C1G军火库

2. iostat 结果解析

# iostat -x
Linux 2.4.21-9.30AX (localhost) 2004年07月14日

avg-cpu: ％user ％nice ％sys ％idle
3.85 0.00 0.95 95.20

Device: rrqm/s wrqm/s r/s w/s rsec/s wsec/s rkB/s wkB/s avgrq-sz avgqu-sz await svctm ％util
/dev/hda 1.70 1.70 0.82 0.82 19.88 20.22 9.94 10.11 24.50 11.83 57.81 610.76 99.96
/dev/hda1 0.00 0.00 0.00 0.00 0.01 0.00 0.00 0.00 12.92 0.00 10.77 10.77 0.00
/dev/hda5 0.02 0.00 0.00 0.00 0.03 0.00 0.02 0.00 6.60 0.00 6.44 6.04 0.00
/dev/hda6 0.01 0.38 0.05 0.03 0.43 3.25 0.21 1.62 46.90 0.15 193.96 52.25 0.41
/dev/hda7 1.66 1.33 0.76 0.79 19.41 16.97 9.70 8.49 23.44 0.79 51.13 19.79 3.07

rrqm/s: 每秒进行 merge 的读操作数目。即 delta(rmerge)/s
wrqm/s: 每秒进行 merge 的写操作数目。即 delta(wmerge)/s
r/s: 每秒完成的读 I/O 设备次数。即 delta(rio)/s
w/s: 每秒完成的写 I/O 设备次数。即 delta(wio)/s
rsec/s: 每秒读扇区数。即 delta(rsect)/s
wsec/s: 每秒写扇区数。即 delta(wsect)/s
rkB/s: 每秒读K字节数。是 rsect/s 的一半，因为每扇区大小为512字节。
wkB/s: 每秒写K字节数。是 wsect/s 的一半。
avgrq-sz: 平均每次设备I/O操作的数据大小 (扇区)。即 delta(rsect+wsect)/delta(rio+wio)
avgqu-sz: 平均I/O队列长度。即 delta(aveq)/s/1000 (因为aveq的单位为毫秒)。
await: 平均每次设备I/O操作的等待时间 (毫秒)。即 delta(ruse+wuse)/delta(rio+wio)
svctm: 平均每次设备I/O操作的服务时间 (毫秒)。即 delta(use)/delta(rio+wio)
％util: 一秒中有百分之多少的时间用于 I/O 操作，或者说一秒中有多少时间 I/O 队列是非空的。
即 delta(use)/s/1000 (因为use的单位为毫秒)

如果 ％util 接近 100％，说明产生的I/O请求太多，I/O系统已经满负荷，该磁盘
可能存在瓶颈。

svctm 一般要小于 await (因为同时等待的请求的等待时间被重复计算了)，
svctm 的大小一般和磁盘性能有关，CPU/内存的负荷也会对其有影响，请求过多
也会间接导致 svctm 的增加。await 的大小一般取决于服务时间(svctm) 以及
I/O 队列的长度和 I/O 请求的发出模式。如果 svctm 比较接近 await，说明
I/O 几乎没有等待时间；如果 await 远大于 svctm，说明 I/O 队列太长，应用
得到的响应时间变慢，如果响应时间超过了用户可以容许的范围，这时可以考虑
更换更快的磁盘，调整内核 elevator 算法，优化应用，或者升级 CPU。

队列长度(avgqu-sz)也可作为衡量系统 I/O 负荷的指标，但由于 avgqu-sz 是
按照单位时间的平均值，所以不能反映瞬间的 I/O 洪水。
3. I/O 系统 vs. 超市排队

举一个例子，我们在超市排队 checkout 时，怎么决定该去哪个交款台呢? 首当
是看排的队人数，5个人总比20人要快吧? 除了数人头，我们也常常看看前面人
购买的东西多少，如果前面有个采购了一星期食品的大妈，那么可以考虑换个队
排了。还有就是收银员的速度了，如果碰上了连钱都点不清楚的新手，那就有的
等了。另外，时机也很重要，可能 5 分钟前还人满为患的收款台，现在已是人
去楼空，这时候交款可是很爽啊，当然，前提是那过去的 5 分钟里所做的事情
比排队要有意义 (不过我还没发现什么事情比排队还无聊的)。

