PSI告警阈值设定从入门到实践 - 第1节

1.1 什么是 PSI（Pressure Stall Information）

PSI（Pressure Stall Information）是 Linux 内核 4.20 版本引入的一项资源压力度量机制，用于量化 CPU、内存和 IO 资源因竞争而导致的任务停滞时间比例。它从“任务等待资源”的角度出发，直接反映系统是否处于过载状态。

PSI 通过 /proc/pressure/ 接口暴露三个文件：

# 查看 CPU 压力
cat /proc/pressure/cpu

# 查看内存压力
cat /proc/pressure/memory

# 查看 IO 压力
cat /proc/pressure/io

每个文件输出格式示例：

some avg10=0.00 avg60=0.00 avg300=0.00 total=0
full avg10=0.00 avg60=0.00 avg300=0.00 total=0

1.2 PSI 产生的背景与意义

传统指标的局限性

在 PSI 出现之前，运维人员主要依赖 CPU 使用率、内存使用量、IOPS 等传统指标判断系统负载。但这些指标存在明显盲区：

• CPU 使用率 100% 并不一定意味着任务被阻塞——可能只是计算密集型任务在高效运行。
• 内存使用率 90% 也不直接说明有内存回收压力——可能只是缓存占用了大量空间。
• IOPS 很高 可能是正常业务流量，而非存储瓶颈。

PSI 的诞生背景

Google 工程师在数据中心运维中发现，许多“看起来正常”的机器实际上存在严重的资源竞争问题，导致应用延迟飙升。传统指标无法准确捕捉这类“隐形压力”。2018 年，Facebook 工程师 Johannes Weiner 主导将 PSI 合入 Linux 内核主线，旨在提供：

PSI 的运维意义

• 提前发现资源瓶颈：在 CPU 使用率飙升至 100% 之前，PSI 可能已经显示 5%~10% 的压力值，提供预警窗口。
• 精准定位瓶颈资源：通过对比 cpu / memory / io 三个维度的 PSI 数值，快速判断系统瓶颈所在。
• 量化服务质量：PSI 的 full 指标直接反映“系统完全卡住”的时间比例，是衡量用户体验的重要依据。
• 指导容量规划：长期 PSI 趋势数据可用于判断是否需要扩容或优化。

1.3 PSI 与 CPU / 内存 / IO 压力的关系

PSI 并非替代传统指标，而是从任务等待的视角补充传统资源指标。下面分别说明三种资源压力在 PSI 中的表现。

CPU 压力

当多个任务争抢 CPU 时间片时，部分任务会进入 TASK_RUNNING 但无法获得调度（即 runqueue 等待）。PSI 的 cpu.some 反映至少一个任务在等待 CPU 的时间比例。

• 典型场景：Web 服务器并发过高、计算密集型批处理任务。
• 关联传统指标：CPU 使用率、load average、上下文切换次数。
• PSI 阈值参考：cpu.some avg10 > 10% 通常表示 CPU 资源紧张。

内存压力

内存压力主要来自回收机制（kswapd 或直接回收）。当系统内存不足时，内核需要回收页面，导致任务等待内存分配。PSI 的 memory.some 和 memory.full 反映这种等待。

• 典型场景：内存泄漏、cgroup 内存限制过紧、大页分配失败。
• 关联传统指标：内存使用率、swap 使用量、OOM 事件。
• PSI 阈值参考：memory.some avg10 > 5% 或 memory.full avg10 > 1% 需关注。

IO 压力

IO 压力发生在任务等待块设备（磁盘、网络存储）完成读写操作时。这是最常见的性能瓶颈之一。PSI 的 io.some 和 io.full 直接量化 IO 等待对任务的影响。

• 典型场景：数据库大量随机读写、日志写入过密、存储设备性能不足。
• 关联传统指标：IOPS、IO 延迟、await、svctm、iowait。
• PSI 阈值参考：io.some avg10 > 10% 或 io.full avg10 > 5% 通常表示 IO 瓶颈。