تشخیص کندی I/O در لینوکس با iostat و PSI

از شل مجاز خود میزبان شروع کن، نه یک کانتینر اتفاقی؛ ممکنه کانتینر mountها، PIDها و cgroupهای متفاوتی ببینه. نسخهٔ واقعی توزیع و کرنل رو با محیط انتخاب‌شده مقایسه کن. ابزارهای iostat و pidstat در بستهٔ sysstat هستن؛ بستهٔ vmstat در خانوادهٔ DEB اسمش procps است و در خانوادهٔ RPM و Arch به اسم procps-ng عرضه می‌شه.

بررسی پایین چیزی نصب نمی‌کنه. اگر ابزاری کم بود، با روش مصوب نصب بسته روی همین میزبان آماده‌اش کن. پنل اختیاری بعدی بسته‌ها رو تغییر می‌ده و روی میزبان درگیر حادثه لازم نیست کورکورانه اجراش کنی. برای نمونه‌برداری کوتاه، نیازی به فعال‌کردن سرویس یا تایمر جمع‌آوری sar نداریم.

از مخزن رسمی همین RHEL با entitlement معتبر یا مخزن رسمی Rocky/Alma استفاده کن. نسخهٔ جزئیِ پشتیبانی‌شده رو نگه دار؛ SELinux و محدودیت procfs برای این مشاهده خاموش نمی‌شن.

cat /etc/os-release
uname -r
ps -p 1 -o comm=
rpm -q sysstat procps-ng util-linux coreutils systemd
command -v iostat pidstat vmstat findmnt lsblk systemctl date
iostat -V
pidstat -V

اگر ابزارها از قبل موجودن، از این پنل رد شو. روی محیط آزمایش یا در زمان مصوب نگه‌داری، تغییرهای پیشنهادی مدیر بسته رو ببین و فقط از مخزن رسمیِ فعال همین توزیع نصب کن. نصب ممکنه unitهای خود بسته رو هم راه‌اندازی کنه؛ نتیجه رو بررسی کن و صرفاً برای این آموزش جمع‌آوری تاریخچه رو فعال نکن.

از اینجا به بعد داده می‌خونیم، ولی همین مشاهده هم هزینه داره؛ تعداد نمونه‌ها رو محدود و خروجی‌ها رو خصوصی نگه دار. AppArmor، SELinux و محدودیت‌های procfs و cgroup سر جاشون می‌مونن. اگر مجوز کافی نداری، با مسئول میزبان حلش کن؛ حفاظت سیستم رو برای دیدن یک عدد خاموش نمی‌کنیم.

sudo dnf install sysstat procps-ng util-linux coreutils
command -v iostat pidstat vmstat findmnt lsblk

مقدار /var/lib رو روی یک پوشهٔ واقعیِ دادهٔ برنامه بگذار. findmnt فایل‌سیستم اون مسیر رو در همین فضای mount نشون می‌ده؛ بعد با lsblk درخت دستگاه‌ها و شناسهٔ major:minor رو می‌بینیم. اگر مسیر از LVM، mapper یا RAID می‌گذره، لایه‌های پایین‌ترش رو هم دنبال کن؛ اولین نام nvme الزاماً دیسک این برنامه نیست.

آمار هر لایه رو جدا نگه دار. ممکنه یک درخواست هم روی volume منطقی و هم روی دیسک زیرش دیده بشه؛ جمع‌کردن این عددها کار یکسان رو دو بار حساب می‌کنه. اگر منبع network filesystem یا overlay بود، انتساب مستقیم به دیسک محلی رو متوقف کن و مسیر واقعی داده رو با مسئول همون لایه پیدا کن.

test -d '/var/lib' || exit 1
findmnt --target '/var/lib' -o TARGET,SOURCE,FSTYPE,OPTIONS
lsblk -o NAME,KNAME,MAJ:MIN,TYPE,SIZE,FSTYPE,MOUNTPOINTS

PSI زمان معطل‌شدن پردازش‌ها رو می‌سنجه، نه مدت شلوغی دیسک. در I/O، مقدار some یعنی دست‌کم یک پردازش منتظر بوده؛ full یعنی همهٔ پردازش‌های غیربیکارِ همون محدوده هم‌زمان معطل بودن. avg10، avg60 و avg300 روند درصدی این بازه‌ها هستن و total زمان تجمعی انتظار رو به میکروثانیه نگه می‌داره. full جزئی از some است؛ این دو رو با هم جمع نکن.

فشار I/O و حافظه رو دو بار همراه زمان UTC می‌خونیم. یک جهش کوتاه ممکنه total رو زیاد کنه ولی در میانگین طولانی چندان دیده نشه. اگر فشار حافظه و swap هم بالا رفته، شاید بخشی از انتظار I/O از همون‌جا اومده باشه؛ با مشاهده‌های بعدی تفکیکش می‌کنیم. نبود فایل pressure یعنی این کرنل یا محدوده PSI رو در اختیارمون نمی‌گذاره، نه اینکه فشاری وجود نداره.

date -u +%FT%TZ
for resource in io memory; do
  printf '\n%s pressure\n' "$resource"
  if test -r "/proc/pressure/$resource"; then
    cat "/proc/pressure/$resource"
  else
    printf 'PSI unavailable or unreadable in this scope\n' >&2
  fi
done
sleep 5
date -u +%FT%TZ
for resource in io memory; do
  if test -r "/proc/pressure/$resource"; then cat "/proc/pressure/$resource"; fi
done

نمونه رو وقتی برنامه کند شده بگیر و با بار عادیِ مشابه مقایسه کن. گزینهٔ -y گزارش میانگین از زمان روشن‌شدن سیستم رو حذف می‌کنه. دستگاه‌های مرتبط رو از نقشهٔ قبلی انتخاب کن: r_await و w_await زمان صف و رسیدگی رو با هم دارن، aqu-sz میانگین درخواست‌های در حال انتظار یا رسیدگی است و حجم و تعداد عملیات شکل بار رو نشون می‌دن.

بالابودن %util یعنی در بیشتر اون بازه درخواست فعالی وجود داشته؛ برای NVMe موازی، RAID یا دیسک مجازی نمی‌شه اون رو درصد قطعیِ ظرفیت حساب کرد. حجم انتقال کم با await رو به رشد می‌تونه از درخواست‌های ریز و همگام، محدودیت پشت‌صحنه یا خطا بیاد. حجم انتقال زیاد با تأخیر عادیِ برنامه هم ممکنه فقط کار مفید باشه. از تفریق این میانگین‌ها زمان سرویس اختراع نکن.

date -u +%FT%TZ
LC_ALL=C iostat -d -x -m -y 1 5