load average 是单位时间内处于 R 和 D 状态的平均进程数，并非 CPU 使用率；R 进程争抢 CPU，D 进程卡在硬件等待，CPU 低而 load 高常因 D 进程堆积；应重点关注 5/15 分钟值判断趋势，结合逻辑 CPU 数（如 16 核）评估是否超阈值（>24），再用 ps、iostat、lsof 分步定位 R/D 成因。
load average 不是 CPU 使用率，别拿 top 里的 %Cpu(s) 直接对标
很多人一看到 load average: 4.2, 3.8, 3.1 就立刻查 %us 或 %sy，发现才 30%，就以为“CPU 还很空闲，负载高得没道理”——这是最典型的误解。load average 统计的是单位时间内处于 R（可运行）和 D（不可中断睡眠）状态的平均进程数，不是 CPU 时间占比。
-
R状态进程在抢 CPU：比如多个 Java 线程同时 ready，但只有 4 个物理核，就会排队，推高 load -
D状态进程卡在硬件等待：比如磁盘慢、NFS 挂载卡住、NVMe 驱动异常，进程进D后 kill 不掉，但会计入 load - CPU 使用率低 + load 高 = 很可能有大量
D进程，ps -eo stat,pid,comm | grep "^D"可快速验证
看 load 数值时，优先盯死 5 分钟和 15 分钟值，别被 1 分钟值带节奏
1 分钟 load 是指数加权移动平均，对瞬时抖动极度敏感；一个 cron 脚本扫日志、一次突发请求就能把它拉到 10+，但系统可能根本没压力。真正反映趋势的是 5 分钟和 15 分钟值——它们衰减更平缓，能过滤毛刺。
- 如果
1m > 5m > 15m：负载在爬升，要查最近部署/定时任务/流量突增 - 如果
1m ：负载在回落，可能是刚扛过高峰，或问题已缓解 - 判断是否真高？用
grep -c 'processor' /proc/cpuinfo得到逻辑 CPU 数（含超线程），load 持续 > 1.5× 该值才需干预；比如 16 核机器，长期 > 24 才算危险
排查 high load 的三步定位法：先分 R/D，再筛进程，最后看资源瓶颈
直接 top → P 排序看 CPU 占用，90% 的情况会漏掉真正的元凶——因为 D 进程不占 CPU 时间，却推高 load。
- 第一步：区分负载成分 ——
cat /proc/loadavg看前三个值，再执行ps -eo stat,pid,comm | awk '$1 ~ /^[RD]/ {print $0}' | wc -l，对比总数是否接近 load 值 - 第二步：若
R多 →top -H查线程级 CPU，重点关注java、python、nginx等主进程下的高耗线程 - 第三步：若
D多 →iostat -x 1 3看%util和await，cat /proc/diskstats查具体设备延迟，再结合lsof +D /mnt/data看是否有进程卡在某个挂载点
优化不是加核或降负载，而是让 R 和 D 进程“快进快出”
给 32 核机器把 load 从 25 降到 10，不代表性能变好——如果这 10 个进程每个都卡在磁盘上等 200ms，响应照样慢。关键不是减少进程数，而是缩短单个进程在队列里的停留时间。
-
R长驻：检查是否线程池过大（如 TomcatmaxThreads=500）、GC 频繁（jstat -gc <pid></pid>）、或锁竞争（perf record -e sched:sched_switch -a sleep 5） -
D堆积：禁用不必要的sync写（如数据库fsync=off仅限测试）、换 NVMe 替代 SATA、避免 NFS 大文件随机读写 - 警惕“伪优化”：改
/proc/sys/kernel/sched_latency_ns或调vm.swappiness对 load 影响极小，反而可能破坏内核调度平衡
真正难的从来不是看懂 load 数字，而是分辨它背后那个 R 进程是在疯狂计算，还是在死等锁；那个 D 进程是在等 SSD 返回，还是在等远端 NFS 服务器打个喷嚏。