I/O 系统也和超市排队有很多类似之处:

r/s+w/s 类似于交款人的总数
平均队列长度(avgqu-sz)类似于单位时间里平均排队人的个数
平均服务时间(svctm)类似于收银员的收款速度
平均等待时间(await)类似于平均每人的等待时间
平均I/O数据(avgrq-sz)类似于平均每人所买的东西多少
I/O 操作率 (％util)类似于收款台前有人排队的时间比例。

我们可以根据这些数据分析出 I/O 请求的模式，以及 I/O 的速度和响应时间。
4. 一个例子

# iostat -x 1
avg-cpu: ％user ％nice ％sys ％idle
16.24 0.00 4.31 79.44
Device: rrqm/s wrqm/s r/s w/s rsec/s wsec/s rkB/s wkB/s avgrq-sz avgqu-sz await svctm ％util

/dev/cciss/c0d0
0.00 44.90 1.02 27.55 8.16 579.59 4.08 289.80 20.57 22.35 78.21 5.00 14.29
/dev/cciss/c0d0p1
0.00 44.90 1.02 27.55 8.16 579.59 4.08 289.80 20.57 22.35 78.21 5.00 14.29
/dev/cciss/c0d0p2
0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00

 

上面的 iostat 输出表明秒有 28.57 次设备 I/O 操作: delta(io)/s = r/s +
w/s = 1.02+27.55 = 28.57 (次/秒) 其中写操作占了主体 (w:r = 27:1)。

平均每次设备 I/O 操作只需要 5ms 就可以完成，但每个 I/O 请求却需要等上
78ms，为什么? 因为发出的 I/O 请求太多 (每秒钟约 29 个)，假设这些请求是
同时发出的，那么平均等待时间可以这样计算:

平均等待时间 = 单个 I/O 服务时间 * ( 1 + 2 + … + 请求总数-1) / 请求总数

应用到上面的例子: 平均等待时间 = 5ms * (1+2+…+28)/29 = 70ms，和
iostat 给出的 78ms 的平均等待时间很接近。这反过来表明 I/O 是同时发起的。

每秒发出的 I/O 请求很多 (约 29 个)，平均队列却不长 (只有 2 个 左右)，
这表明这 29 个请求的到来并不均匀，大部分时间 I/O 是空闲的。

一秒中有 14.29％ 的时间 I/O 队列中是有请求的，也就是说，85.71％ 的时间里
I/O 系统无事可做，所有 29 个 I/O 请求都在142毫秒之内处理掉了。

delta(ruse+wuse)/delta(io) = await = 78.21 => delta(ruse+wuse)/s =
78.21 * delta(io)/s = 78.21*28.57 = 2232.8，表明每秒内的I/O请求总共需
要等待2232.8ms。所以平均队列长度应为 2232.8ms/1000ms = 2.23，而 iostat
给出的平均队列长度 (avgqu-sz) 却为 22.35，为什么?! 因为 iostat 中有
bug，avgqu-sz 值应为 2.23，而不是 22.35。
以下为服务器情况

bbs(scsi 74G)
top - 17:06:00 up 61 days, 11 min,  3 users,  load average: 3.98, 3.72, 3.53
Tasks: 250 total,   3 running, 247 sleeping,   0 stopped,   0 zombie
Cpu(s): 15.4% us,  3.7% sy,  0.0% ni, 74.6% id,  6.2% wa,  0.1% hi,  0.0% si
Mem:   2073976k total,  1922724k used,   151252k free,    36372k buffers
Swap:  2040244k total,    46416k used,  1993828k free,  1007456k cached
 
avg-cpu:  %user   %nice %system %iowait  %steal   %idle
          15.17    0.00    3.65    6.21    0.00   75.02
 
