系统性能观测的资源账：内存、CPU 与 IO 到底花在哪

free 的 available 才是可用内存，buff/cache 随时可以被回收

做容量规划时，看三个数就够了：常驻内存、峰值内存、峰值持续时间。

先说结论

按「峰值 × 1.3」配内存，按「平均 × 2」配 CPU，按「峰值 × 3」留磁盘余量。

• 先量：常驻、峰值、峰值时长
• 内存：注意缓存与 RSS 的区别
• CPU：看是单核瓶颈还是多核瓶颈
• IO：随机读写最伤机械盘
• 扩容前先看是不是配置问题

三个必测的数

不测就调参，等于闭眼改代码：

• 常驻内存（RSS）：决定最低配置
• 峰值内存：决定会不会 OOM
• 峰值持续时间：决定要不要限流
• 磁盘日增量：决定备份与轮转策略

内存都去哪了

vmstat 的 wa 高说明 CPU 在等 IO，这时候加 CPU 没有意义。

Linux 的 buff/cache 会让人误判内存不足，先看 available 而不是 free。

这个服务的几个资源事实

实测下来，它吃资源的方式比较固定：

• iostat 的 %util 到 100% 不一定饱和，SSD 上要结合 await 和队列长度看
• vmstat 的 wa 高说明 CPU 在等 IO，这时候加 CPU 没有意义
• free 的 available 才是可用内存，buff/cache 随时可以被回收
• pidstat -d 1 能按进程看读写，比 iotop 更适合脚本化采样

CPU 峰值怎么处理

峰值不可怕，可怕的是峰值期间没有排队机制，所有请求一起超时。

扩容还是优化

先做这三件事再谈扩容：限制并发、加缓存、异步化。多数「性能问题」在这三步之后就消失了。

还有几处容易忽略的

都是小地方，但出问题时往往就卡在这里。

• load average 统计运行队列加不可中断睡眠，IO 卡住也会把它推高
• perf top 按周期采样，短于 1ms 的抖动基本抓不到，别拿它当证据
• 看 top 的 %CPU 超过 100% 以为中毒，其实是多核合计
• 用 %util 判断 SSD 饱和，结论经常是错的
• 在容器里跑 perf 没开 CAP_PERFMON，一直报权限错误

性能优化的第一步，是知道自己现在有多慢。