iostat (I/O Statistics) 是 **sysstat** 套件核心工具,專注於**區塊裝置層**的 I/O 效能統計。不同於 vmstat 的系統級概覽,iostat 能精確到**每個磁碟/分區/多路徑裝置**的吞吐、延遲、佇列長度、服務時間,是儲存效能調優、容量規劃、故障排查的黃金標準。本文深度解析 -x 延伸統計、-p 分區、-N LVM/MD、-t 時間戳、單位切換與關鍵指標判讀邏輯。
iostat 無參數) vs 延伸輸出 (iostat -x)# 基礎 (預設顯示啟動以來平均)
$ iostat
Linux 5.15.0 (server01) 2024-06-15 _x86_64_ (8 CPU)
avg-cpu: %user %nice %system %iowait %steal %idle
8.30 0.02 5.07 0.17 0.00 86.44
Device tps kB_read/s kB_wrtn/s kB_read kB_wrtn
sda 22.73 21.85 243.71 337017916 3758984340
sda1 0.00 0.00 0.00 1329 268
...
# 延伸統計 (關鍵!) -xmt 1 (每秒、毫秒、MB單位、時間戳)
$ iostat -xmt 1
avg-cpu: %user %nice %system %iowait %steal %idle
8.88 0.00 7.94 0.19 0.00 83.00
Device: rrqm/s wrqm/s r/s w/s rMB/s wMB/s avgrq-sz avgqu-sz await r_await w_await svctm %util
sda 0.00 0.00 0.00 6.00 0.00 0.12 41.33 0.01 1.50 0.00 1.50 1.50 0.90
...
| 欄位 | 單位 | 含義 | 異常判讀 |
|---|---|---|---|
rrqm/s | /s | 每秒合併的讀請求數 (合併相鄰扇區) | 高 = 循序讀佳;低 = 隨機讀 |
wrqm/s | /s | 每秒合併的寫請求數 | 高 = 寫入合併好 (日誌/資料庫) |
r/s | /s | 每秒完成讀 I/O 請求數 (IOPS 讀) | 接近裝置極限 = 讀壓力大 |
w/s | /s | 每秒完成寫 I/O 請求數 (IOPS 寫) | 同左 |
rMB/s | MB/s | 每秒讀取吞吐量 | 接近頻寬上限 = 讀帶寬滿 |
wMB/s | MB/s | 每秒寫入吞吐量 | 同左 |
avgrq-sz | 扇區 | 平均請求大小 (扇區=512B) = (rMB/s+wMB/s)*2048/(r/s+w/s) | 大 = 循序;小 = 隨機 (4KB=8 扇區) |
| avgqu-sz | 請求數 | **平均 I/O 佇列長度** (含正在服務 + 等待) | > 1 持續 = 佇列擁塞;> 10 嚴重 |
| await | ms | **平均 I/O 完成延遲** (含佇列等待 + 服務時間) | HDD < 20ms, SSD < 5ms, NVMe < 1ms;遠大於 svctm = 排隊久 |
r_await | ms | 平均讀延遲 | 區分讀寫熱點 |
w_await | ms | 平均寫延遲 | 同左 |
| svctm | ms | **平均服務時間** (裝置實際處理時間,不含佇列) | 接近裝置規格值;突增 = 裝置內部擁塞/GC/重建 |
| %util | % | **裝置忙碌百分比** (有 I/O 處理的時間佔比) | 接近 100% = 裝置飽和 (但 SSD/NVMe 並行度高,%util 100% 不代表極限) |
核心判讀邏輯:
await ≈ svctm→ 佇列無排隊,裝置應對自如
await ≫ svctm→ 佇列排隊嚴重,**需優化** (增加佇列深度、調整 I/O scheduler、升級裝置、分流負載)
%util ≈ 100% && avgqu-sz > 1→ **裝置飽和** (HDD 明確;SSD/NVMe 參考佇列深度)
-p 或 -p ALL:分區級統計iostat -xmtp 1 sda
# 顯示 sda1, sda2... 各分區統計,定位哪個分區在跑 I/O
-N:LVM/MD/Raid 裝置名稱顯示iostat -xmtN 1
# Device 顯示 dm-0, md0 等;配合 lsblk 對應邏輯卷
-j ID:依 ID 顯示 (by-id/by-path/by-uuid)iostat -xmt -j ID 1
# 避免 sda/sdb 順序漂移導致監控錯位
-z:忽略完全閒置裝置iostat -xmtz 1 # 只顯示有活動的裝置,適合大量磁碟陣列
-h / -k / -m / -g:單位切換-h:人類可讀 (KB/MB/GB 自動)-k:KB (預設)-m:MB-g:GB (大容量陣列)| 介質 | 隨機 4K IOPS | 循序吞吐 | 典型 svctm | %util 100% 含義 |
|---|---|---|---|---|
| HDD 7.2K | 80-120 | 150-200 MB/s | 8-12 ms | 真飽和 |
