一次 Linux 服务器负载飙高的排查顺序

深夜监控告警：一台跑 Web 服务和定时任务的 Linux 服务器 load average 冲到 28，SSH 卡顿，页面响应变慢。下面是我实际走的排查顺序：先看是真忙还是在等，先定位瓶颈，再动进程。

第一步：uptime 看 load 与核数关系。执行 uptime 和 nproc，看 1、5、15 分钟 load。load 是排队等 CPU 的进程数，必须结合核数判断：8 核机器 load 8 只是跑满，load 28 是严重排队；1 核机器 load 2 已很吃力。

第二步：top 区分 CPU 还是在等 IO。看 %Cpu(s) 一行：us 高是用户进程真在算，sy 高看系统调用或锁，wa 高说明大量进程在等磁盘 IO，id 近 0 说明 CPU 已无空闲。按 1 看单核：若某一核跑满、其余空闲，可能是单线程或绑核问题。

第三步：vmstat 看 r/b 列与 si/so。执行 vmstat 1 5：r 是等 CPU 的进程数，长期大于核数即 CPU 排队；b 是不可中断睡眠进程数，持续大于 0 多是磁盘或网络 IO 在拖后腿。so 持续大于 0 说明内存不足已换页。

第四步：iostat 看磁盘 util。执行 iostat -x 1 3，重点看 %util 和 await：%util 近 100% 说明磁盘饱和，await 大说明单次 IO 很慢。再看 r/s、w/s，区分读多还是写多，配合 iotop 找写盘最凶的进程。

第五步：D 状态与僵尸进程。用 ps aux 看 STAT：D 状态是不可中断睡眠，多在等磁盘或 NFS，kill -9 也杀不掉，只能等 IO 恢复或处理底层存储；Z 是僵尸进程，本身不占 CPU 和内存，但父进程不回收会越积越多，应让父进程回收或重启父进程。

排查清单：1. uptime + nproc，判断 load 是否超核数；2. top 看 us/sy/wa/id，按 1 看单核，锁定嫌疑进程；3. vmstat 1 5 看 r/b、si/so，区分 CPU 排队、IO 等待和内存换页；4. iostat -x 看 %util、await，iotop 定位读写凶手；5. ps aux 处理 D 状态和僵尸进程。按此顺序走一遍，多数负载飙高十几分钟内能定位原因。