AIX性能问题诊断及调优.docx
《AIX性能问题诊断及调优.docx》由会员分享，可在线阅读，更多相关《AIX性能问题诊断及调优.docx（13页珍藏版）》请在冰豆网上搜索。
AIX性能问题诊断及调优
在AIX日常运维中，性能问题一直是一个很重要的问题，为了让操作系统能正常平稳高效的运行，便需要一些武功秘籍来进行快速定准并解决问题，本次我们便来讨论一下我们可以用到的武功秘籍。
所谓性能问题，主要几种在CPU、内存、I/O三个大类别，因此我们分类进行讨论。
类别一：
CPU
检查系统的三把斧头一招便是topas，这个是最常用也是最有效的一招，通过topas的输出可以看到CPU的使用情况。
从topas的输出我们主要关注如下4个指标：
User%：
主要是应用程序消耗CPU的百分比
Kern%：
主要是操作系统本身消耗CPU的百分比
Wait%：
主要是有I/O问题时，CPU等待I/O的百分比
Idle%：
那么这个一定是空闲的CPU了
那么判定系统忙不忙的一个指标为Idle%，正常情况下，Idle%的值如果低于10%，则这个系统的CPU就需要注意了，此时关注一下是User%高还是Kern%高，如果是User%高，则说明是应用程序占用CPU较多，反之则说明操作系统本身占用CPU较高。
（但是请注意：
并不是所有Kern%高都是操作系统本身导致的，也有可能是应用程序调用了系统本身的函数，这样也会把这部分消耗算在Kern%头上）
在拍完第一板斧后，我们继续向下分析，拍第二板斧trpof，这个可以理解为精简版的trace，一般情况下执行这个命令对系统负载影响不太大，因此可以用这个工具先粗略看一下相关的进程。
tprof-skeuj-xsleep10
通过tprof可以看出占用CPU排名靠前的进程。
如果rootcause还没有找到，那么便使出大招，收trace数据。
在收集trace数据前请先注意以下原则：
收集trace数据会对当前系统的负载有影响，在CPU已经达到99%时，再收集trace有可能把操作系统搞夯。
一定要等到问题重现时收集trace，由于trace产生的数据量巨大，因此要收集有效时间段的trace。
如果不确定问题什么时候重现，可以写个判断脚本，收集循环trace。
用root用户进行trace收集
需要预估trace数据的大小，然后根据预估的空间，在操作系统上找一个空间较大的地方存放数据。
trace数据的大小可以用下列公式算出：
预估数据大小=逻辑CPU的个数*10MB
（其中逻辑CPU的个数可以用vmstat|grep-ilcpu命令查看）
在了解上述原则后，我们开始收集trace数据。
trace-anl-Call-T20M-L40M-o/bigFS/trace.raw
sleep10
trcstop
在执行完上述收集命令后，会生成trace的raw文件。
下面对trace数据进行转换：
trcrpt-r-Calltrace.raw>trace.r
再用curt进行数据处理：
curt-itrace.r-ocurt.out-pest
此时产生一个curt.out文件，可以直接进行阅读。
首先可以从“SystemSummary”字段看到各种类型的进程分别占用CPU的比例。
然后从“ApplicationSummary”可以看到应用占用CPU的排名。
也可以从“SystemCallsSummary”可以看到系统函数调用排名情况。
OK，到此我们便把这三把斧拍完了，那么我们来讨论一个真实的案例，来从中看看这三把斧是怎么拍的。
故障描述：
生产环境CPU使用率高，导致应用程序运行缓慢，批量程序无法按时完成。
系统环境：
AIX6100-07-05
处理过程：
Step1，使用topas查看，发现CPU使用率很高，其中大部分为Kern%占用
Step2，收集tprof数据，tprof-skeuj-xsleep10，找到占用CPU最高的两个进程。
/cd41/cdunix4100/ndm/bin/ndmsmgr
/cd41/cdunix4100/ndm/bin/cdpmgr
Step3，收集trace数据，并进行分析，发现绝大多数是系统调用。
当时以为是操作系统的BUG或者操作系统本身导致的，初步判断和应用程序没有关系，但后来证明当时这个想法是错误的，这也说明并不是所有kernel高是由于系统本身造成的，如果应用程序调用系统本身函数，也算在kernel头上。
☺
Step4，通过curt文件输出，看到占用kernel最高的是paged_ds_start函数。
Step5，分析调用paged_ds_start函数的进程为ndmsmgr，这是一个应用的进程!