| HDD 15K | 180-220 | 250-300 MB/s | 4-6 ms | 真飽和 |
| SATA SSD | 80K-100K | 500-560 MB/s | 0.1-0.3 ms | 單佇列飽和 (需多佇列) |
| NVMe SSD | 300K-1M+ | 3-7 GB/s | 0.02-0.1 ms | 單佇列飽和 (需多佇列 + CPU 核心綁定) |
# 查看目前 scheduler
cat /sys/block/sda/queue/scheduler
# [mq-deadline] kyber bfq none (現代多佇列裝置預設 mq-deadline)
# SSD/NVMe 建議:none (無調度器,直接下發硬體佇列) 或 mq-deadline
echo none > /sys/block/nvme0n1/queue/scheduler
# HDD 建議:mq-deadline / bfq (桌面/互動)
echo mq-deadline > /sys/block/sda/queue/scheduler
# 調整佇列深度 (NVMe 預設 1024-4096,HDD 128)
echo 2048 > /sys/block/nvme0n1/queue/nr_requests
# 讀寫合併
echo 1 > /sys/block/sda/queue/nomerges # 關閉合併 (測試用)
# 現象:iostat -xmt 1 顯示 sda await=150ms, svctm=2ms, avgqu-sz=75, %util=95%
# 分析:await ≫ svctm,佇列極長,裝置飽和
# 對策:
# 1. 檢查是否有大量全表掃描/備份/備份競爭
# 2. 將資料檔/日誌檔/TempDB 分離到不同物理裝置
# 3. 升級 NVMe、增加快取層 (Redis)、啟用資料庫壓縮
# 4. 調整 deadline scheduler: read_expire=100, write_expire=500
# 現象:宿主機 iostat 正常,但容器內應用感覺慢
# 原因:cgroup I/O 限制 (blkio.weight / blkio.throttle.read_bps_device)
# 排查:
cat /sys/fs/cgroup/blkio/docker//blkio.throttle.read_bps_device
# 解除限制或調大配額
# 現象:iostat 顯示本地裝置 await 低,但應用 ls/read 慢
# 原因:網路/NFS Server 端瓶頸
# 排查:nfsstat -c (客戶端 RPC 統計)、tcpdump 分析 NFS 回應延遲
# 解決:增加 rsize/wsize=1048576、啟用 nconnect、Server 端加快取/SSD
#!/bin/bash
iostat -xmt 1 2 | tail -n +4 | awk -v host=$(hostname) '
/^[a-z]/ {
print "iostat_rrqm{device=\""$1"\",host=\""host"\"} " $2
print "iostat_wrqm{device=\""$1"\",host=\""host"\"} " $3
print "iostat_r_s{device=\""$1"\",host=\""host"\"} " $4
print "iostat_w_s{device=\""$1"\",host=\""host"\"} " $5
print "iostat_rMB_s{device=\""$1"\",host=\""host"\"} " $6
print "iostat_wMB_s{device=\""$1"\",host=\""host"\"} " $7
print "iostat_avgrq_sz{device=\""$1"\",host=\""host"\"} " $8
print "iostat_avgqu_sz{device=\""$1"\",host=\""host"\"} " $9
print "iostat_await{device=\""$1"\",host=\""host"\"} " $10
print "iostat_r_await{device=\""$1"\",host=\""host"\"} " $11
print "iostat_w_await{device=\""$1"\",host=\""host"\"} " $12
print "iostat_svctm{device=\""$1"\",host=\""host"\"} " $13
print "iostat_util{device=\""$1"\",host=\""host"\"} " $14
}' | curl --data-binary @- https://pushgateway:9091/metrics/job/iostat/instance/$(hostname)
掌握 await vs svctm、avgqu-sz、%util 三大黃金指標的判讀邏輯,配合 iostat -xmt 持續觀測,即可在儲存效能問題發生的**第一時間**精準定位瓶頸層級並制定對策。