从"top“ps -o pcpu消失的导致负载的进程显示虚假的数字。

Question

我管理大量的服务器，只有Ubuntu10.04LTS有这个问题:我在正常负载下运行一个服务器(比如8核服务器上的平均负载3.0 )。"top“命令显示的进程占用了导致这个平均负载的某些CPU的百分比：

PID USER      PR  NI  VIRT  RES  SHR S %CPU %MEM    TIME+  COMMAND
11008 mysql     20   0 25.9g  22g 5496 S   67 76.0 643539:38 mysqld  

ps -o pcpu,pid -p11008
%CPU   PID
53.1 11008

一切都是一致的。

突然之间，导致负载平均的进程从"top“中消失，但该进程继续正常运行(尽管性能略有下降)，并且系统平均负载变得更高。ps -o pcpu的输出变成假的：

# ps -o pcpu,pid -p11008
%CPU      PID
317910278 1587

这至少发生在5个不同的服务器(不同的全新IBM System硬件)上，每个服务器运行不同的软件:一个httpd 2.2、一个mysqld 5.1和一个Twisted Python服务器。每次内核在2.6.32-32服务器和2.6.32-40服务器之间.我将一些机器更新为2.6.32-41-server，这些机器上还没有出现这种情况，但是这种错误很少见(大约每60天一次)。

这是来自受影响的机器：

top - 10:39:06 up 73 days, 17:57,  3 users,  load average: 6.62, 5.60, 5.34
Tasks: 207 total,   2 running, 205 sleeping,   0 stopped,   0 zombie
Cpu(s): 11.4%us, 18.0%sy,  0.0%ni, 66.3%id,  4.3%wa,  0.0%hi,  0.0%si,  0.0%st
Mem:  74341464k total, 71985004k used,  2356460k free,   236456k buffers
Swap:  3906552k total,      328k used,  3906224k free, 24838212k cached

PID USER      PR  NI  VIRT  RES  SHR S %CPU %MEM    TIME+  COMMAND                                                                
805 root      20   0     0    0    0 S    3  0.0   1493:09 fct0-worker                                                            
982 root      20   0     0    0    0 S    1  0.0 111:35.05 fioa-data-groom                                                        
914 root      20   0     0    0    0 S    0  0.0 884:42.71 fct1-worker                                                            
1068 root      20   0 19364 1496 1060 R    0  0.0   0:00.02 top             

导致高负载的任何东西都显示在上面，但是我有两个高度加载的mysqld实例，它们突然显示出疯狂的CPU%：

#ps -o pcpu,pid,cmd -p1587
%CPU   PID CMD
317713124 1587 /nail/encap/mysql-5.1.60/libexec/mysqld

和

#ps -o pcpu,pid,cmd -p1624
%CPU   PID CMD
2802  1624 /nail/encap/mysql-5.1.60/libexec/mysqld

以下是来自

 # cat /proc/1587/stat
 1587 (mysqld) S 1212 1088 1088 0 -1 4202752 14307313 0 162 0 85773299069     4611685932654088833 0 0 20 0 52 0 3549 27255418880 5483524 18446744073709551615 4194304 11111617 140733749236976 140733749235984 8858659 0 552967 4102 26345 18446744073709551615 0 0 17 5 0 0 0 0 0

第14和15位数字

man proc 

应该是

utime %lu   Amount of time that this process has been scheduled in user mode, measured in clock ticks  (divide  by
                      sysconf(_SC_CLK_TCK).   This  includes  guest  time, guest_time (time spent running a virtual CPU, see
                      below), so that applications that are not aware of the guest time field do not  lose  that  time  from
                      their calculations.

stime %lu   Amount of time that this process has been scheduled in kernel mode, measured in clock ticks (divide by
                      sysconf(_SC_CLK_TCK).

在普通服务器上，每次我检查/proc/PID/stat时，这些数字都在增加。在一台有缺陷的服务器上，这些数字被卡在一个像4611685932654088833这样高得离谱的值上，而且没有变化。

有人遇到过这个错误吗？

Answer 1

我想这可能是procps包中的一个bug，而不是内核。没有看到您描述的bug，但是多年来在各种发行版中都有类似的bug，是的。

如果这是关于procps的，那么Ubuntu10.04LTS是否有一个补丁可供使用？不知道，已经很长很长时间没用过了，甚至最后一次也是在遥远的星系里。