三种机器，用同一张监控表来分
账单上的名字可以很满：云服务器、云主机、VPS、独立服务器、裸金属。 换机器之前，先把它们收成监控里能核对的三列：CPU 时间被谁拿走，内存上限卡在哪，磁盘等待堆在谁的队列里。 对得上自己的曲线，再决定留在云上还是换成整机。
云服务器
常见云服务器是 KVM 一类虚拟机，宿主上还有别的租户。 客户机里能看到 steal：你的 vCPU 已经可以运行，这段时间却分给了别人。 磁盘多半是网络卷，IOPS 按规格或积分计算。内存有规格上限，宿主还可能用 balloon 把暂时用不到的页收回去。 独立服务器和云服务器的区别，先看这三列有没有「别人」。
VPS
VPS 先分清是虚拟机还是容器。虚拟机形态的 VPS 和云主机是同一套曲线，核数和内存上限通常更小。 容器形态没有 steal 这一列。CPU 被配额卡住时，数字出现在 cgroup 的节流次数里；内存上限写在内存控制器上。 把容器节流读成「机器故障」会误判。把它读成「规格到顶」，才和虚拟机的 steal 对得上。 VPS 和独立服务器的区别也在这里：VPS 仍是从一台宿主上切出来的一份，整机则把调度器交给一个租户。
独立服务器与裸金属
独立服务器和裸金属在这篇里指同一件事：整机交给一个租户。 宿主操作系统里，steal 应接近 0，因为调度队列上没有另一家客户。 磁盘是插在这台机器上的 NVMe。内存是这台上的物理条，容量在下单时选定。 裸金属服务器和云服务器的区别，用这三列就能核对，不必先背一份产品定义。
整机拿掉的是共享调度。慢 SQL、缺索引、锁等待还在原处。用户离机房很远时，往返时间也不会因为 steal 消失而变短。先确认慢在算力和磁盘，再算月租。
CPU 被抢走时，steal 会连续偏高
steal 是客户机里「我想跑，宿主持有 CPU」的时间。
Linux 上 vmstat 的 st、top 的 %st，都是这个百分比。
用 Prometheus 时，取 node_cpu_seconds_total 的 steal 模式做 rate，再按核平均。
取样放在业务高峰，间隔 1 秒或 10 秒，至少盖住 5 个工作日。凌晨备份单独看，不要和午高峰合成一条结论。
偶发几秒到十几秒的 steal，是邻居的短时突发，云主机可以继续留。 规格没变、业务也没变，高峰里 steal 多次爬到大约 10% 以上，每次维持好几分钟，接口 p95 同时抬高：CPU 是被邻居长期抢走的。 这时加 vCPU 常常帮不上。核更多，在已经挤满的宿主上只是多排一次队。
另一种高峰要分开记。user 加 sys 接近打满，steal 接近 0：算力是你自己用完的。 先在云上加大 CPU 规格。加大之后，steal 仍在业务时段反复出现，再把换整机放上桌面。 只凭「CPU 很高」搬家，会把一台仅仅需要加核的云主机，换成一块用不满的整机。
它不是告警规范。延迟预算更紧，线就画低一些；批处理可以等，线就画高一些。要一起成立的是：连续多个业务日，而且 p95 同向移动。
容器 VPS 没有 st 列。去 CPU 控制器的 cpu.stat 读 nr_throttled 和 throttled_usec。
业务时段里节流时间持续增加，含义和 steal 同类：配额到了。
配额已经加到这家 VPS 的上限，节流还在，就和虚拟机 steal 用同一条判断。
整机的宿主系统上，steal 应停在 0 附近。 你若再在上面开自己的虚拟机，客户机里仍会出现 steal。那是这 32 核在你自己的虚拟机之间分配，来源是你的调度，旁边没有另一家租户。
内存工作集过了云主机上限
工作集是这段时间里被反复碰到、必须留在内存里的页。
Linux 会把空闲内存拿去当缓存。MemAvailable 偏低、延迟却稳，多半还在缓存区，继续留在云上。
看到「内存使用率 90%」就换整机，经常买到一块用来装缓存的内存。
