周五下午，监控上的负载突然冲到三十多。群里第一句话是：“要不要先重启？”
我手已经放到命令上了，又停了一下。重启当然可能让曲线掉下来，可现场也会一起消失。于是先泡了杯茶，把那台机器当成一间突然嘈杂的屋子，看看究竟是谁在里面搬桌子。
先别急着怪处理器
我先用 uptime 看负载持续了多久，再打开 top。奇怪的是，处理器并没有跑满，等待时间却很高。继续看 vmstat，磁盘输入输出那一栏一直不安分。
uptime
top
vmstat 1
连续采样比瞄一眼靠谱。瞬时峰值会骗人，持续几分钟的变化才更像线索。iostat 最后指出一块磁盘等待明显偏高，顺着进程查下去，原来是临时统计任务和备份撞到了同一个时间段。
把两个任务错开后，负载慢慢落回正常。没有扩容，也没有重启，只是把两把同时抢门的椅子分开搬了。
这次以后，我给自己留了一个排查顺序：先看整体，再分处理器、内存、磁盘和网络，找到资源后再追具体进程。应用日志要和系统指标对上时间，不能看到哪个进程名字眼熟就先判它有罪。
重启仍然是工具，只是不该成为条件反射。至少在按下去以前，留住进程状态、关键指标和那一段日志。服务器不会开口解释，现场就是它留下的口供。