避雷指南:那些年我们踩过的超售坑
VPS 买回来跑着跑着就卡,SSH 连上去要等几秒才有反应,WordPress 后台点一下转圈三四秒,明明只开了几个页面,负载却飙到七八。很多人第一反应是服务器太差,其实更常见的原因是超售。虚拟化技术允许一台物理机切出很多台 VPS,这本没问题,但当内存、CPU、磁盘 IO 都被过度分配时,你买的 2 核 4G 就只是个数字,实际能用的资源随时被邻居抢走。
超售本身不是原罪。几乎所有云厂商都在做超卖,包括大厂。问题在于超售比例有没有底线,资源争抢时有没有公平调度,以及出问题时你能不能看到真实数据。最怕的不是超售,是超售了还不让你知道,面板里只显示一个永远健康的绿色状态,实际机器已经卡得没法用。
CPU steal time 是识别超售最直接的指标。它的含义很简单:你的虚拟机想用 CPU,但物理机把时间片给了别的虚拟机,你的进程只能等着。这个值越高,说明物理机上邻居越忙,你的 CPU 越不归你。在 Linux 里用 top 命令可以看到,在 %Cpu 那一行有一个 st 列,就是 steal time。数值为 0 说明物理机完全没抢你的 CPU 时间;长期在 5 以上就要注意;经常超过 20 甚至 30,这台机器基本没法干正经活。
但光看 steal time 还不够。有些厂商的虚拟化驱动会隐藏 steal 值,top 里显示 0,不代表没超售。这时候要综合看 load average、CPU wait、上下文切换和进程排队。负载高但 CPU 使用率不高,往往是进程在等 IO 或者等 CPU 调度。用 vmstat 1 看,如果 r 列经常大于 CPU 核心数,同时 cs 列上下文切换很高,说明进程在频繁抢 CPU 时间片,调度器已经很累了。
内存超售比 CPU 更隐蔽。KVM 本身不支持内存超卖,但 OpenVZ、LXC 这类容器虚拟化可以。有些商家用容器技术卖 VPS,内存看着很大,实际是 burst 内存,邻居不用时你可以用,邻居一用你就被回收。表现就是进程莫名其妙被杀,dmesg 里出现 Out of memory 或者 oom-killer 日志,MySQL 和 PHP-FPM 动不动就重启。用 free -m 看 available 内存,比看 free 更准;available 持续很低,说明内存确实紧张,不是显示问题。
磁盘 IO 超售是另一个重灾区。一台物理机挂几块 SATA 盘,上面跑几十台 VPS,每台都以为自己有独立磁盘。一旦有人做大量写入,比如 MySQL 没优化、日志没轮转、备份脚本在跑,整台物理机的 IO 就堵了。你的机器上什么都没干,网站却卡得要死。用 dd 测顺序写速度只能看个大概,真正有用的是 fio 测随机读写 IOPS。一块正常的 SSD 随机写 IOPS 至少几千,如果测出来只有几百甚至几十,说明磁盘被严重共享。还可以用 iostat -x 1 看 await 和 %util,await 持续超过 50 毫秒就说明 IO 排队严重,%util 长期接近 100% 说明磁盘带宽已经打满。
网络超售前面那篇已经讲过,这里只补一点:VPS 的网络带宽超售和磁盘 IO 超售逻辑一样,都是端口大、保证小、邻居一跑你就没。用 speedtest-cli 或者 iperf3 测,白天快晚上慢,基本就是网络超售。
怎么用监控面板识别这些问题。大部分 VPS 商家提供的面板只有 CPU 使用率、内存使用率、流量、在线状态这几个基础指标,而且采样间隔长,很多瞬间抖动根本看不到。真正有用的监控要自己装。
最轻量的方案是 Netdata,装完浏览器打开就能看实时 CPU 调度延迟、steal time、磁盘 IO 延迟、网络包速率、内存压力、swap 使用、TCP 重传。它的好处是粒度细,能看见秒级波动。看到 steal time 持续高位,直接找商家换节点或者退款。看到磁盘 await 飙高但自己没大文件操作,说明邻居在写盘,换机器是唯一的解决办法。
另一个方案是 Prometheus 加 Grafana,适合有多台机器的人。自己搭稍微麻烦,但能存长期数据,看趋势比看瞬间更有用。比如连续一周每天晚八点到十一点 steal time 都飙高,这就是典型的超售节点特征,不是偶发现象。
如果连 Netdata 都不想装,至少装个 atop。它比 top 记录更详细,能回溯历史,看昨天某个时段 CPU 到底被谁吃了。配合日志分析,基本能判断是自己的程序问题还是宿主机问题。
识别超售后怎么办。第一步确认不是自己的问题:关掉所有服务,空载看 steal 和 IO 延迟,如果空载也高,那就是宿主机的问题。第二步开工单找商家,把数据截图发过去,要求迁移到不超售的节点。正规商家会帮你迁,虽然不一定承认超售。第三步如果商家不理或者迁移后还是一样,直接退款换人。VPS 市场 2026 年已经很成熟,搬瓦工、Vultr、Linode、阿里云、腾讯云这些大厂虽然也有超售,但比例控制得相对克制,出了问题也有响应。小商家便宜是真便宜,超售也是真超售,买之前就要有心理准备。
还有一类坑是突发性能实例。AWS 的 t 系列、阿里云的突发性能实例,CPU 有基准性能和积分机制。平时够用,一旦你的程序需要持续 CPU,积分用完就降频到很低。表现和超售很像,但原因是实例类型本身的限制,不是邻居抢资源。这种机器适合开发测试、低流量博客、定时任务,不适合跑数据库、编译代码、视频转码、高并发 Web 服务。买之前看清楚是不是突发型,别把 t3.micro 当生产机用。
内存方面还有个常见陷阱是 swap。有些 VPS 默认没开 swap,内存一满进程直接被杀。有些开了 swap 但 swappiness 设太高,内存还有余量就开始往磁盘换页,IO 本来就差的 VPS 直接雪上加霜。建议给 2G 以下内存的机器配 1G swap,swappiness 设 10,既防进程被杀,又避免过早换页。
最后说一个容易被忽略的点:虚拟化类型。KVM 是最主流的,隔离性好,steal time 能正确报告,迁移方便。OpenVZ 7 以下基本别碰,内核共享,超售严重,很多系统调用受限。LXC 容器性能接近物理机,但隔离性差,邻居出问题你可能跟着出问题。Xen 还有人用但越来越少。买 VPS 优先选 KVM,不是因为其他技术不行,而是 KVM 的透明度最高,你能看到真实的资源争抢情况,出了问题也好排查。
总结一下判断流程。机器卡了先别急着换配置,按这个顺序查:top 看 steal time,vmstat 看运行队列和上下文切换,free 看 available 内存,iostat 看磁盘 await 和 util,iperf3 看网络晚高峰实际速率。如果 steal 高、await 高、网络晚高峰掉速,而你自己没跑重任务,那就是超售。数据留好,找商家换节点,换完还不行就换商家。
超售不是不能买,是你要知道自己在用什么。便宜 VPS 当开发机、跳板机、爬虫出口、备份节点完全没问题,别拿它跑生产业务。正经网站、数据库、API 服务,要么买大厂独享型实例,要么买独立服务器,要么至少确认节点的超售比例和资源隔离策略。省下的服务器钱如果要用网站宕机、数据丢失、用户流失来还,那就不叫省钱了。

发表评论