一文搞懂服务器超卖（CPU/内存超分）

超卖（Overcommit）是云服务厂商（如AWS、Azure、Google Cloud等）或虚拟化平台提供商（如VMware、KVM等）常用的一种资源管理策略。

服务器超卖（Overcommit，又叫超分）是虚拟化平台中最常见、也最容易被忽视的问题之一。很多人第一次遇到虚拟机卡顿、进程突然变慢、业务性能抖动、top 里 st 飙升，其实背后核心就是：物理机被“超卖”了。

这篇文章带你彻底搞懂：

• 什么是超卖（Overcommit）
• CPU、内存、IO 三种资源如何超卖
• 如何判断当前物理机是否超卖
• “st（steal time）”到底代表什么
• 超卖对虚拟机的真实影响
• 应该把超卖比例控制在多少
• 如何避免业务被超卖带来的性能抖动

一、什么是服务器超卖？

什么是 cpu steal time？如果你在物理机上查看这个指标，这个指标必然是 0，只有虚拟机才需要关注这个指标。我们看一下 CPU steal time 的定义（来自 ibm.com）：

Steal time is the percentage of time a virtual CPU waits for a real CPU while the hypervisor is servicing another virtual processor.

虚拟机毕竟是被虚拟出来的，虚拟机要用到 CPU，最终还是要通过宿主机的CPU来完成，如果宿主机的 CPU 正在为其他虚拟机服务，那么当前虚拟机就会等待，这个等待的时间就是 steal time。

超卖（Overcommit）是云服务厂商（如AWS、Azure、Google Cloud等）或虚拟化平台提供商（如VMware、KVM等）常用的一种资源管理策略。云服务厂商的硬件资源（如CPU、内存、GPU、存储等）有限，为了提高资源利用率，降低成本。通过超卖，厂商能更高效利用资源。实现以下目标：

• 提高资源利用率：许多用户资源使用率不高，存在明显波峰波谷，超卖可充分利用闲置资源。
• 降低成本：用更少硬件资源支持更多用户，降低单位成本。
• 灵活定价：提供更灵活的定价模型（如按需付费、预留实例等），吸引更多用户。

你购买的云主机也可能出现超卖问题哦！

一句话总结：超卖 = 分配给虚拟机的资源 > 物理机的真实资源。

比如一个物理机有16核CPU，但你创建的虚拟机总 CPU 数量却是：

VM1：6 vCPU  
VM2：8 vCPU  
VM3：4 vCPU  
VM4：6 vCPU  
总和 = 24 vCPU

24 vCPU > 16 实际核➡️ 这就是CPU 超卖。

同样道理：

• 分配 256GB 内存，但物理机只有 128GB ➝内存超卖
• 多台 VM 同时读写同一块磁盘 ➝IO 超卖

虚拟化允许这样做，但必须控制比例，否则性能会严重下降。

二、为什么要超卖？

因为：

• 大部分业务不可能同时把 CPU 跑满
• 内存使用也经常有波峰波谷
• 资源利用率不超卖会很低

超卖让虚拟化平台能“压榨”物理机资源，提高成本利用率。

但——过度超卖会导致业务性能动荡、抖动、延迟升高。

三、最常见的三种超卖类型

1. CPU 超卖（最影响性能）

虚拟化平台把 vCPU 调度到物理 CPU 核心上执行。

如果分配的 vCPU 太多，超过了物理核心的承载：

• VM 需要 CPU 时，却抢不到
• top 中 CPU usage 不高，但是业务很卡
• VM 内看到大量st（steal time）

👉 CPU 超卖是导致“虚拟机卡顿”最常见的元凶。

2. 内存超卖

表现为：

• 使用了KSM（内存页合并）
• 或内存 balloon（气球）机制
• 一旦所有 VM 都需要内存，就会触发swap，性能极差

一般建议：内存不要超卖或超卖比例一个管理周期内需非常低。

3. 磁盘/IO 超卖

多个 VM 同时访问一块物理磁盘：

• IOPS 不够
• 延迟飙升
• MySQL / Redis / ES 等服务出现延迟、请求堆积

IO 超卖是最“隐性的”性能杀手。

四、如何判断物理机是否超卖？

⭐ ST（Steal Time）是判断超卖的核心指标！

在虚拟机内执行：top，你会看到：

它的含义是：虚拟机本应该得到 CPU，但10.4%的时间被物理机抢走了。

换句话说：

• ST 低（<2%） → 正常
• ST 高（>5%） → 有干扰，可以感知到卡顿
• ST >10% → 明显过载
• ST >20% → 业务明显受损，虚拟机随时可能抖动

这是判断 CPU 是否超分的最直接办法。

五、看真实例子：虚拟机显示 6 vCPU ≠ 实际 6 核

你提到的现象非常典型：

“虚拟机分了 6 vCPU，但实际是不是能拿到 6 核？”

答案：

• ✔如果没有超卖 → 是的，你能获得完整 6 核性能
• ❌如果超卖严重 → 实际可能只能拿到 2~3 核，甚至更低

你看到 6 核只是“虚拟 CPU”，不是实际 CPU。

六、超卖对服务的影响

CPU 超卖 → 服务卡顿、延迟高：

• 请求累计
• Redis 延迟飙升
• Java stop-the-world 更频繁
• k8s 节点上 Pod 莫名超时
• Web 服务 QPS 波动大

内存超卖 → 持续 swap、服务抖动：

• MySQL / ES lock
• Redis 出现 fork 卡死（导致 AOF 重写失败）
• JVM OOM 频发

IO 超卖 → 数据库延迟秒级：

• MySQL QPS 明显下降
• Kafka lag 迅速增加
• 各种 timeout

七、超卖比例应该控制多少？（经验结论）

举例：

物理机有 16 核 CPU
最多分配 24 ~ 32 vCPU（超卖 1.5~2 倍）

如果是云厂商，比例可以更高（但那是商业行为）。

八、如何避免业务被超卖影响？

1. 强烈建议业务机器固定性能：

给关键虚机绑定真实 CPU（pinned CPU）如 PVE/KVM：

taskset / CPU pinning

2. 禁止在数据库/中间件上做 CPU 超卖

尤其：

• MySQL
• Redis
• ES
• Kafka
• Zookeeper

这些IO / CPU 强依赖组件必须避免ST增高。

3. 持续监控 ST

你的监控体系应该包含：

• 虚机 st（steal）
• 宿主机 CPU load
• 宿主机 IO 延迟

4. 不要混跑离散型和连续型业务

例如：❌ 在同一物理机上跑

• 大数据 Spark、Hadoop 作业
• 在线业务 Web / Redis

这必炸。