Device:         rrqm/s   wrqm/s     r/s     w/s   rsec/s   wsec/s avgrq-sz avgqu-sz   await  svctm  %util
sda               0.13    55.67   12.19   30.50   215.93   690.06    21.22     0.17    3.93   5.22  22.30
search1(sata 80G)
top - 17:06:32 up 4 days,  4:31,  2 users,  load average: 1.02, 1.31, 1.19
Tasks:  86 total,   1 running,  85 sleeping,   0 stopped,   0 zombie
Cpu(s): 32.3% us,  0.9% sy,  0.0% ni, 62.2% id,  4.2% wa,  0.2% hi,  0.2% si
Mem:   2074476k total,  2060532k used,    13944k free,   260740k buffers
Swap:  4096532k total,    16264k used,  4080268k free,   159984k cached
 
avg-cpu:  %user   %nice %system %iowait  %steal   %idle
           9.00    0.00    1.62    5.80    0.00   84.02
 
Device:         rrqm/s   wrqm/s     r/s     w/s   rsec/s   wsec/s avgrq-sz avgqu-sz   await  svctm  %util
hda               0.05    35.22   18.19   12.87   189.80   384.73    18.50     5.59  179.86   7.44  23.12

search2(scsi 74G *2 )
top - 17:07:15 up 17 days, 21:34,  2 users,  load average: 2.21, 2.78, 2.82
Tasks: 155 total,   1 running, 154 sleeping,   0 stopped,   0 zombie
Cpu(s): 13.2% us,  4.7% sy,  0.0% ni, 77.7% id,  4.0% wa,  0.0% hi,  0.3% si
Mem:   2074936k total,  2003708k used,    71228k free,    74260k buffers
Swap:  2031608k total,   342032k used,  1689576k free,   197840k cached
 
avg-cpu:  %user   %nice %system %iowait  %steal   %idle
          21.67    0.00    6.25    4.39    0.00   67.94
 
Device:         rrqm/s   wrqm/s     r/s     w/s   rsec/s   wsec/s avgrq-sz avgqu-sz   await  svctm  %util
sda               0.03     6.66    1.77    2.68    86.44    75.11    36.32     0.13   29.63   4.83   2.15
sdb               0.29    69.29   29.10   13.90   340.41   665.65    23.40     0.62   14.43   4.33  18.64

www (sas 15K 146G *2 raid 1)
top - 17:07:56 up 17 days, 20:33,  1 user,  load average: 0.16, 0.27, 0.26
Tasks: 161 total,   1 running, 160 sleeping,   0 stopped,   0 zombie
Cpu(s):  1.1%us,  0.2%sy,  0.0%ni, 98.2%id,  0.4%wa,  0.0%hi,  0.1%si,  0.0%st
Mem:   8174384k total,  8113268k used,    61116k free,   277316k buffers
Swap:  8191992k total,      140k used,  8191852k free,  6900728k cached
 
avg-cpu:  %user   %nice %system %iowait  %steal   %idle
           2.00    0.00    0.79    0.22    0.00   97.09
 
Device:         rrqm/s   wrqm/s     r/s     w/s   rsec/s   wsec/s avgrq-sz avgqu-sz   await  svctm  %util
sda               0.13    31.81    0.41    8.54    19.85   322.79    38.32     0.58   64.46   2.50   2.24
dm-0              0.00     0.00    0.01    3.92     0.40    31.39     8.08     0.19   47.19   1.44   0.57
dm-1              0.00     0.00    0.46   34.35    18.40   274.76     8.42     1.14   32.63   0.53   1.85
dm-2              0.00     0.00    0.00    0.23     0.00     1.82     8.00     0.01   31.41   8.79   0.20
dm-3              0.00     0.00    0.06    0.57     1.00     4.53     8.89     0.02   35.87   3.40   0.21
dm-4              0.00     0.00    0.00    0.00     0.01     0.02     8.00     0.00   15.83   0.35   0.00
dm-5              0.00     0.00    0.00    1.28     0.04    10.27     8.00     0.16  125.45   0.08   0.01

参考:http://blog.chinaunix.net/u/27493/showart.php?id=498055

404记录

/_vti_bin/owssvr.dll		-
/MSOffice/cltreq.asp

此及IE工具栏上的”讨论”按钮产生(需ms office)

