Iowait的成因、对系统影响及对策

什么是iowait？

顾名思义，就是系统因为io导致的进程wait。再深一点讲就是：这时候系统在做io，导致没有进程在干活，cpu在执行idle进程空转，所以说iowait的产生要满足两个条件，一是进程在等io，二是等io时没有进程可运行。

Iowait是如何计算的？

先说说用户如何看到iowait吧

我们通常用vmstat就能看到iowat，图中的wa就是（标红）




这个数据是vmstat经过计算文件/proc/stat中的数据获得，所以说大家看到的是能够大概反应一个系统iowait水平的数据表象。关于/proc/stat中的数据都代表了什么意思，大家自己google吧，不再赘述。

那/proc/stat文件中的这些数据是从哪来的呢？

Kernel中有个proc_misc.c文件会专门输出这些数据，这个文件对应的函数是show_stat

部分代码：

for_each_possible_cpu(i) {
int j;

user = cputime64_add(user, kstat_cpu(i).cpustat.user);
nice = cputime64_add(nice, kstat_cpu(i).cpustat.nice);
system = cputime64_add(system, kstat_cpu(i).cpustat.system);
idle = cputime64_add(idle, kstat_cpu(i).cpustat.idle);
iowait = cputime64_add(iowait, kstat_cpu(i).cpustat.iowait);
irq = cputime64_add(irq, kstat_cpu(i).cpustat.irq);
softirq = cputime64_add(softirq, kstat_cpu(i).cpustat.softirq);
steal = cputime64_add(steal, kstat_cpu(i).cpustat.steal);
for (j = 0 ; j < NR_IRQS ; j++)
sum += kstat_cpu(i).irqs[j];
}
….
seq_printf(p,
"\nctxt %llu\n"
"btime %lu\n"
"processes %lu\n"
"procs_running %lu\n"
"procs_blocked %lu\n",
nr_context_switches(),
(unsigned long)jif,
total_forks,
nr_running(),
nr_iowait());
…

这部分代码会输出你在/proc/stat中看到的数据，通过代码我们得知iowait来自

iowait = cputime64_add(iowait, kstat_cpu(i).cpustat.iowait);

那么 cpustat.iowait是谁来修改的呢？

我们找到了这个函数account_system_time

void account_system_time(struct task_struct *p, int hardirq_offset,
cputime_t cputime)
{
struct cpu_usage_stat *cpustat = &kstat_this_cpu.cpustat;
struct rq *rq = this_rq();//在smp环境下获取当前的run queue
cputime64_t tmp;

p->stime = cputime_add(p->stime, cputime);

/* Add system time to cpustat. */
tmp = cputime_to_cputime64(cputime);
if (hardirq_count() - hardirq_offset)//在做硬中断
cpustat->irq = cputime64_add(cpustat->irq, tmp);
else if (softirq_count())//在做软中断
cpustat->softirq = cputime64_add(cpustat->softirq, tmp);
else if (p != rq->idle)//程序在正常运行，非idle
cpustat->system = cputime64_add(cpustat->system, tmp);
else if (atomic_read(&rq->nr_iowait) > 0)//既不做中断，而且在idle，那么就是iowait
cpustat->iowait = cputime64_add(cpustat->iowait, tmp);
else
cpustat->idle = cputime64_add(cpustat->idle, tmp);
/* Account for system time used */
acct_update_integrals(p);
}

我们可以看出，当某个cpu产生iowait时，那么这个cpu上肯定有进程在进行io，并且在等待io完成（rq->nr_iowait>0），并且这个cpu上没有进程可运行（p == rq->idle），cpu在idle。

谁在产生iowait？

那么是谁修改了rq->nr_iowait呢？

重点终于来了，呵呵。

void __sched io_schedule(void)
{
struct rq *rq = &__raw_get_cpu_var(runqueues);

delayacct_blkio_start();
atomic_inc(&rq->nr_iowait);
schedule();
atomic_dec(&rq->nr_iowait);
delayacct_blkio_end();
}

long __sched io_schedule_timeout(long timeout)
{
struct rq *rq = &__raw_get_cpu_var(runqueues);
long ret;

delayacct_blkio_start();
atomic_inc(&rq->nr_iowait);
ret = schedule_timeout(timeout);
atomic_dec(&rq->nr_iowait);
delayacct_blkio_end();
return ret;
}

