凌晨十点,监控面板上的 P99 延迟从 8ms 跳到 40ms,应用线程池排队长度翻了四倍,但数据库慢查询列表是空的,GC 日志也没有异常,重启服务后只能撑十几分钟。这种场景往往不是代码退化,而是承载你这台 VPS 的宿主把物理核上的时间片分给了同一台机器上的其他租户也就是共享 vCPU 争用。
如果你正在选机器,或者想先把线路和配置跑通再谈长期方案,可以先看看这几家的线路说明和技术参数:mangoproxy(海外服务器),先看清带宽线路、流量策略和退款条款,再决定要不要迁。
先看物理机制。VPS 卖的不是一颗独立的核,而是宿主机某个物理线程上被切分出来的时间份额。Hypervisor 用调度器把这些时间片轮流派发给各台虚机,你的虚机在自己的时钟里始终“以为”自己拥有完整的 CPU,但一旦同宿主上的邻居进入计算密集阶段,或者宿主本身在做备份、快照、内存压缩这类后台任务,属于你的那部分时间片就会被推迟发放。
这带来一个容易被忽略的后果:共享 vCPU 的性能损失是“偷走时间”,不是“降频运行”。CPU 主频没有变化,指令集也没变,变的是你的线程能拿到多少实际执行时间。同样一段代码,在邻居空闲时可能只要 12ms,在邻居繁忙时需要 40ms,差值全部来自等待线程被调度器挂起(runnable 但未运行),而不是被阻塞在 I/O 上。
另一个要点是时间片粒度。Linux 的 CFS 时间片通常是几毫秒量级,默认调度周期 6ms 到 24ms 之间;当一台虚机被分配了多个 vCPU,而单次请求只压在一个线程上时,你的实际“可用并发度”远低于标称核数。更糟的是,若宿主把同一物理超线程的两个 sibling 分给了不同虚机,两边都会看到吞吐下降,却各自以为是对方的问题。
因此高峰期的典型形态是:请求延迟升高,但 CPU 使用率不一定高。很多新手看到 top 里的 %CPU 只有 40%,就断定“不是 CPU 问题”,这恰恰是共享 vCPU 争用的signature任务明明处于运行就绪状态,%steal 却悄悄涨了上去。
这里顺带说一句:如果你在用 ServLlama 这类工具做节点侧的定时巡检与指标落盘,把它配置成每分钟采集一次 %steal、load 和 runqueue,就能把“峰值出现的时间点”和“宿主被抢的时间点”对齐,比事后翻日志有效得多。

第一步看 CPU Steal。%steal 是“本虚机期望运行、但实际被宿主拿走的 CPU 时间占比”,读取自 /proc/stat 的 steal 项,它几乎是无偏的证据:steal 高,说明你确实没拿到应有的执行时间,和你自己的代码效率无关。经验阈值上,持续超过 5% 需要警惕,超过 10% 且随业务高峰同步抬升,基本可以确认存在争用;如果全天接近 0,那性能问题多半还在你这边。
第二步看调度延迟。单看负载平均值没用,要看延迟分布。可用的信号包括 /proc/schedstat 中该 cfs_rq 的等待时间、/proc/pressure/cpu 的 some avg(不可中断任务在 CPU 上的压力占比),以及 mpstat -P ALL 1 里 %runnable 长期高于可运行核数的时刻。runqueue 变长而 %idle 仍然很高,说明 CPU 在“排队等时间片”,而不是真的算不过来。
第三步做单核吞吐测算。用固定强度的单线程基准跑一段(例如固定次数的哈希或压缩计算),记录它的墙钟耗时和每秒迭代数,得出“本机单核实际吞吐”。然后与这台机器在低峰期、或同配置邻居较空时的基准值相比:如果单核吞吐掉了 30% 以上,而应用自身的每请求 CPU 时间基本没变,那变慢就是外部注入的;如果单核吞吐稳如磐石、每请求 CPU 时间却在涨,问题在自己的代码路径上缓存失效、序列化开销、连接池过小这类常见诱因。
踩坑提醒有三条。其一,短时基准会被缓存预热骗了,第一次跑的数据往往虚高,要固定预热轮次再取多轮中位数。其二,基准必须单线程,多线程会掩盖 steal 的影响并引入同步噪声。其三,不要在业务高峰直接跑基准,否则测出来的就是争用本身,失去了参照意义;正确做法是在低峰建立基线,再在高峰复测做对照。
顺带一个容易混淆的点:宿主资源隔离做得好的平台,steal 会稳定在 0 附近并给出明确承诺;做得差的环境,steal 曲线会随着同宿主其他租户的活动无规律起伏。所以看到 steal 抖动时,先确认自己有没有独占物理核的套餐,再讨论调参。

共享 vCPU 的争用通常发生在运行队列:多个实例同时可运行时,调度器按时间片调度轮流执行。短时间片会放大上下文切换和缓存抖动;宿主超售时,实例可运行却拿不到物理 CPU 的时间,就记为CPU Steal。持续偏高的 %st 更值得关注,但须排除维护、迁移和采集误差。
判断影响应测单核吞吐,不能只看整机平均 CPU。用 taskset -c 0 把固定任务绑定到一个逻辑核,再用 /usr/bin/time -v 记录用户态、系统态 CPU 时间与墙钟时间。两者之和除以墙钟秒数再乘 100%,即单核利用率;例如 CPU 时间为 7.6 秒、耗时 10 秒,约为 76%。若相较同实例、同频率基线,完成时间稳定变长且 Steal 同步升高,才支持争用判断。
测试不要混入下载、磁盘等待或换页,高 load 也不能单独定案;runnable 增长而 Steal 很低,更像进程内部排队。固定输入并重复多轮,可排除偶然波动。

宿主隔离有三层:物理核或 cpuset 绑定、cgroup 的 shares/配额,以及虚拟化层的 vCPU 映射。专用核抖动更低,共享池突发时更易被邻居抢占。容器配额耗尽属于 cgroup 限流,宿主超售等待才体现为 Steal,二者不可混同。若可访问 cgroup v2,可查看 cpu.stat 中 nr_throttled、throttled_usec;否则以实例指标配合固定负载验证。
可执行检查清单:运行 mpstat -P ALL 1,确认单核繁忙还是全核均匀降速;用 pidstat -u 1 定位进程;用 vmstat 1 对照 st、wa、r 和上下文切换。再固定单核执行同一基准至少三次。若 Steal 持续升高、单核吞吐下降且 I/O 等待稳定,可认定存在明显共享 vCPU 争用。随后核对实例规格、宿主机事件和邻居负载;若 Steal 很低但尾延迟仍抖动,应转查内存回收、磁盘、网络与调度策略。
最终应把Steal、单核基准吞吐和尾延迟放在同一时间轴:三者同时恶化,才说明争用已影响业务。发现异常后,优先迁移到专用核或更宽松的资源池;无法迁移时,降低并发、隔离关键线程,并保存采样数据用于向服务商举证。