说WAP是无聊经济，一点也不为过。在使用WAP的原因分布中，“在移动状态下（如上下班途中等）使用”的比例超过了一半，选择“在无聊的时候，打发时间”的比例也超过1/3，而“在一些突发需要上网的时候只能使用WAP”的比例也超过1/4，因此可以发现WAP的移动性即不受地理条件的限制是其吸引用户最主要的方面。此外“包月资费便宜”和“对新技术比较好奇，尝试一下”的比例分别为18.5%和17.0%。

WAP是被迫使用，用户只有在特定情况下，主要是在没有电视和电脑上网等替代品的情况下才使用WAP。据调查，用户一般在以下情况使用WAP：在车上，上课时（无聊时），等车中，临睡时床上，出差途中。

很少有人主动要使用WAP。与游戏相比较，游戏有瘾，人们会去想主动玩游戏，很多人买电脑是为了玩游戏；而很少有人为了上WAP而买手机的。WAP就如同最早的黑白屏幕的286电脑一样，早期只有技术狂热性的和非用不可的人群才会使用。WAP复杂的输入操作，缓慢的速度和内容的单调性等都是限制其发展的因素。

对于数字音乐产业来说，研究WAP用户其实是研究未来音乐消费者的特征。目前是铃声业务业务，接下来是全曲下载业务。未来手机会代替MP3，就如同手机会替代寻呼机一样。这里面会有一部分人会是使用免费的音乐，但仍然有一部分人会付费下载音乐。这个时候，了解什么样的用户会在什么特定情况下会为手机音乐付费，是我们要早做准备的事情。

WAP用户的特征：

WAP用户分布很广，也会有高低用户之分，例如有大城市用户和中小城市的用户；有高端机型用户和低端机型用户；有白领用户和农民工用户。但是，WAP仍然有一个主要消费人群。一般来说，低端用户虽然收入很低，但是却为WAP业务（图铃等）付费的主要人群；高端用户（高端收入、高端机型、大型城市）虽然是WAP的浏览用户，但是他们很少会为WAP业务付费（例如付费图铃业务等）。

高端机型用户一般为白领，销售人员，还有部分大学生，这一类人群中技术发烧性用户比较多；WAP的低端机型的用户一般为务工人群，例如广东外来务工人群，他们住集体宿舍，没有电脑上网，没有电视。

WAP用户有一个共同特点是：群居；在公司和公车上，外地出差中使用WAP；其中学生和打工仔都是没有电脑和电视的宿舍中使用，一般会集中在晚上临睡前上下班的公车上（铃声下载类的操作一般不会在地铁里，因为信号不太好）使用业务。

WAP用户在以下七个方面有鲜明的特征，并且都和“无聊经济”有着关系

1、用户的地域分布

WAP主要分布在广东、北京、上海、江浙等发达省份和城市。广东最多，广东WAP 用户数约为970 万人，占到了全国WAP 用户的1/4，北京和上海的WAP用户数量分别为170 万人和130 万人。

WAP 用户的地域分布集中在我国东部经济相对比较发达的东部地区，这些地方工厂、公司、学校比较集中。但是WAP却不属于最高端人群的业务，而是这些地方的中低端人群消费的业务。以广东为例，广东WAP用户占1/4，但是WAP业务规模却占全国一半以上。这是因为广东外来务工人群居多，一般都是封闭式的工厂，工人住宿舍，WAP是这个人群特有的消遣方式，是一个专门为低收入人群服务的市场。

2、上网条件

之前说过，WAP是无聊经济，是在没有电视和电脑上网的情况下才被迫使用的。根据WAP用户的使用动机，用户通常都会在闲暇无聊的情况下浏览WAP门户网站，拥有无聊闲暇时间最大的是经常跑外的销售人员，以及公车上班一族，以及上课时无聊的学生一族。在上下班高峰，以及夜间临睡前WAP的使用比例最高。

