新闻详情

新闻详情

首页 / 资讯中心 / 详情

linux centos 服务器性能排查 vmstat、top、sar等常用指令,截取catalina.out超大文件指定时段日志步骤

发布时间:2026/11/17 9:31:03来源:尧图网络
linux centos 服务器性能排查 vmstat、top、sar等常用指令,截取catalina.out超大文件指定时段日志步骤
背景:项目上经常出现系统运行缓慢,由于数据库服务器是linux服务器,记录下linux服务器性能排查常用指令vmstatvmstat介绍vmstat 命令报告关于内核线程、虚拟内存、磁盘、陷阱和 CPU 活动的统计信息。由 vmstat 命令生成的报告可以用于平衡系统负载活动。系统范围内的这些统计信息(所有的处理器中)都计算出以百分比表示的平均值,或者计算其总和。vmstat指令显示(procs、memory、swap、io、system、cpu)6部分内容各字段含义解释procs:进程统计r:运行队列中的进程数。即等待 CPU 时间片的进程数量。如果这个数字持续高于系统的 CPU 核心数,说明系统的 CPU 资源比较紧张,可能存在性能瓶颈。b:处于不可中断睡眠状态的进程数。通常是进程正在等待 I/O 操作完成,比如等待磁盘读写、网络数据接收等。如果该值长期不为 0 且较大,可能表示系统存在 I/O 性能问题。memory:内存统计swpd:已使用的交换空间大小,单位是 KB。交换空间是磁盘上的一块区域,当物理内存不足时,系统会将一部分内存数据交换到交换空间中。如果这个值不断增大,说明系统的物理内存可能不够用,需要关注系统内存使用情况。free:空闲的物理内存大小,单位为 KB。这是系统当前未被使用的内存量,可以直接反映出系统内存的剩余可用资源。buff:用于块设备的缓冲区内存大小,单位为 KB。缓冲区主要用于缓存磁盘块数据,以提高磁盘 I/O 的性能。当系统读取或写入磁盘数据时,数据会先在缓冲区中进行缓存,以便后续再次访问时可以直接从缓冲区中获取,减少实际的磁盘 I/O 操作。cache:用于文件系统的缓存内存大小,单位为 KB。文件系统缓存主要用于存储最近访问过的文件数据和元数据。与缓冲区不同,它更侧重于文件层面的缓存,而不是磁盘块层面。通过文件系统缓存,可以加速文件的读取操作,提高系统的整体性能。swap:交换空间统计si:从磁盘交换到内存的交换页数量,单位为 KB/s。表示每秒从交换空间(磁盘)换入到物理内存的数据量。如果这个值较大,说明系统频繁地从交换空间读取数据,可能是物理内存不足,导致系统不得不使用交换空间来满足内存需求。so:从内存交换到磁盘的交换页数量,单位为 KB/s。表示每秒从物理内存换出到交换空间(磁盘)的数据量。同样,如果该值较大,也说明系统内存紧张,需要将部分内存数据交换到磁盘上以腾出物理内存空间。io:输入/输出统计bi:从块设备(如磁盘)读取的块数量,单位为块 /s。这个数值反映了系统对磁盘等块设备的读操作频率和数据量。通过观察该值,可以了解系统的磁盘读负载情况。bo:写入到块设备的块数量,单位为
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/17 7:04:08

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/17 5:42:44

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/16 19:23:38

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/17 6:55:04

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/17 5:57:47

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/16 17:28:18

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