生产环境突然卡顿，CPU 飙到 95%，内存泄漏查不出？这套排查流程我跑了无数次，分享给你。

第一板斧：top + vmstat 定位问题域

不要急着重启，先看全局视图：

# 先看谁在吃资源（按 c 看完整命令行，按 1 看每个核）
top -bn1 | head -n 20

# 再看 CPU/内存/IO 是综合瓶颈还是单一突刺
vmstat 1 5

重点关注：

us: 用户态高 → 业务代码计算密集型
sy: 内核态高 → 系统调用/驱动/上下文切换
si/so: swap 活跃 → 内存不足，先别管 CPU
wa: IO 等待 → 磁盘或网络瓶颈

一次真实案例：vmstat 看到 wa 常年 40%，最终定位到 MySQL 慢查询导致 SSD 随机读打满。top 只能看到 mysqld CPU 高，却忽略了真正瓶颈。

第二板斧：perf 抓热点函数

确定 CPU 高后，用 perf 抓调用栈，找到具体函数：

# 对特定 PID 采样 30 秒
sudo perf record -g -p <PID> -- sleep 30
sudo perf report --no-children

# 或者只看最热的前 20 个函数
sudo perf top -p <PID>

关键技巧：加上 -g 才能看到调用链，否则只能看到孤零零的函数名，查不出调用来源。

上个月排查一个 Go 服务 CPU 异常，perf 显示 runtime.mallocgc 占 60%，顺着调用链发现是日志库在高并发下频繁分配小对象。改用对象池后，CPU 下降 40%。

第三板斧：火焰图可视化

perf 文本输出看着累，生成火焰图一目了然：

git clone https://github.com/brendangregg/FlameGraph.git
cd FlameGraph

# 生成火焰图
sudo perf script | ./stackcollapse-perf.pl | ./flamegraph.pl > out.svg

打开 SVG，Y 轴是调用栈深度，X 轴是采样占比，越宽的矩形表示占用 CPU 越多。点击矩形可下钻，找到真正的热点代码路径。

一个排雷 checklist

先 vmstat/top 确认瓶颈类型（CPU/内存/IO），勿盲目优化
perf record -g 必须加 -g，调用链比函数名重要 10 倍
火焰图 out.svg 用浏览器打开，支持交互下钻
内存泄漏用 valgrind --tool=memcheck 或 pprof（Go），CPU 问题别用 valgrind，太大了

互动环节

你在生产环境遇到过最诡异的性能问题是什么？最后怎么定位的？欢迎评论区分享实战经验 👇