当服务器出现响应缓慢、网站加载超时或数据库连接失败时，最直接的原因往往是CPU或内存资源耗尽。如果不掌握查看实时负载的方法，排查问题就像在黑暗中摸索。本教程将带你从零开始，使用命令行工具和系统监控命令，精准定位服务器性能瓶颈。无论你是刚接触服务器的运维新手，还是需要临时排查问题的开发者，按照以下步骤操作，都能在5分钟内拿到关键数据。
## 前置准备
- 一台运行Linux系统的服务器（本教程以CentOS 7/8、Ubuntu 20.04/22.04为例，命令通用）
- 通过SSH客户端（如Termius、Xshell、Putty）登录服务器的权限，建议使用root用户或具有sudo权限的普通用户
- 基本的命令行操作常识：知道如何输入命令、按Enter执行、按Ctrl+C中断持续输出的命令
- 确认服务器已安装以下基础工具（绝大多数系统默认已安装）：top、htop（可选）、free、df、iostat、vmstat、netstat或ss。如果缺少htop，可通过命令安装：CentOS使用`yum install htop -y`，Ubuntu使用`apt install htop -y`
## 分步操作步骤
### 1. 使用top命令快速查看实时CPU和内存概览
登录服务器后，在命令行输入`top`并回车。你会看到一个全屏动态刷新的表格，这是最基础的性能看板。重点关注以下几个区域：
- **第一行：系统概况**。显示当前时间、系统已运行时间、登录用户数、负载平均值（load average）。负载平均值有三个数值，分别代表过去1分钟、5分钟、15分钟的平均负载。如果1分钟数值远高于5分钟和15分钟，说明系统正在经历瞬时压力；如果三个数值都持续高于CPU核心数（例如4核CPU负载超过4.0），说明CPU资源严重不足。
- **第二行：进程与任务**。显示总进程数、正在运行（running）、休眠（sleeping）、停止（stopped）、僵尸（zombie）进程数量。如果僵尸进程数不为0，说明有进程未能正常退出，可能需要手动清理。
- **第三行：CPU状态**。us（用户空间占用百分比）、sy（内核空间占用百分比）、id（空闲百分比）、wa（等待I/O完成百分比）。当`wa`超过30%时，说明磁盘读写速度拖累了CPU，需要检查磁盘性能。当`id`长时间低于20%，说明CPU极度繁忙。
- **第四行和第五行：内存与交换分区**。Mem行显示物理内存总量、已用、空闲、缓存/缓冲区。Swap行显示交换分区使用情况。如果Swap的used值持续增长且不为0，说明物理内存不足，系统正在使用硬盘作为内存，这会导致性能急剧下降。
在top界面中，按`1`键可以展开显示每个CPU核心的使用率，按`q`键退出top。如果想按内存占用排序，先按`Shift+M`（大写M）；想按CPU占用排序，按`Shift+P`。找到占用资源最高的进程，记住其PID（进程ID），后面排查时会用到。
### 2. 使用free命令精确分析内存使用细节
top给出的内存数据比较概括，使用`free -h`命令可以查看更清晰的内存分布。执行命令后，你会看到类似这样的输出：
```
total used free shared buff/cache available
Mem: 7.6G 3.2G 1.1G 245M 3.3G 3.9G
Swap: 2.0G 0.0B 2.0G
```
- **total**：物理内存总量
- **used**：已使用的内存（包含buff/cache）
- **free**：完全未被使用的内存
- **buff/cache**：系统用于缓存和缓冲的内存，这部分在应用程序需要时可以自动释放，因此不算真正的“已用”
- **available**：真正可用的内存（包括free和可回收的buff/cache）。这个数值才是判断内存是否充足的关键。如果available长期低于总内存的10%，说明内存紧张。
当发现内存不足时，执行`ps aux --sort=-%mem | head -20`可以列出内存占用前20的进程。重点关注那些占用超过10%的进程，判断是否为异常程序（比如挖矿病毒、内存泄漏的Java应用）。对于可疑进程，使用`kill -9 PID`强制终止，但需确认该进程不是关键服务。
### 3. 使用htop获得更直观的交互式监控
如果觉得top界面不够友好，可以安装并使用htop。执行`htop`命令后，你会看到彩色进度条和更清晰的布局。顶部有CPU、内存、Swap的条形图，下方进程列表支持鼠标点击操作。常用快捷键：
- **F6**：选择排序方式（按CPU、内存、PID等）
- **F9**：杀死选中的进程
- **F10**：退出
- **箭头键**：上下移动选中进程
htop特别适合需要长时间观察的场景，因为它支持横向滚动查看进程的完整命令行参数。如果某个进程的CPU占用率持续在100%附近波动，且进程名看起来像随机字符串（如`xmr`、`minerd`、`systemd-logind`等），极有可能是挖矿病毒。此时应立刻记录PID，然后使用`ls -l /proc/PID/exe`查看该进程对应的可执行文件路径，再通过`kill -9 PID`终止进程，最后删除对应文件并检查定时任务（`crontab -l`）是否有异常条目。
### 4. 结合vmstat和iostat定位磁盘I/O瓶颈
当CPU的`wa`值偏高时，需要检查磁盘性能。执行`vmstat 1 5`（每1秒输出一次，共5次），重点关注以下列：
- **r**：等待CPU运行的进程数。如果该值持续大于CPU核心数，说明CPU繁忙。
- **b**：处于不可中断睡眠状态的进程数（通常是在等待I/O）。如果该值长期大于0，说明磁盘I/O存在阻塞。