所以产生iowait的根源被我们找到了，就是函数io_schedule, io_schedule_timeout，顾名思义，这两个函数是用来做进程切换的，而且切换的原因是有io。只不过io_schedule_timeout还给出了一个sleep的时间，也就是timeout。

systemtap来跟一下到底是谁在什么时候调用了这两个函数？

在这里我们以引擎为例子，trace进程searcher_server

Stap脚本Block.stp:（只截取了部分程序）

probe io_schedule = kernel.function("io_schedule"){
#if(tid() == target_pid){
if(isinstr(execname(),"searcher_server")){
stat[execname(), tid(), probefunc()]++;
count++;
printf("trace time:%s\n", ctime(gettimeofday_s()));
print_stack(backtrace());
}
}

probe io_schedule_timeout = kernel.function("io_schedule_timeout"){
#if(tid() == target_pid){
if(isinstr(execname(),"searcher_server")){
stat[execname(), tid(), probefunc()]++;
count++;
printf("trace time:%s\n", ctime(gettimeofday_s()));
print_stack(backtrace());
}
}

probe io_schedule, io_schedule_timeout{
}

probe begin{
printf("begin %s\n", ctime(gettimeofday_s()));

if($# == 2){
if(@1 == "pid")
target_pid = strtol(@2, 10)
if(@1 == "name")
target_name = @2
printf("pid:%d name:%s\n", target_pid, target_name);
}else{
printf("arguments error\n");
exit();
}
}

probe end{
printf("end %s\n", ctime(gettimeofday_s()));
}

probe timer.ms(1000){
printf("%s running...\n", ctime(gettimeofday_s()));
foreach([proc, tid, func] in stat- limit 100){
printf("%s:%d=>%s %d\n", proc, tid, func, stat[proc,tid,func]);
}
delete stat;

printf("%s average schedule times:%d\n", ctime(gettimeofday_s()), count);
count = 0;
}

程序的大意就是在1S内，统计哪个进程分别调用了多少次这两个函数。并且把调用时的堆栈print出来，这样能更清楚地看到到底是哪个系统调用跑到了这个地方。

在最正常的状态下，跑一下机器：

此时新 引擎 searcher QPS有1500+，cpu busy有88%，iowait几乎为0，内存在mmap时全部用MAP_LOCKED被锁在内存中

sudo stap block.stp pid 5739 -DMAXSKIPPED=1000000
Fri Jul  6 05:57:21 2012 average schedule times:0
Fri Jul  6 05:57:22 2012 running...
Fri Jul  6 05:57:22 2012 average schedule times:0
Fri Jul  6 05:57:23 2012 running...
Fri Jul  6 05:57:23 2012 average schedule times:0
Fri Jul  6 05:57:24 2012 running...
Fri Jul  6 05:57:24 2012 average schedule times:0
Fri Jul  6 05:57:25 2012 running...
Fri Jul  6 05:57:25 2012 average schedule times:0
…

跑了一会发现并没有调用到io schedule，这也符合我们的预期。

我们再一边跑dd一边stap抓取

sudo stap block.stp pid 5739 -DMAXSKIPPED=1000000 > directdd

起两个dd进程，写10G的数据，不走page cache，direct写

dd if=/dev/zero of=a count=20000000 oflag=direct

dd if=/dev/zero of=b count=20000000 oflag=direct

一共写20G

Searcher表现：

Cpu busy & iowait




Latency：




可以看出direct dd产生的iowait极小，最高才1.4左右，但是对searcher却也造成了不小的影响，通过vmstat的结果来看，当执行dd之后进程上下文切换从2W+飙到了8W+，被block的searcher线程为个位数。




被block的线程堆栈：

写log

trace time:Fri Jul  6 06:46:23 2012
xffffffff8006377c : io_schedule+0x1/0x67 [kernel]
xffffffff800153e7 : sync_buffer+0x3b/0x3f [kernel]
xffffffff800639e6 : __wait_on_bit+0x40/0x6e [kernel]
xffffffff80063a80 : out_of_line_wait_on_bit+0x6c/0x78 [kernel]
xffffffff8003a9d3 : sync_dirty_buffer+0x96/0xcb [kernel]
xffffffff8000fd42 : generic_file_buffered_write+0x1cc/0x675 [kernel]
x00000ffffffff800

trace time:Fri Jul  6 06:46:23 2012
xffffffff8006377c : io_schedule+0x1/0x67 [kernel]
xffffffff80028a90 : get_request_wait+0xd8/0x11f [kernel]
xffffffff8000bfff : __make_request+0x33d/0x401 [kernel]
xffffffff8001c049 : generic_make_request+0x211/0x228 [kernel]
xffffffff80033472 : submit_bio+0xe4/0xeb [kernel]
xffffffff8001a793 : submit_bh+0xf1/0x111 [kernel]
x00000ffffffff800

被block的频率

grep -E 'run|ks_searcher' directdd | more
searcher_server:21001=>io_schedule 1
searcher_server:20813=>io_schedule 1
Fri Jul  6 06:46:20 2012 running...
Fri Jul  6 06:46:21 2012 running...
Fri Jul  6 06:46:22 2012 running...
Fri Jul  6 06:46:23 2012 running...
Fri Jul  6 06:46:24 2012 running...
searcher_server:20813=>io_schedule 2
searcher_server:21014=>io_schedule 1
Fri Jul  6 06:46:25 2012 running...
Fri Jul  6 06:46:26 2012 running...
Fri Jul  6 06:46:27 2012 running...
Fri Jul  6 06:46:28 2012 running...
Fri Jul  6 06:46:29 2012 running...

