服务器 CPU 突然飙高？用 top 和 ps 三步揪出吃 CPU 的进程

服务器突然变慢，网页打开转圈，远程连接也一卡一卡，这时候最忌讳上来就重启，先花几分钟把真正吃掉处理器资源的进程找出来，问题往往就解决了一半，下面三步是我在线上排障时最常用的顺序，从整体到局部，越往后越精准。

第一步，先用 top 看整体负载和占用最高的进程
在终端里输入 top ，先看第一行的负载均值，它代表最近一段时间内等待使用处理器的任务数量，再看下面任务总数里正在运行和等待的任务有几个，如果等待的任务很多，说明处理器确实在排队，接着看占用率最高的那几行，重点看处理器占用率这一列，数值一直居高不下又没有下降趋势的进程最可疑，再看内存占用率这一列做对照，有些进程处理器占用不高但内存一直在涨，也可能是同一次故障的另一面，把可疑进程的进程号记下来，后面还要用它继续深挖，不要只看一眼就下结论，多刷新几次，确认占用是持续性的，而不是某个短暂任务刚好撞上。

第二步，再用 ps 按处理器占用排序，把全量进程排个队
top 适合看动态变化，ps 适合看一张全量快照，用 ps aux 加按处理器占用的排序参数，把所有进程按处理器占用从高到低排出来，第一行往往就是真凶，对照它的用户名、启动时间和完整启动命令，判断它是业务进程、定时任务，还是某个失控的后台脚本，如果启动时间正好和故障开始时间吻合，可疑程度就更高，再结合进程号查它的父进程，看看是谁把它拉起来的，是手动启动的调试进程，还是定时任务触发的批量处理，顺着这条链往上找，往往能找到故障的源头而不是只处理表面症状。

第三步，看进程详情，再决定是放行还是处置
定位到进程号之后，先看它打开了哪些文件和网络连接，再看它最近的系统调用和运行状态，判断它是在正常干活，还是卡在了某个循环或者等待外部接口返回，如果是业务高峰导致的正常繁忙，先考虑限流、扩容或者把非核心任务挪到低峰期再跑；如果是某个写错的循环或者重复触发的定时任务，先暂停触发源，再平稳结束失控进程，结束之后不要立刻离开，重新用 top 观察几分钟，确认处理器占用回落，负载均值回落，网页响应恢复正常，再把这次的进程号、启动时间、触发原因和处置动作记下来，下次再遇到类似飙高，就能直接对照处理，不用从头再查一遍。