- **si、so**：从磁盘交换到内存（si）和从内存交换到磁盘（so）的数据量。如果这两个数值持续不为0，说明物理内存不足，正在大量使用交换分区。
进一步使用`iostat -x 1 3`查看每个磁盘的详细性能。关注以下指标：
- **%util**：磁盘处理I/O请求的忙碌百分比。如果该值接近100%，说明磁盘已达到性能上限，需要升级SSD或增加磁盘数量。
- **r/s、w/s**：每秒读/写请求次数。
- **rMB/s、wMB/s**：每秒读/写的数据量。对比磁盘的理论最大吞吐量（机械硬盘约100-200MB/s，SATA SSD约500MB/s，NVMe SSD约3000MB/s），判断是否达到瓶颈。
如果发现某个磁盘的%util持续100%，但数据量并不大（比如rMB/s只有几MB），说明存在大量小文件随机读写，常见于数据库或日志服务。此时可以尝试优化应用（如调整MySQL的innodb_io_capacity参数）或更换更高随机读写性能的磁盘。
### 5. 使用netstat或ss排查网络连接导致的资源占用
高CPU或内存有时并非由计算或存储引起，而是网络连接数过多。执行`ss -s`查看当前服务器的网络连接统计：
```
Total: 1234 (kernel 0)
TCP: 567 (estab 345, closed 0, orphaned 0, synrecv 0, timewait 123)
```
重点关注**estab**（已建立连接数）和**timewait**（等待关闭的连接数）。如果timewait数量超过1000，说明存在大量短连接未及时回收，可能导致端口耗尽。执行`ss -tan | grep TIME-WAIT | wc -l`可以精确统计TIME-WAIT数量。
如果发现某个端口（比如80或443）的连接数异常高，使用`ss -tan | grep :80 | awk '{print $6}' | cut -d: -f1 | sort | uniq -c | sort -nr | head -10`可以查看连接该端口的TOP10 IP地址。如果某个IP的连接数超过正常范围（比如单个IP超过100个连接），可能是被恶意攻击或爬虫过度抓取。此时可以在防火墙中临时屏蔽该IP：`iptables -A INPUT -s 该IP地址 -j DROP`（CentOS）或`ufw deny from 该IP地址`（Ubuntu）。
## 常见问题
**问题1：执行top或htop时，显示“command not found”**
原因：系统未安装该工具。对于top，几乎所有Linux发行版都预装，如果确实没有，执行`yum install procps-ng -y`（CentOS）或`apt install procps -y`（Ubuntu）。对于htop，按照前置准备中的安装命令操作即可。
**问题2：使用free -h发现available内存很少，但top显示used不高**
原因：buff/cache占用了大量内存，但系统认为这部分可以回收。执行`sync && echo 3 > /proc/sys/vm/drop_caches`可以手动清理缓存（需要root权限）。注意：这会清除文件系统缓存，可能导致后续磁盘读取变慢，但不会影响正在运行的进程。如果清理后available恢复正常，说明内存压力不大；如果清理后available仍然很低，说明物理内存确实不足。
**问题3：vmstat显示b列（等待I/O的进程）持续大于0，但iostat显示磁盘%util不高**
原因：可能是磁盘控制器或驱动问题，也可能是文件系统元数据操作导致。执行`strace -p 等待I/O的进程PID`可以跟踪该进程的系统调用，查看具体卡在哪个操作上。另外检查磁盘健康状态：`smartctl -a /dev/sda`（需要安装smartmontools），查看Reallocated_Sector_Ct（重映射扇区数）和Current_Pending_Sector（待处理扇区数），如果这两个数值不为0，说明磁盘存在物理坏道，需要尽快更换。
**问题4：使用kill -9终止高占用进程后，CPU或内存没有立即下降**
原因：进程可能已经变成僵尸进程（Z状态）。执行`ps aux | grep Z`查看是否有状态为Z的进程。僵尸进程无法被杀死，需要杀死其父进程才能清理。使用`ps -o ppid= -p 僵尸进程PID`找到父进程PID，然后`kill -9 父进程PID`。如果父进程是init（PID为1），则无法直接杀死，需要重启服务器。
**问题5：服务器负载突然飙升，但top中没有任何进程占用高CPU**
原因：可能是内核线程或硬件中断导致。执行`top -d 1`然后按`1`键查看每个CPU核心的使用率，如果某个核心的si（软中断）或hi（硬中断）占比很高，说明有大量网络数据包或硬件中断在消耗CPU。执行`cat /proc/interrupts`查看中断分布，如果某个中断号（如eth0的TX/RX）计数增长极快，说明网卡驱动或网络流量异常。可以尝试调整网卡队列：`ethtool -L eth0 combined 1`（将多队列合并为单队列，临时缓解）。
## 收尾总结
通过以上五个步骤，你已经掌握了从CPU、内存、磁盘I/O到网络连接的全方位排查方法。每次遇到服务器性能问题，建议按照以下顺序操作：先用`top`和`free -h`快速判断是CPU还是内存紧张，接着用`vmstat`和`iostat`定位是否由磁盘I/O引起，最后用`ss`检查网络连接。如果发现异常进程，立刻记录PID并追踪其来源。养成定期使用`htop`观察系统负载的习惯，在问题发生前就能发现苗头。记住，排查性能问题的核心是“数据驱动”——不要凭感觉猜测，而是让每个命令输出的数字告诉你真相。