Step6，那么分析ndmsmgr为什么会调用较高的kernel运算。
使用truss命令跟踪这个进程。
经分析这个进程在对文件进行操作完成后对文件执行close操作时有报错，返回值为ERR#9EBADF，该报错表述有无效的文件描述符，经查发现这进程会调用close函数，把文件描述符从0到65533的文件全部关闭一遍。
也就是说应用进程在调用大量的close（）函数导致系统kernel使用率飙升!
这也就把耗资源的账伪造到了kernel头上。
☺
最终升级应用程序解决了该问题。
类别二：
内存
下面我们来讨论内存的使用情况，首先也可以使用topas命令进行内存使用情况的查看。
从topas的输出中可以看到物理内存共有64GB，pagingspace共有16个GB。
其中物理内存部分：
计算内存使用了27%，文件系统缓存使用了9%。
那么问题来了，真正用于运算的内存是多少呢？
答案是物理内存的27%。
切记一定不要把文件系统缓存的使用当成内存的真实消耗。
因此当有新的内存申请时，文件系统的缓存是可以被换出来的。
那么一般来看，当计算内存达到90%时，则系统就会有性能问题；当达到95%以上，一般就会产生内存换页，这时就会把物理内存中的数据换到了pagingspace中，而如果短时间内有大量的换页产生，就很有可能引起操作系统夯，而如果在有HACMP或者oracleRAC集群环境中，就有可能导致集群强制把操作系统重启。
因此对计算内存的监控非常重要。
说到内存，不得不说的是svmon这个命令，这个命令可以查看更细的内存使用情况，例如每个进程占用多少内存等等信息。
可以用svmon-G命令查看内存的整体使用情况。
那么问题又来了，这个输出应该怎么看？
图中virtual字段是真实消耗的计算内存的业面数，size是物理内存的业面数，因此计算内存的比值=/=27%。
那么如何查看每个进程所使用的内存量呢？
可以用svmon-P来进行查看。
在下图中这个例子中可以看到计算内存的使用量共有11804个4K页面+185910个64KB页面。
换算为4KB页面共有个。
但注意：
这些内存有些是这个进程独享的，有些是多个进程共享的，因此在进行总和分析时不能简单的把所有内存值相加。
下面我们来看看占有内存的排名情况，我们要按占用内存的量由多到少进行排列，这个可以按如下方式进行（注意：
最后一列已经换算成MB）：
那么对于目前AIX6.1和AIX7.1版本，常见的几个建议调优的参数如下：
-minperm%=3
-maxperm%=90
-maxclient%=90
-lru_=0
-defaultfromAIX6.1.lru_setto0makesrepageratestobeignoredwhen
determiningwhatkindofpagetosteal,meanswillbestealwhenaboveminperm.
-strict_maxperm%=0
另外，perfPMR也是收集性能数据常用的工具，下载网址如下：
可以用perfPMR提供的脚本进行memdetails.sh进行更详细的内存数据收集。
也可以使用nmon对内存进行分析，可以看到一天内的内存整体使用情况。
其中深红色的为计算内存，淡蓝色的为文件系统缓存，黄色的为文件系统缓存。
也可以按进程看到占用内存的情况。
类别三：
I/O
谈起I/O不可避免的要首先了解LVM相关的一些技巧。
我们先谈谈lv的mapping关系，这个东西说起来很简单，但实际上它和I/O的性能和LV误删后的恢复有密切的关系，因此了解清楚LV映射对于系统运维有很大的帮助。
可以通过lslv-m看到lv的分布情况。
这个排序是按着LP的编号进行的，这个顺序很重要，如果lv被误删后，可以根据这个排序把lv重建回来。
通过命令也可以看到详细的分布信息。
通过readvgda可以通过磁盘读取到VGDA的信息，这里边包含了所有LV的mapping信息。
因此经常备份vgda信息对于灾难恢复很有必要。
通过getlvcb命令可以得到LVCB的信息。
在了解完了LV的分布后，我们回到性能监控上，iostat是一个很好用的命令。
通过这个命令可以看到每个磁盘的繁忙程度、响应时间、是否有I/O排队等信息。
topas-D也可以看到磁盘的相关信息。
但在topas输出中一定注意CPU中的idle%是否较高，由于idle%说明CPU在等待I/O，因此如果有idle%数值时，一定检查一下存储盘是否有问题。
如果要抓取I/O的详细信息，可以用命令进行数据抓取。
-Oall-o;
sleep30;
trcstop
结束语
本次从AIXCPU、内存、I/O三个方面探讨了相关的问题诊断及调整，可以当作抛砖引玉，供大家进行讨论参考。
升级会员 