WAP用户与互联网用户重合度也低，估计在30%以内。WAP用户不是你我这样人手一台电脑的人，很多人都是没有接触过电脑而直接成为WAP用户的。

3、性别

WAP用户中，男性占到了8成，女性仅为2成（目前有调查说女性WAP用户在增加的趋势），而传统互联网网民中男性的比例为58.3%，女性为41.7%，可以发现WAP用户男性用户的比例更高。这和WAP的主要群体的职业也有关系。例如男性对技术性更敏感，愿意探索新事物。而女性一般会选择其他消遣方式，例如与人聊天、电话以及看电视等方式。

4、年龄

WAP 用户中，年龄在18～24 岁的比例超出了一半，为51.6%，年龄在25～30 岁的比

例也超出了1/4，为27.8%，31～40 岁的比例为13.1%， 40 岁以上的比例仅有2.2%。值得

一提的是，“80 后”的用户占到所有用户的73.2%。与传统互联网网民相比，WAP用户的年龄更加年轻，也更加集中于18～30 岁年龄段。年轻人更易接受新鲜事物，对技术性产品学习和掌握也更快。

5、职业

WAP 用户中，学生和基础职业（保安、军人、工人）占大部分。其中学生的比例超过了2 成，企事业单位普通员工的比例约为1/4，企事业单位的管理人员的比例也达到了10.8%，专业技术人员的比例也达到了16.2%，农民工虽然在这里面的比例不是太大，但是农民工却是WAP付费业务消费的中坚力量。

WAP 用户中，文化程度为高中的比例最高，为35.8%，文化程度为大学本科和大专的比例则分别为27.1%和21.7%。

6、收入

WAP 用户的个人月收入在1000-2000 元的比例最高，达到了29.5%，2000-3000元的比例为16.2%，而无收入的比例达到21.1%是由于学生用户占有相当的比例。WAP用户中月

收入在3000元以下的比例达到了78.1%，月收入在3000元以上的比例仅为21.9%。

WAP中高收入的人群是白领阶层，属于技术发烧型的人群。他们无论是电脑还是手机，还是其他数码产品都比较精通。WAP中的中收入人群可能是销售人员，上网条件不太便利。

WAP用户中，每月话费消费在100元以内的占56%。这也证明WAP是为特定的低收入用户服务的业务，他们钱不多。但是有闲，并且很少有其他可替代的娱乐项目；而高收入用户一是时间比较繁忙，有钱无闲；二是有其他的可替代WAP的娱乐项目。

7、PC以及手机操作水平

很多用户都是没有接触过互联网而直接使用WAP的。WAP用户的PC操作水平分三部分人，一是技术型用户，玩家级别的；二是初级水平；三是不会上网的。除了少量技术型用户，大部分用户对PC的操作水平都不是太高。

对于手机操作水平，无论用户使用高端机型还是低端机型，无论是高收入用户还是低收入用户，只要不是属于技术性的用户，对手机操作水平都不是太高。

例如，年龄在30岁以上的领导阶层，尽管使用高端机型，尽管收入也很高，但是他们的PC和手机操作能力都不高；另外是低收入使用低端机型的务工人群，PC和手机操作能力都不高；只有中间的白领和学生，操作能力比较高，他们一般是属于技术行用户。

所以，WAP网站和WAP业务在考虑业务设计时，一定要处处想着WAP用户这些人群的特点。懒人推动技术进步，为了他们着想的人才会赢得先机。

附：其他一些数据（以下数据来自互联网，仅供参考）

1、WAP用户形象目前手机上网的形象目前被认为是时尚一组。即便是农民工兄弟的使用，其形象也是在农民工群体中相对时尚新潮一组。

目前使用群体特征：时尚、对新鲜事物感兴趣、容易接受新事物，对资讯需求大，对技术感兴趣的男性年轻用户居多。

和彩铃业务一样，WAP初期的用户是第一批追求新事物的年轻时尚人群。随着业务的成熟，逐渐会扩散到大众用户市场。

2、WAP内容单调。内容方面是导致使用者放弃手机上网的原因。

内容上的单调、匮乏致使目前使用者新鲜感逐渐消失，导致每次上网都是无特别目的，而内容或服务的介绍文字非常古板，千篇一律缺乏特点与个性。内容更新慢，主要从铃声图片感觉明显－－1－2个月才有些变化。