该记下的是这几件一起出现。业务时段 vmstat 的 si、so 持续不为 0。
主要缺页升高，数据库延迟跟着走。内核日志里出现 OOM。
数据库想要的缓冲池已经大于这台云主机的内存上限，云厂商的规格表里没有更大一档，或者下一档换成了你不能用的机型。
balloon 会让客户机在进程看起来还没占满时就感到压力，因为宿主把页收回去了。先确认压力来自气球还是来自工作集，再决定加内存还是离开这台宿主。
工作集大约 32GB、没有 swap、没有 OOM：在云上加一档内存即可。 工作集已经顶到这家云卖给你的最大内存，下一档不存在，才轮到整机的两档。 两档都是 DDR4-3200 ECC RDIMM，128GB 或 256GB。下单后不能加条。 按高峰工作集，加上操作系统和页缓存要留的余量来选。工作集放不进 128GB，选 256GB，月租 $592。 两档都放不下，这台机器的内存上限也接不住，换过来解决不了。
可用内存低、延迟稳定，先当作缓存。业务时段持续换页、OOM，或缓冲池已经大于云主机内存上限，再把工作集记成一条成立的信号。
磁盘队列把数据库提交拖慢
数据库变慢时，先看数据盘队列，再看网卡流量。
iostat -xz 1 里，数据盘的 aqu-sz 是平均队列长度，w_await 是写等待。
OLTP 在意提交时的 fsync。备份时的顺序读带宽说明不了白天的提交。
业务高峰里，数据盘 aqu-sz 经常大于 1，w_await 走到几十毫秒，慢日志里的 commit 时间一起变长：队列已经在拖数据库。
这时吞吐可以仍然不高，每秒写入的兆字节解释不了等待。
云上的网络卷还会叠 IOPS 积分。积分用完，等待突然变长，过几个小时又恢复。
每天同一时段变慢、重启应用也没用，就是这种曲线。
把 IOPS 买到这家云的最高档，等待仍在业务日里重复出现，限制在共享存储或共享调度上。 账单上的 IOPS 数字已经到顶，队列还在。
夜间备份把磁盘打满、白天 w_await 正常：这是备份窗口，把备份挪到低峰。
等待很低、慢查询却是锁或全表扫描：先改 SQL。
这两种都留在云上处理。NVMe 上 %util 接近 100，也不要单独当成饱和；队列长度和写等待更有用。换到整机之后同样用这两列，避免把新盘的利用率误读成排队。
| 高峰里看到的 | 留在云上 | 再算整机 |
|---|---|---|
| steal 只跳几秒，p95 不动 | 维持现有规格 | 信号不成立 |
| steal 多次到约 10% 以上并维持数分钟，p95 同向；加 vCPU 后仍如此 | 加核已经试过 | CPU 被邻居长期抢走 |
| user 加 sys 打满，steal 接近 0 | 加大云主机 CPU | 先不要搬 |
| 容器节流在高峰持续增加，配额已到顶 | 与 steal 同一结论 | 配额到顶后仍节流 |
| 可用内存低，无换页，延迟稳 | 当作缓存留下 | 信号不成立 |
| 业务时段持续换页或 OOM，缓冲池大于云主机内存上限 | 云上已无更大内存 | 按工作集选 128GB 或 256GB |
| 只有备份时段磁盘忙，白天写等待正常 | 挪开备份窗口 | 信号不成立 |
| 数据盘队列经常大于 1，写等待到几十毫秒，commit 变慢，IOPS 已到顶 | 盘型已经换过 | 队列来自共享存储 |
同一个业务周里，三条一起判
单看一条曲线容易搬早。CPU 偶发、内存其实是缓存、磁盘只在备份时忙，三条都不构成换整机的理由。 数完一个业务周再下结论。三条里对上两条，并且都落在高峰、不落在备份窗口，再打开价目算月租。 只对上一条：steal 就先加大 CPU，或换一台调度更松的云规格；内存就加内存；磁盘就加 IOPS 或换盘型。下一周用同一窗口重测。 三条都只闪了几分钟，维持现状。
