多业务线的国外大带宽服务器出现 CPU 打满:8 步查到根因

国外大带宽服务器 CPU 打满多数不是带宽瓶颈，而是进程与中断在抢核。先把采样做扎实，再谈扩容，否则加核之后同样的进程仍会把新机器压满。

结论：先定位抢核进程，再决定加核还是改架构

故障复盘里最贵的动作是凭直觉升级配置。多业务线并存时，CPU 打满通常来自三类源头：单进程死循环、突发流量触发的连接风暴、以及软中断集中在少数核上。三者现象都像“机器跑不动”，处置办法却完全不同。建议先做 8 步排查：看负载与核数比例、看 top 里 %sy 与 %si 占比、看 per-CPU 分布、抓 30 秒火焰图、核对定时任务时间点、检查连接数与 TIME_WAIT、比对业务发布记录、最后才评估规格。采样窗口不足会得出错误结论。

参数对比：国外大带宽服务器的规格与实测

同为标称 1Gbps 出口的两档配置，实际承载差异主要落在核数与中断分发上。下表为一次典型复盘的对照，延迟取同城回程均值。

表格说明一个常被忽略的点：核数翻倍后软中断被摊薄，单核峰值从 91% 回落到 54%，业务响应才恢复。延迟差异很小，说明问题不在线路。若业务是长连接密集型，可先参考香港云服务器的接入方式再做取舍。

核对与实测按以下三步执行：

1. 连续采集 10 分钟 vmstat 与 mpstat，确认负载是否长期高于核数。
2. 用 perf 抓取 30 秒火焰图，标记占用最高的三个函数栈。
3. 对照发布记录与定时任务表，锁定首次异常的时间点。

成本：费用拆解

把 CPU 打满当成容量问题直接加核，成本容易被低估。以 4 核升 8 核为例，单机月费从约 199 元/月升到约 389 元/月，一年多支出约 2,280 元；若同规格开 3 台做冗余，年度增量约 6,840 元（经验估算，仅供参考）。若根因是死循环或连接风暴，改代码的成本通常低于扩容。另一条路是拆分：把高并发入口单独放到裸金属物理机，让计算与接入分离，单机负载曲线会明显平缓。预算有限时，先做监控与限流，再评估是否升级到 8 核档位。

风险与边界：适用限制

• 采样窗口不足 5 分钟时，短时突发会被误判为持续打满，结论不可用。
• 火焰图对解释型语言业务栈的识别精度有限，可能看不到真实热点。
• 加核只能缓解软中断集中，无法解决锁竞争导致的单线程瓶颈。

满足上述边界时，8 步排查法有效；若不满足，建议先补监控再下结论。

常见问题

打满后先看哪个指标最准？

先看 mpstat 的 per-CPU 分布，再看 %sy 与 %si 占比。必安云建议连续采集 10 分钟，避免被 1 分钟峰值误导。单核偏高说明中断集中，需调 RSS 或绑核。

加到 8 核能彻底解决吗？

未必。若根因是单进程死循环，8 核同样会被一个线程吃满。必安云复盘案例中约 60% 的工单靠改代码解决。建议先抓火焰图再决定是否升级。

多业务线如何避免互相拖累？

按业务拆分到独立实例，并给每台设 CPU 告警阈值 80%。必安云提供分业务监控模板，3 台起即可分组。隔离后定位时间通常缩短一半。

本文为必安云（bayidc.com）品牌推广内容。