2. RHEL主机性能观测体系

数据库主机性能问题很少以“CPU 高”这种单一形态出现。Oracle、PostgreSQL、MySQL 在 RHEL 上运行时，一次慢查询可能同时表现为 CPU 软中断升高、内存页回收频繁、磁盘 await 增大、网络重传增加。若只看一个指标，很容易把根因误判为“CPU 不够”或“磁盘太慢”。因此，本节要建立一套以数据库负载为中心的观测体系：先理解每类指标在 RHEL 上如何采集、代表什么，再把它与数据库的等待事件、会话状态、SQL 执行阶段对应起来。

一、观测体系的四个层次

RHEL 主机性能观测可以分成四层：硬件与内核资源层、进程与调度层、数据库实例层、业务 SQL 层。越往下越接近物理瓶颈，越往上越接近业务影响。排查时应先确定“数据库在等什么”，再回到主机层验证“谁在消耗、消耗在哪个设备或 CPU 上”。

CPU 方面，vmstat 1 的 us、sy、id、wa、st 是最常用的入口。数据库负载通常表现为 us 高（SQL 解析、排序、哈希连接）或 sy 高（系统调用、上下文切换、锁竞争）。若 wa 持续偏高，说明 CPU 在等 I/O，而不是算力不足。此时应结合 mpstat -P ALL 1 看单核分布：数据库进程若集中在少数 CPU 上，可能是 NUMA 绑定或调度策略问题，而非核数不够。

内存方面，不能只看 free -m 的 free 值。RHEL 会把大量内存用于 page cache，available 才更接近“还能给新进程用多少”。数据库主机要重点关注 si/so（换页）、pgscank/pgsteal（页回收）、oom 日志。若 SGA 或 shared_buffers 被换出，数据库会出现无法解释的延迟抖动。此时应检查 /proc/meminfo 中的 Dirty、Writeback，以及 vm.swappiness 是否被调得过高。

二、磁盘与网络：数据库最敏感的链路

磁盘观测的核心不是“利用率 100%”这个数字，而是延迟和队列。用 iostat -x 1 看 r_await、w_await、aqu-sz、%util。对数据库而言，w_await 超过 10ms 就值得警惕，超过 20ms 通常已影响提交延迟。若 %util 高但 await 低，说明设备仍在吞吐能力内；若 await 高且队列长，说明存在排队。进一步用 pidstat -d 1 定位到具体进程，再结合数据库的 db file sequential read、log file sync 等等待事件判断是数据文件还是日志文件。

网络方面，数据库主机的网络问题常被忽略。用 sar -n DEV 1 看吞吐与丢包，用 ss -s 看连接状态，用 netstat -s 看重传、乱序、溢出。若 retrans 持续增长，说明 TCP 重传在消耗数据库响应时间；若 Recv-Q 堆积，说明应用读取慢于数据库发送。RAC、主从复制、共享存储场景下，网络延迟会直接放大为数据库等待。

三、中断与软中断：被低估的 CPU 消耗

在高速网卡和多队列存储环境下，中断和软中断会占用大量 CPU。用 cat /proc/interrupts 观察各 CPU 的中断计数，用 mpstat -I SUM 1 看 %irq 和 %soft。若某个 CPU 的软中断长期偏高，可能是网卡多队列未均衡、RPS/RFS 未开启，或存储多路径未分散。数据库的 log file sync、网络收包都依赖中断处理，软中断瓶颈会表现为“CPU 不忙但事务提交慢”。

四、把指标与数据库等待事件对应起来

真正有效的关联分析，是把主机指标翻译成数据库等待事件。例如：db file sequential read 高，同时 iostat 显示某块设备 r_await 高，说明索引读落在慢盘上；log file sync 高，同时 w_await 高且 %util 接近 100%，说明 redo 日志写入排队；latch free 或 buffer busy waits 高，同时 sy 和上下文切换高，说明 CPU 竞争或共享内存争用。反过来，若数据库等待事件集中在 CPU time，而主机 us 高、wa 低，则优化方向应是 SQL 与索引，而不是加磁盘。

下面给出一个可直接用于巡检的关联判断表，字段按“数据库现象—主机指标—可能根因—验证命令”组织，便于在故障现场快速对照。

五、观测顺序与常见误区

建议的观测顺序是：先看数据库等待事件确定方向，再用 vmstat、iostat、sar 验证主机层，最后用 pidstat、/proc/interrupts 定位到进程或 CPU。常见误区有三个：一是把 free 低当成内存不足，忽略 page cache 的正常占用；二是把 %util 100% 直接等同于磁盘瓶颈，忽略 await 和队列；三是只看平均值，忽略单核、单设备、单队列的偏斜。数据库负载往往集中在少数资源上，平均值会掩盖真实瓶颈。