用户对全曲下载的内容要求比彩铃要挑剔的多。使用频率更活跃，也更容易退订因为彩铃用户听不到自己的歌曲，所以很容易沉默。全曲用户需要天天有新东西，因为近半数的用户会天天浏览。

3、WAP 上网的使用特征分析

WAP 用户中新增用户的规模较大，一年内的新增用户占到所有用户的47.5%；6成的用户使用WAP的频率不低于每周一次，平均每次使用WAP的时间以10～30 分钟最多，重度用户占所有用户的40.4%；有54.3%的用户只上或者尽量选择免费的网站，31.6%的被访者表示无所谓收费和免费，14.2%的被访者表示只上手机内置的网站。

WAP 用户认知WAP 站点主要通过三大途径：手机内置、口碑相传和传统互联网；用户使用较多的WAP服务有手机图铃下载、WAP 搜索、在线游戏、在线音乐和在线图书；WAP 用户对目前手机上网的意见主要集中在速度和资费方面。

4、WAP 用户使用频率

对WAP的使用频率分布中，每天使用多次的比例为13.8%，每天一次的比例也有15.3%，

每周至少一次的比例为28.3%，这三者汇总的比例占到了57.4%，这说明WAP用户对WAP

的使用频率较高，近6 成的用户使用WAP的频率不低于每周一次。学生用户的使用频率略

高于非学生用户。

WAP 用户平均每次使用WAP 的时间以10～30 分钟的比例最高，为31.8%，在5～10 分钟的比例也超过了两成，总体上看WAP 用户每次的使用时间都不长，平均在30 分钟以内的比例为64.7%，在1 小时以内的比例为80.9%。非学生用户平均每次使用时间要略高于学生用户。将WAP使用频率与每次使用时长交叉可以发现，使用频率较高的用户平均每次的使用时间长度也比较长，这是由于用户的使用习惯受到惯性影响。

5、WAP 用户对站点选择的态度

27.5%的被访者表示只上免费的WAP网站，还有26.8%的被访者表示尽量选择免费的网站，此两者占到了所有被访者的54.3%。有31.6%的被访者表示无所谓收费和免费，只选择上自己喜欢的网站，此外还有14.2%的被访者表示只上手机内置的网站。调查结果显示，免费网站更受欢迎，但收费网站如果能提供有吸引力的内容也会有相当的市场，还有部分用户由于操作等方面的原因只上手机内置网站，表明手机内置对WAP用户尤其是新用户是一个非常重要的渠道。

6、使用WAP 的平均每月花费

WAP 用户使用WAP 的平均每月花费在11～20 元间的比例占所有用户的1/4 强，在21～50 元间的比例超过了1/5，6～10 元的比例也达到了1/5，超过2/3 的用户每月花费在WAP上的费用在6～50 元之间。

手机图铃下载使用状况：最近半年内使用过WAP 下载手机图铃的比例占到了所有WAP 用户的63.0%，那么意味着半年内使用WAP下载图铃的用户约为2460万人。调查发现通过WAP下载手机图铃的用户典型特征为男性、24～30 岁、月收入为1001～3000 元的企事业单位普通员工。

WAP 音乐使用状况：最近半年内通过WAP 在线试听/下载音乐的比例为40.2%，那么意味着半年内通过WAP玩在线试听/下载音乐的用户约为1570 万人。文化程度为高中及以下，年龄在18～24 岁之间的用户更倾向于通过WAP 在线试听/下载音乐。

7、用户经常访问的WAP站点

WAP 用户经常访问的WAP 网站中，排名前十名的网站为（以下排名不分前后，按照中文名称拼音排序）：

n 移动梦网

n 3G 门户

n 空中网

n 乐讯网

n 手机百度

n 手机搜狐网

n 手机腾讯网

n 手机新浪网

n 网易WAP

n 易查搜索