Debian cpustat在云服务中的典型应用场景
工具选择与说明
- 在 Debian 环境中，常见的 cpustat 有两类：其一是随 sysstat 提供的系统级工具，用于查看整体与每核 CPU 利用率；其二是 Uber 开源的进程级工具（go 实现），可按进程/线程汇总 CPU 消耗。二者适用场景不同，前者更适合做宿主机与实例层面的容量与稳定性观测，后者更适合定位“哪个进程/线程在耗 CPU”。在云环境中，常将两者结合：宿主机/节点用 sysstat 的 cpustat，容器内或应用侧用 Uber cpustat 做细粒度排查。
典型场景与用法
- 宿主机与节点容量与稳定性观测：在 ECS/BMS 上以固定频率采样，观察 用户态/系统态/iowait 与 每核 利用率，识别热点核、抖动与长期趋势，用于容量规划与 SLO 预警。示例：sysstat 的 cpustat 可快速查看整体与每核使用（如 -c -P ALL），便于发现单核打满与不均衡问题。
- 容器与微服务的 CPU 节流与调度优化：在 Kubernetes 节点上，结合节点级 cpustat 与 cgroups/容器指标，判断是否存在因 CPU 限流（throttling） 导致的延迟波动；对 CPU 密集的 Java/Go/Node.js 服务，定位到具体 Pod/进程 后再联动 HPA/VPA 或重调度。
- 突发流量与伸缩决策验证：在促销、直播、批处理等场景，用 cpustat 观察 短时 CPU 飙升 的持续性与峰值，验证 Cluster Autoscaler 或 KEDA 的触发阈值与扩容时延是否满足业务目标，必要时调整阈值与冷却时间。
- 成本优化与实例类型评估：在做 按需/抢占式 实例选择或实例规格调优时，用 cpustat 建立“负载-利用率”基线，验证更小规模或更具性价比的实例类型能否在目标 SLO 下承载相同负载，从而支撑“降本增效”的取舍。
- 离线/批处理与数据面性能回归：对 Spark/Flink/ClickHouse 等数据密集型任务，在任务前后采集 cpustat，量化 iowait 与 系统态 占比，定位瓶颈是在计算、调度还是 I/O，辅助参数与资源配置优化。
- 告警与根因分析闭环：将 cpustat 指标接入 Prometheus（node-exporter/custom exporter） 或 日志平台，设置阈值/异常模式告警；告警触发后用 cpustat 的 按进程 视图（Uber cpustat）快速定位异常进程，缩短 MTTR。
快速上手命令示例
- 系统级（sysstat 的 cpustat）：安装与启用
- 安装：sudo apt update && sudo apt install sysstat
- 启用历史采集：编辑 /etc/default/sysstat，设 ENABLED=“true”，重启服务：sudo systemctl restart sysstat
- 系统级（sysstat 的 cpustat）：实时与每核观察
- 查看所有 CPU：cpustat -c -P ALL
- 简洁摘要：cpustat -u
- 历史回看（sysstat 的 sar）：sar -u -f /var/log/sysstat/saXX
- 进程级（Uber cpustat）：快速定位“谁在吃 CPU”
- 安装：go get github.com/uber-common/cpustat
- 运行：sudo cpustat（默认间隔 200ms、汇总 2s、显示前 10 个进程）
- 常用选项：-n 20（前 20 个进程）、-u root（仅 root 进程）、–cpuprofile 输出剖析文件
与云原生可观测体系的集成
- 指标采集与存储：将节点级 cpustat 输出通过 node-exporter textfile collector 或自定义 Exporter 暴露为 Prometheus 指标；进程级数据可在节点上以日志或 Pushgateway 方式上报，用于短期定位。
- 自动扩缩容与调度：基于 cpustat 衍生的 CPU 利用率/峰值指标，配置 KEDA 或 Cluster Autoscaler 的阈值与冷却；对 CPU 不均衡的节点，结合 污点/容忍 与 亲和性 做重调度。
- 成本治理联动：把 cpustat 基线接入 成本分析/FinOps 看板，与实例规格、计费类型（按需/抢占式）关联，验证 降配/换型 后的性能与成本变化，形成闭环优化。