Linux高负载排查核心是识别系统等待的资源类型而非单纯看CPU占用；Load Average反映就绪态与D状态任务平均数量，需结合vmstat、iostat、free交叉分析，再据wa/us/sy等指标定位I/O、CPU或内存瓶颈。
Linux高负载排查，核心不是“看哪个进程CPU高”，而是先搞清：系统到底在等什么。
看懂Load Average的真正含义
Load Average（1/5/15分钟）反映的是**就绪态+不可中断态（D状态）任务的平均数量**，本质是“排队等资源的活儿有多少”。它不等于CPU使用率，也不只和CPU有关——内存不足触发swap、磁盘慢导致I/O卡住、大量进程阻塞在锁或网络上，都会推高load。
关键判断标准：
- load nproc返回值）→ 通常健康
- load > CPU逻辑核数 → 已出现资源争抢，需进一步定位瓶颈类型
- 1分钟load远高于5/15分钟 → 突发短时压力，可能无需干预
- 1/5/15分钟load持续接近或超过核数 → 系统长期承压，必须查根因
三步快速缩小问题范围
别一上来就top，先用三个命令交叉验证：
- vmstat 1 5：看r（运行队列长度）是否持续>核数，同时观察wa（I/O等待）、si/hi（中断）、cs（上下文切换）是否异常升高
- iostat -x 1：重点关注%util（设备忙时占比）、await（平均I/O响应时间）、r_await/w_await。若%util接近100%且await显著升高，说明磁盘拖慢了整个队列
- free -h && dmesg | grep -i oom：检查可用内存（avail Mem）是否过低，以及内核是否已触发OOM Killer杀进程
区分CPU忙 vs CPU闲着等
top里%Cpu(s)行是破题钥匙：
- us + sy 高（>80%），wa很低 → 真正的CPU计算瓶颈，找高%CPU进程（ps -eo pid,cmd,%cpu --sort=-%cpu | head）
- wa高（>20%），us/sy很低 → CPU空转等I/O，此时top里常看到大量D状态进程，重点查磁盘和存储栈
- sy异常高（>30%） → 内核态耗时多，可能是频繁系统调用、锁竞争、或驱动问题
- si高（>15%） → 软中断密集，常见于高吞吐网络或定时器任务
针对性深挖常见场景
确认方向后，用对应工具收口：
- Java服务CPU高：用pidstat -t -p PID 1找高耗线程，再jstack PID | grep '0x[0-9a-f]' -A 5（十六进制线程ID）定位堆栈
- 大量D状态进程：ps aux | awk '$8 ~ /D/ {print}'，结合lsof -p PID看它卡在哪个文件或设备上
- 内存型假性高负载：buff/cache虽高但可回收，真正危险信号是avail Mem持续低于100MB或swap used持续增长
- 网络连接堆积：用ss -s看total established、orphan数量；ss -tn state time-wait | wc -l看TIME_WAIT是否异常
基本上就这些。抓准load的本质是“排队长度”，再配合vmstat/iostat/free三板斧定性，后面全是顺藤摸瓜的事。