经stap追查发现，切换次数的增加都是由于direct dd导致的：

由于是direct写，所以每写一次都要做io schedule

xffffffff80062391 : schedule+0x1/0xcd4 [kernel]
xffffffff800637ba : io_schedule+0x3f/0x67 [kernel]
xffffffff800f281b : __blockdev_direct_IO+0x8bc/0xa35 [kernel]
xffffffff800c4c91 : generic_file_direct_IO+0xff/0x119 [kernel]
xffffffff8001edd1 : generic_file_direct_write+0x60/0xf2 [kernel]
xffffffff8001646e : __generic_file_aio_write_nolock+0x2b8/0x3b6 [kernel]

小结：

Searcher latency上升和searcher相对温和的io schedule、进程切换都有关系，但是这时的主因应该是进程切换，进程切换还会造成频繁的进程迁移，TLB flush ，Cache pollution。

再做一次新的实验，把dd的direct flag去掉，让page cache生效

Searcher的运行环境和运行压力和上同

Searcher表现：

Cpu busy & iowait：




Latency：




可以看出带page cache的dd对searcher影响更大，我们先看一下vmstat抓取到的数据




平均被block的线程数据很多，甚至在某个时刻可以运行的线程数量为0

searcher被block时的堆栈：

block layer写请求

trace time:Fri Jul  6 07:13:45 2012
xffffffff8006377c : io_schedule+0x1/0x67 [kernel]
xffffffff80028a90 : get_request_wait+0xd8/0x11f [kernel]
xffffffff8000bfff : __make_request+0x33d/0x401 [kernel]
xffffffff8001c049 : generic_make_request+0x211/0x228 [kernel]
xffffffff80033472 : submit_bio+0xe4/0xeb [kernel]
xffffffff8001a793 : submit_bh+0xf1/0x111 [kernel]
x00000ffffffff800

Sync buffer

trace time:Fri Jul  6 07:13:46 2012
xffffffff8006377c : io_schedule+0x1/0x67 [kernel]
xffffffff800153e7 : sync_buffer+0x3b/0x3f [kernel]
xffffffff800639e6 : __wait_on_bit+0x40/0x6e [kernel]
xffffffff80063a80 : out_of_line_wait_on_bit+0x6c/0x78 [kernel]
xffffffff8003a9d3 : sync_dirty_buffer+0x96/0xcb [kernel]
xffffffff8001cdc3 : mpage_writepages+0x1bf/0x37e [kernel]
x00000ffffffff800

此时的dirty ratio已大于40%，需要做blk_congestion_wait，这个可以算是最严厉的惩罚了。。

trace time:Fri Jul  6 07:13:48 2012
xffffffff800631bb : io_schedule_timeout+0x1/0x79 [kernel]
xffffffff8003b426 : blk_congestion_wait+0x67/0x81 [kernel]
xffffffff800c7e68 : balance_dirty_pages_ratelimited_nr+0x17d/0x1fa [kernel]
xffffffff8000fd81 : generic_file_buffered_write+0x20b/0x675 [kernel]
xffffffff8001651f : __generic_file_aio_write_nolock+0x369/0x3b6 [kernel]
xffffffff8002157b : generic_file_aio_write+0x65/0xc1 [kernel]
x00000ffffffff800

Searcher用到的某些页被刷出去，需要sync page read

trace time:Fri Jul  6 07:13:49 2012
xffffffff8006377c : io_schedule+0x1/0x67 [kernel]
xffffffff80028936 : sync_page+0x3e/0x43 [kernel]
xffffffff800638fe : __wait_on_bit_lock+0x36/0x66 [kernel]
xffffffff8003fbad : __lock_page+0x5e/0x64 [kernel]
xffffffff800139f8 : find_lock_page+0x69/0xa2 [kernel]
xffffffff800c45a5 : grab_cache_page_write_begin+0x2c/0x89 [kernel]
x00000ffffffff800

被block的频率：

searcher_server:21010=>io_schedule 3
searcher_server:21003=>io_schedule 1
Fri Jul  6 07:14:39 2012 running...
searcher_server:21010=>io_schedule 7
Fri Jul  6 07:14:40 2012 running...
searcher_server:21008=>io_schedule 1
Fri Jul  6 07:14:41 2012 running...
Fri Jul  6 07:14:42 2012 running...
searcher_server:21004=>io_schedule 1
Fri Jul  6 07:14:43 2012 running...
searcher_server:21014=>io_schedule 11
searcher_server:21015=>io_schedule 1
searcher_server:21008=>io_schedule 1
Fri Jul  6 07:14:44 2012 running...
Fri Jul  6 07:14:45 2012 running...
Fri Jul  6 07:14:46 2012 running...
searcher_server:21003=>io_schedule 2
Fri Jul  6 07:14:47 2012 running...
Fri Jul  6 07:14:48 2012 running...
Fri Jul  6 07:14:49 2012 running...

