1.4.4 Linux下CPU使用率与机器负载的关系与区别
笔者的线上竞标业务机器，在业务最繁忙的一段周期内，发现Nginx单机并发活动的连接数超过了2.6万，机器负载（基本上不到4，Nagios监控系统并没有发送报警邮件和短信）和Nginx＋Lua服务都是正常的，网卡流量并没有打满，但流量就是怎么也打不进去。经过深入观察，发现这段时期内每台机器的CPU利用率都已经很高了，基本都维持在99%～100%左右，这种情况应该是CPU资源耗尽了，导致不能再继续提供服务，所以这里有必要研究下CPU负载和CPU利用率这两个概念的关系与区别。
CPU负载和CPU利用率虽然是两个不同的概念，但它们的信息可以显示在同一个top命令中。CPU利用率显示的是程序在运行期间实时占用的CPU百分比，而CPU负载显示的则是一段时间内正在使用和等待使用CPU的平均任务数。CPU利用率高，并不意味着负载就一定大。
网上有篇文章提供了一个有趣的比喻，即通过打电话来说明两者的区别，下面笔者按照自己的理解来阐述一下。
某公用电话亭，有一个人在打电话，四个人在等待，每人限定使用电话一分钟，若有人一分钟之内没有打完电话，则只能挂掉电话去排队，等待下一轮。电话在这里就相当于CPU，而正在或等待打电话的人就相当于任务数。
在电话亭的使用过程中，肯定会有人打完电话走掉，有人没有打完电话而选择重新排队，更会有新增的人在这儿排队，这个人数的变化就相当于任务数的增减。为了统计平均负载情况，我们5秒钟统计一次人数，并在第1、5、15分钟的时候对统计情况取平均值，从而形成第1、5、15分钟的平均负载。有的人拿起电话就打，一直打完一分钟；而有的人可能前三十秒在找电话号码，或者在犹豫要不要打，后三十秒才真正在打电话。如果把电话看作CPU，人数看作任务，就可以说前一个人（任务）的CPU利用率高，后一个人（任务）的CPU利用率低。
当然，CPU并不会在前三十秒工作，后三十秒歇着，只是说，有的程序涉及大量的计算，所以CPU利用率就高，而有的程序涉及计算的部分很少，CPU利用率自然就低。但无论CPU的利用率是高还是低，都跟后面有多少任务在排队没有必然关系。
CPU负载为多少才算是比较理想的呢？对于这个问题，业界一直存在争议，各有各的说法，个人比较赞同CPU负载小于等于0.5算是一种理想的状态。
不管某个CPU的性能有多好，1秒钟能处理多少个任务，我们都可以认为它无关紧要，虽然事实并非如此。在评估CPU负载时，我们只以5秒钟为单位来统计任务队列长度。如果每隔5秒钟统计的时候，发现任务队列的长度都是1，那么CPU负载就为1。假如只有一个单核的CPU，负载一直为1，那就意味着没有任务在排队，这说明目前机器系统负载还不错。还是以上面提到的竞标业务机器为例，都是四核机器，每个内核的负载为1的话，则总负载为4。也就是说，如果那些竞标服务器的CPU负载长期保持在4左右，还是可以接受的。
CPU使用率达到多少才算比较理想？
建议统计%user＋%system的值（后面的章节有相关的Shell脚本），如果长期大于85%的话，就可以认为系统的CPU负载过重，这个时候就可以考虑添加物理CPU或增添业务集群机器了。