对上了也不必当天搬。先把慢拆开。延迟若主要来自用户到机房的距离，整机消掉 steal，消不掉那段往返。 物理机部署于日本东京。到日本及邻近地区的路径，和到更远地区的路径，要分开看。 应用锁、缺索引、跨区调用，也都不在这三条信号里。监控对得上，才进入配置；对不上，云主机继续用。
一条成立，先在云上改规格并重测一周。两条在业务高峰连续多日成立，再把整机月租和当前云账单放在一起看。
在现有机器上把这三组数取出来
下面四步用的是你现在的云主机或 VPS。整机还没买的时候，就能做完。命令只负责取样，判断写在取样外面。
-
1
高峰取样，盖住五个工作日
每个业务高峰跑
vmstat 1。留下us、sy、st、si、so。同一窗口导出接口 p95。备份时段另存一份，不并进高峰结论。 -
2
分清缓存和工作集
读
MemAvailable，对照数据库缓冲池配置和高峰实际占用。有 OOM 就留下内核日志。容器再读内存上限和内存事件。可用内存低但没有换页，记成缓存。 -
3
只记数据盘的队列和写等待
跑
iostat -xz 1。记下数据盘的aqu-sz和w_await，并对照慢日志里的 commit。系统盘和备份盘分开，避免把备份流量算成数据库排队。 -
4
收成三行再决定
每行一个信号：有或没有、落在哪些天、p95 是否同向。两行「有」，再去配置页比价。一行「有」，先在云上改规格，下一周重测。
vmstat 1
iostat -xz 1
vmstat 里 us 是用户态，sy 是内核态，id 是空闲，wa 是等待磁盘，st 是 steal。
si 和 so 是换入、换出。
iostat 里优先看数据盘的队列和写等待。把这两条命令的高峰输出和 p95 放在同一张表里，三行结论就有处可对。
容器机器另外记下 nr_throttled 的增量，和 st 并列，缺一列就不要给 CPU 下结论。
换上整机之后，曲线应当落到哪
两条信号已经成立，接下来核的是整机能不能接住那两条曲线。 CPU 是单路 AMD EPYC 7543P，32 核 / 64 线程，2.8–3.7 GHz。一个租户使用这颗 CPU。 宿主系统里，steal 应接近 0。你自己再切虚拟机时，客户机里的 steal 只反映这 32 核怎么分。
内存两档：128GB 月租 $465，256GB 月租 $592，都是 DDR4-3200 ECC RDIMM。 按高峰工作集选档。不能事后加条。工作集清楚落在 128GB 以内，就不要为了「以后也许不够」直接选 256GB。
磁盘默认是 2 × 1TB NVMe，无硬件 RAID，盘独立直连，可用容量按 2TB 理解。 队列若来自网络卷，换到本机 NVMe 之后，写等待通常会先降下来。降不下来，再查 SQL，或看一块盘是否不够。 还可以加 0 到 2 块 2TB，每块月租 $83，同样独立直连，不会自动并进阵列。 要盘级冗余就自己做软 RAID，可用容量会回到大约 1TB。备份仍放到机外。
带宽默认 250 Mbps，不限流量。磁盘队列是存储等待，先不要为了 fsync 把带宽升到 1G（月加 $251）或 2G（月加 $749）。 出口流量本身把 250M 打满，再升带宽。默认含 1 个 IPv4。还要地址就按个加，每个月 $2，一台合计最多 256 个，不按子网打包。 系统可以选 Ubuntu 24.04。要 Windows，再选 Standard，月加 $21，或 Datacenter，月加 $27。Linux 用 SSH，Windows 用 RDP。
月租等于机型价，加上加盘块数乘 83、带宽加价、额外 IP 个数乘 2、系统加价。 应付等于月租乘周期月数。月付、季付、半年付、年付都按这个乘，不打折。无安装费。 物理机部署于日本东京。三条里若只有磁盘队列成立，CPU 和内存都安静，仍先把云上的盘型换到顶，再和 $465 起的月租比较。 工作集和队列都轻的业务，留在云上通常更合适。信号对上两条，再打开配置页选 128GB 或 256GB。