linux - ubuntu 14.04.1 服务器空闲负载平均 1.00

Question

这里让我摸不着头脑。希望有人能帮我解决问题。

我有一台 Dell PowerEdge SC1435 服务器，它已经在以前版本的 ubuntu 上运行了一段时间。 (我相信它是 13.10 服务器 x64)

我最近重新格式化了驱动器 (SSD) 并安装了 ubuntu 服务器 14.04.1 x64。

安装过程中一切似乎都很好，但机器在内核输出结束时首次启动时挂起，就在我期望屏幕清除并出现登录提示之前。我看到的内核输出末尾没有明显的错误。 (有一条关于“不使用不可靠的CPU热传感器”的消息，但无论是否启动，该消息似乎都存在)

我给了它足足 5 分钟的时间，然后强制重新启动。令我惊讶的是，它在 BIOS 发布后大约 1-2 秒内启动到登录提示符。我再次重新启动，它似乎在之前挂起的地方暂停了几秒钟，但继续进入登录屏幕。再次重启，速度又快了。所以在这一点上，我认为这只是那些随机的一次性故障之一，我永远无法解释，所以我继续前进。

我安装了一些软件包(在其他硬件上的相同操作系统版本上安装了完全相同的软件包)，进行了 apt Upgrade 和 dist-upgrade 然后重新启动。它似乎再次挂起，所以我开车到数据中心并连接控制台，结果却出现空白屏幕。再次强制重启。 (还设置了 ipmi 进行远程重新启动并摆脱了 grub recordfail，这样它就不会等待我按 Enter 键!)

昨晚已经很晚了。我回到家，重新启动了几次，没有出现任何问题，然后就去 sleep 了。今天我再次重新启动来检查它，但它又在某个地方崩溃了。我远程强制重新启动它。

此时我开始进一步挖掘，并立即注意到一些非常奇怪的事情。

top - 14:18:35 up 8 min,  1 user,  load average: 1.00, 0.85, 0.45
Tasks: 148 total,   1 running, 147 sleeping,   0 stopped,   0 zombie
%Cpu(s):  0.1 us,  0.3 sy,  0.0 ni, 99.6 id,  0.0 wa,  0.0 hi,  0.0 si,  0.0 st
KiB Mem:  33013620 total,   338928 used, 32674692 free,     9740 buffers
KiB Swap:  3906556 total,        0 used,  3906556 free.    47780 cached Mem

  PID USER      PR  NI    VIRT    RES    SHR S  %CPU %MEM     TIME+ COMMAND
    1 root      20   0   33508   2772   1404 S   0.0  0.0   0:03.82 init
    2 root      20   0       0      0      0 S   0.0  0.0   0:00.00 kthreadd
    3 root      20   0       0      0      0 S   0.0  0.0   0:00.00 ksoftirqd/0
    5 root       0 -20       0      0      0 S   0.0  0.0   0:00.00 kworker/0:0H
    6 root      20   0       0      0      0 S   0.0  0.0   0:00.00 kworker/u16:0
    8 root      20   0       0      0      0 S   0.0  0.0   0:00.24 rcu_sched
    9 root      20   0       0      0      0 S   0.0  0.0   0:00.02 rcuos/0
   10 root      20   0       0      0      0 S   0.0  0.0   0:00.00 rcuos/1
   11 root      20   0       0      0      0 S   0.0  0.0   0:00.00 rcuos/2

该服务器完全未使用且空闲，但其 1 分钟平均负载恰好为 1.00？当我观察其他值时 - 5 分钟和 15 分钟似乎也趋向 1.00，因此我假设它们在某个时刻都会达到 1.00。 (“1 Running”是最上面的进程)

我以前从未遇到过这种情况，因为我不知道是什么导致启动崩溃，所以我现在假设两者可能相关。

我想做的是确定(并希望消除)导致错误平均负载和崩溃问题的原因。

到目前为止，我无法确定哪些进程可能正在等待某种资源来生成该平均负载。

如果有人能帮助我尝试追踪它，我将非常感激。

top 显示所有进程几乎总是处于 sleep 状态。有些偶尔会出现在顶部，但我认为这很正常。 CPU 使用率大多显示 100% IDLE，偶尔会下降到 99% 左右。

nmon 没有向我展示太多内容。一切看起来都是闲置的。

iotop 几乎没有显示任何流量。 (同样，非常偶尔的磁盘访问)

中断频率似乎很低。据我所知，速度低于 100/秒。

我看到很多谷歌讨论都表明了这一点:

echo 100 > /sys/module/ipmi_si/parameters/kipmid_max_busy_us

..没有效果。

服务器中的 RAM 是 ECC 且测试通过。

服务器安装是“最小化”(F4 选项)，安装过程中勾选了 OpenSSH 服务器。之后安装了一些软件包，包括vim、bcache-tools、bridge-utils、qemu、software-properties-common、open-iscsi、qemu-kvm、cpu-checker、socat、ntp和nodejs。 (想想就是这样)

我尝试禁用并删除 bcache 内核模块。没有效果。停止了 iSCSI 服务..没有效果。 (尽管该服务器上还没有任何配置)

在这变得太长之前我会把它留在那里。如果有人能帮助我尝试解决这个问题，我将非常感激。

干杯，

詹姆斯

Answer 1

1.0 的平均负载是 bcache 回写线程处于不间断 sleep 状态的结果。它可能会在 3.19 内核或更高版本中得到纠正。请参阅this Debian bug report例如。