小结：

当带page cahce进行dd时，很容易就能达到10%的background dirty ratio和40%的dirty ratio，达到40%的时候buffered write就变成了sync write。经stap trace发现每次blk_congestion_wait都要耗时100ms左右，也就是说一个线程要被block 100ms，很致命。

为了减少io的影响，我们把log给禁掉

再做一次实验

Searcher表现：

Cpu busy & iowait




Latency：




把写log关掉之后竟然还有iowait，是谁造成的呢？

Searcher被block时的堆栈:

trace time:Fri Jul  6 02:08:28 2012
xffffffff8006377c : io_schedule+0x1/0x67 [kernel]
xffffffff80028936 : sync_page+0x3e/0x43 [kernel]
xffffffff800638fe : __wait_on_bit_lock+0x36/0x66 [kernel]
xffffffff8003fbad : __lock_page+0x5e/0x64 [kernel]
xffffffff80013881 : filemap_nopage+0x268/0x360 [kernel]
xffffffff8000898c : __handle_mm_fault+0x1fa/0xf99 [kernel]
x00000ffffffff800

我们的内存都被mlock了，竟然还有sync page，为啥呢？

用blktrace和debugfs追了一下，发现竟然是一个算法数据的问题

/path/of/data

原来是这个文件的数据被dd给刷出去了，导致还要重新read到内存

然后写了个程序把这个数据也lock到内存中

./lock /path/of/data

Lock数据再重新跑dd with page cache

Searcher 表现：

Cpu busy & iowait：




Latency：




可以看到，iowait水平又降低了不少，那么此时此刻，谁还在制造iowait呢？

Searcher被block时的堆栈：

trace time:Fri Jul  6 03:45:04 2012
xffffffff800631bb : io_schedule_timeout+0x1/0x79 [kernel]
xffffffff8003b426 : blk_congestion_wait+0x67/0x81 [kernel]
xffffffff800ca438 : try_to_free_pages+0x252/0x2d7 [kernel]
xffffffff8000f40d : __alloc_pages+0x1cb/0x2ce [kernel]
xffffffff80008e62 : __handle_mm_fault+0x6d0/0xf99 [kernel]
xffffffff80066b25 : do_page_fault+0x4cb/0x830 [kernel]

trace time:Fri Jul  6 03:45:04 2012
xffffffff800631bb : io_schedule_timeout+0x1/0x79 [kernel]
xffffffff8003b426 : blk_congestion_wait+0x67/0x81 [kernel]
xffffffff800ca438 : try_to_free_pages+0x252/0x2d7 [kernel]
xffffffff8000f40d : __alloc_pages+0x1cb/0x2ce [kernel]
xffffffff8002600b : tcp_sendmsg+0x567/0xb0e [kernel]
xffffffff80037c60 : do_sock_write+0xc6/0x102 [kernel]

原来是内存很少了，导致申请内存时要走到try_to_free_pages（平时极少走到），走到这一步说明系统内存已经少的可怜。但是没办法，谁让searcher还要去malloc呢，这些malloc来自两部分：1，mempool申请的内存，其实这个是完全可以抹掉的 2，算法so中STL部分用到的内存。

小结：

关掉log，将数据都lock在内存中，降低了iowait的水平，但是要让searcher不受影响，还要做更多的工作，比如不申请内存。

如何消除searcher（或应用系统）的iowait？

1， 没有io

不写log，或者把写log的事情交给一个专门线程来做，searcher不做buffered write；不做disk read，尤其是sync page这类操作。

2， 全内存且不申请内存

用到的数据read once，全内存且lock住；把mempool做到完美，起码做到99%的case不做内存申请。

3， 尽量减少其他应用的io影响

其实就是能将dd的负面影响降到最少，如用cgroup；在scp多个大文件的时候，在传输过程中及时清理每个大文件的page cache，将系统的dirty ratio维持在10%以下，尤其是不能达到40%。

工具连接：
Systemtap

Blktrace+Blkparse+Debugfs 结合使用，会找到每次io对应的磁盘块所属inode，还可以查看块内容