轻量应用服务器总是CPU 100%怎么办？

轻量应用服务器（https://www.aliyun.com/product/swas ）CPU 持续 100% 通常意味着系统资源被过度消耗，可能导致网站卡顿、接口超时甚至服务崩溃。处理这个问题不能只靠“重启”，需要按照**“定位进程 -> 分析原因 -> 优化解决”**的逻辑进行排查。

以下是详细的排查与解决步骤：

第一步：紧急止损与定位（快速恢复）

如果业务已经严重受影响，且你无法立即找到根因，可以先通过重启高占用进程来暂时缓解压力，但务必保留现场以便后续分析。

1. 登录服务器：通过 SSH 或云服务商提供的远程终端登录。
2. 查看实时负载：
   • 输入命令 top 或 htop（如果已安装）。
   • 按 P 键按 CPU 使用率排序，观察是哪个进程（PID）占用了最高 CPU。
   • 注意：区分是**用户态（us）还是内核态（sy）**占用高。
     • us (User) 高：通常是应用程序代码问题（如死循环、复杂计算）。
     • sy (System) 高：通常是驱动程序、内核模块或频繁的系统调用问题。

第二步：深入分析根因（根据进程类型）

根据 top 命令中找到的“罪魁祸首”进程，采取不同的分析手段：

场景 A：如果是 Java/PHP/Python 等应用进程

• Java 应用：
  1. 找到高 CPU 的线程 ID：在 top 界面按 H 切换到线程视图，再按 P 排序，找到对应 PID 下的高 CPU 线程 TID。
  2. 将 TID 转为十六进制：printf "%x\n" <TID>。
  3. 抓取堆栈信息：jstack <PID> | grep <十六进制TID> -A 50。
  4. 常见原因：死循环、频繁 Full GC（内存泄漏导致）、正则表达式回溯过深、复杂的字符串拼接。
• PHP/Python 应用：
  1. 检查是否有异常请求或爬虫大量访问。
  2. 检查代码逻辑中是否有无限循环或未优化的数据库查询。

场景 B：如果是 Nginx/Apache/Web 服务器进程

• 并发量过大：检查是否遭遇了突发流量或 DDoS 攻击。
• 配置不当：Worker 进程数设置过多，超过了 CPU 核心数，导致上下文切换开销大。
• 静态资源未缓存：大量请求打到后端动态脚本而非直接返回静态文件。

场景 C：如果是 MySQL/Redis 等数据库进程

• 慢查询 SQL：这是最常见的原因。检查数据库日志，找出执行时间长、全表扫描的 SQL 语句。
• 连接数过多：大量空闲连接或短连接频繁创建销毁。
• 索引缺失：查询条件没有命中索引。

场景 D：如果是 Systemd/Cron/未知进程

• 挖矿木马：如果发现有名称奇怪的进程（如 xmrig, kdevtmpfsi 等）占用高 CPU，极大概率是中病毒了。
• 定时任务冲突：检查 crontab，看是否有多个脚本同时运行导致资源竞争。

第三步：针对性解决方案

1. 代码/应用层优化

• 修复 Bug：针对定位到的死循环或逻辑错误进行修复。
• 添加缓存：引入 Redis 或 Memcached 缓存热点数据，减少重复计算和数据库查询。
• 异步处理：将耗时操作（如发送邮件、生成报表）放入消息队列异步执行。

2. 架构/配置层优化

• 扩容：轻量应用服务器配置较低，如果业务增长，考虑升级实例规格（增加 vCPU 和内存）。
• 负载均衡：如果单台服务器无法承受，搭建多台服务器配合负载均衡（SLB/CLB）。
• CDN 加速：将静态资源（图片、CSS、JS）托管到 CDN，减轻源站压力。
• Nginx 调优：调整 worker_processes 为 auto，开启 gzip 压缩，合理设置 keepalive。

3. 安全排查

• 查杀病毒：如果怀疑是挖矿木马，立即断网，查找并删除可疑进程和计划任务，修改密码，更新系统补丁。
• 防火墙限制：使用安全组仅开放必要端口，限制 IP 访问频率。

第四步：预防与监控

• 启用云监控：在腾讯云/阿里云控制台设置 CPU 使用率告警（如超过 80% 发送短信/邮件通知），做到早发现早处理。
• 定期巡检：定期检查日志、清理无用文件和临时文件。

总结建议

1. 不要盲目重启：重启只能暂时解决问题，无法根除隐患，且可能丢失关键调试信息。
2. 先抓现场：在重启前，尽量记录下 top 输出、相关进程的日志和状态。
3. 从简单到复杂：先检查是不是有爬虫或攻击，再检查 SQL 慢查询，最后再深入到代码级排查。

如果你能提供具体的进程名或 top 命令的输出截图，我可以给出更针对性的建议。