认识达内从这里开始

最近收到线上一台DB服务器ping丢包,丢包率一直在30%左右。通过Zabbix监控查看了服务器CPU,内存都很正常，网卡流量也不高，基本在100M左右。

首先确认一下服务器硬件是否正常，由于没有收到硬件报警。登录服务器通过HP管理工具在此确认了硬件信息都正常(硬盘，缓存卡，内存等)。

第二步在排查一下系统问题，通过top,ps等命令也没有发现什么异常，基本上排除系统问题。

第三步查看了一下该服务器上联监控机端口流量，也都很正常，由于收到只有这一台服务器报警，也排除了上联交换机故障问题。

最后向同事咨询了服务器承载业务类型，每2分钟会同步大量的数据文件到该服务器上面，然后用sar命令查看一下网卡流量，发现发送流量瞬间在12万KB/s,换算成b/s基本上在940-950Mb/s,意味着千兆网卡流量基本上爆满，才会引起服务器ping丢包。

由于我的监控是每5分钟抓一次,所以对应服务器瞬间高流量都没有获取到，还得优化一下监控时间间隔。

下面顺便总结一下sar命令常用的选项，sar命令行的常用格式如下：

1sar 选项 取样时间间隔 输出次数

1)查看CPU信息，1表示1秒钟取一次值，2表示采集2次数据。

[root@monitor ~]# sar -u 1 2

Linux 2.6.32-358.el6.x86_64 (monitor) 08/05/16 _x86_64_ (24 CPU)

10:51:39 CPU %user %nice %system %iowait %steal %idle

10:51:40 all 0.08 0.00 0.17 0.00 0.00 99.75

10:51:41 all 0.21 0.00 0.21 0.00 0.00 99.58

Average: all 0.15 0.00 0.19 0.00 0.00 99.67

输出项说明：

CPU all 表示统计信息为所有CPU的平均值。

%user 显示在用户级别(application)运行使用CPU总时间的百分比。

%nice 显示在用户级别，用于nice操作，所占用CPU总时间的百分比。

%system 在核心级别(kernel)运行所使用CPU总时间的百分比。

%iowait 显示用于等待I/O操作占用 CPU 总时间的百分比。

%steal 管理程序(hypervisor)为另一个虚拟进程提供服务而等待虚拟 CPU 的百分比。

%idle 显示CPU空闲时间占用CPU总时间的百分比。

2)查看网络接口信息。

[root@monitor ~]# sar -n DEV 1 2

Linux 2.6.32-358.el6.x86_64 (monitor) 08/05/16 _x86_64_ (24 CPU)

11:04:22 IFACE rxpck/s txpck/s rxkB/s txkB/s rxcmp/s txcmp/s rxmcst/s

11:04:23 lo 0.00 0.00 0.00 0.00 0.00 0.00 0.00

11:04:23 eth0 140.40 170.71 98.07 84.00 0.00 0.00 2.02

11:04:23 eth1 0.00 0.00 0.00 0.00 0.00 0.00 0.00

11:04:23 eth2 0.00 0.00 0.00 0.00 0.00 0.00 0.00

11:04:23 eth3 0.00 0.00 0.00 0.00 0.00 0.00 0.00

11:04:23 IFACE rxpck/s txpck/s rxkB/s txkB/s rxcmp/s txcmp/s rxmcst/s

11:04:24 lo 0.00 0.00 0.00 0.00 0.00 0.00 0.00

11:04:24 eth0 40.59 26.73 41.62 4.17 0.00 0.00 0.99

11:04:24 eth1 0.00 0.00 0.00 0.00 0.00 0.00 0.00

11:04:24 eth2 0.00 0.00 0.00 0.00 0.00 0.00 0.00

11:04:24 eth3 0.00 0.00 0.00 0.00 0.00 0.00 0.00

Average: IFACE rxpck/s txpck/s rxkB/s txkB/s rxcmp/s txcmp/s rxmcst/s

Average: lo 0.00 0.00 0.00 0.00 0.00 0.00 0.00

Average: eth0 90.00 98.00 69.56 43.69 0.00 0.00 1.50

Average: eth1 0.00 0.00 0.00 0.00 0.00 0.00 0.00

Average: eth2 0.00 0.00 0.00 0.00 0.00 0.00 0.00

Average: eth3 0.00 0.00 0.00 0.00 0.00 0.00 0.00

输出项说明：

IFACE 网络设备名

rxpck/s 每秒接收的包总数

txpck/s 每秒传输的包总数

rxKB/s 每秒接收的字节(byte)总数

txKB/s 每秒传输的字节(byte)总数

rxcmp/s 每秒接收压缩包的总数

txcmp/s 每秒传输压缩包的总数

rxmcst/s 每秒接收的多播(multicast)包的总数3)查看磁盘1/0信息。

[root@monitor ~]# sar -b 1 2

Linux 2.6.32-358.el6.x86_64 (monitor) 08/05/16 _x86_64_ (24 CPU)

11:07:55 tps rtps wtps bread/s bwrtn/s

11:07:56 11.11 0.00 11.11 0.00 129.29

11:07:57 6.93 0.00 6.93 0.00 63.37

Average: 9.00 0.00 9.00 0.00 96.00

输出项说明：

tps 每秒钟物理设备的I/O传输总量

rtps 每秒钟从物理设备读入的数据总量

wtps 每秒钟向物理设备写入的数据总量

bread/s 每秒钟从物理设备读入的数据量，单位为 块/s

bwrtn/s 每秒钟向物理设备写入的数据量，单位为 块/s

总结：在系统运维的过程中，一般关注服务器的下面指标。

CPU使用率：如果服务器CPU使用率超过80-85%，说明服务器CPU处理能力比较繁忙，需要提升CPU性能。

CPU iowait:如果服务器CPU iowait的值大于5-10%，说明磁盘I/O存在瓶颈，需要提升硬盘的读写速度。

网卡流量：网卡流量和上联交换机和服务器网卡都有关系。如果系统和网络都正常，服务器出现丢包，应该考虑网卡的吞吐率是否达到上限而出现的丢包。