 tps 和 rkB/s，確保讀寫均衡。

• 存儲設備評估

  • SSD 與 HDD 對比：
    • SSD 的 svctm 通常 <1ms，若 HDD 的 svctm 持續 >10ms，建議升級存儲介質。

4. 示例分析

• 高 %util 但低吞吐量：
  • 可能頻繁小文件隨機讀寫，導致磁盤頻繁尋道。優化方法：合并 I/O 請求或改用 SSD。
• await 遠高于 svctm：
  • 表明 I/O 隊列積壓嚴重。需檢查 avgqu-sz，若隊列過長，需降低并發或提升磁盤性能。
• rkB/s 突增：
  • 可能發生大規模數據讀取（如數據庫全表掃描）。需結合業務邏輯判斷是否正常。