香港服务器内存耗尽后,怎样区分进程占用、缓存与内存泄漏?

发布人:A5数据发布时间:2026-11-06 18:24阅读量:66

香港服务器出现接口超时、SSH 登录变慢,监控又提示“内存耗尽”时,先不要按 free 中的 free 数值判断故障。Linux 会用空闲内存缓存文件;真正需要确认的是:available 是否持续下降、交换分区是否频繁读写、是否发生 OOM,以及内存增长落在进程、内核还是某个服务的资源限制内。

区分三类情况的关键证据不同:缓存占用通常仍可回收,free 低不等于内存不足;进程占用要看进程的常驻内存、共享内存和实际运行负载;内存泄漏则需要在相近负载下连续观察同一进程的私有内存增长,不能凭一次进程排行认定。排查应先确认受影响范围,再从系统总量逐层缩小到服务和应用。

确认症状:是整机缺内存,还是某个请求变慢

先记下告警时间、受影响服务和现象:所有站点都变慢,还是只有某个接口超时?SSH 是否同样迟缓?是否有进程意外退出、容器重启,或者数据库连接中断?这些信息决定后续应查整机、单个服务,还是应用请求路径。

网络层也应先做边界判断。香港服务器面向不同地区的访问时,外部链路异常也可能表现为请求超时,但网络延迟本身不能证明内存耗尽。如果只有某一访问来源变慢,而服务器的内存、交换、进程状态平稳,应另查链路与应用响应;如果连接数或请求量上升与内存增长同步,再检查每连接缓冲区、工作进程和请求队列。

以下命令适用于常见 Linux 服务器,主要读取状态,不修改配置;部分进程或内核日志可能需要相应权限:

date -Is
free -h
swapon --show
vmstat 1 6
ss -s

先看 free -h 的 available,再看它是否持续下降。used 包含多种用途,free 很小也可能只是缓存较多。vmstat 的第一行通常是系统启动以来的统计均值,判断当前交换活动应看后续采样行的 si、so。交换空间“已使用”只说明部分页面曾被换出;若 si、so 持续出现且服务延迟升高,才更能说明当前存在内存压力。ss -s 可辅助判断连接规模是否异常,但不能单独把连接数与内存增长画等号。

例如,一台 8 GiB 服务器的 free 只剩约 200 MiB,而 available 仍有约 2 GiB、交换读写接近零、业务延迟正常,这更像正常的内存利用;若 available 持续逼近零,交换读写增加且服务开始超时,就需要进入原因排查。这里的数值仅用于演示判断方式,不是统一告警阈值。

建立原因树:先分清资源层,再找责任进程

内存告警可以沿四个层级拆开。每个分支都有不同的观察依据,不能用“内存满了”替代根因。

层级主要观察依据下一步
网络与入口超时集中在特定访问路径,或连接数、请求量突然变化对照入口日志与连接状态;确认流量变化是否带动工作进程内存增长
系统available、交换读写、内核内存与 OOM 记录异常区分可回收缓存、不可轻易回收的占用,以及整机 OOM
服务Web 服务、数据库、运行时或容器占用上升;服务被重启核对工作进程数、连接数、缓存配置及服务自身的内存限制
应用某一进程在相近负载下持续增长,重启后回落又复现结合请求、任务和内存分析工具定位对象或代码路径

这棵原因树还要区分“整机内存不足”和“局部限制触发”。容器或服务所在的控制组达到内存上限时,宿主机仍可能有可用内存;反过来,宿主机压力很大,也不代表占用排行第一的进程有泄漏。

逐层排除:缓存、进程与 OOM 分别看什么

缓存高,不等于缓存都能立刻让位

buff/cache 增长常与文件读取、写入和目录访问有关。Linux 会利用空闲内存保留文件页缓存,后续有进程申请内存时,其中一部分可以回收,因此优先看 MemAvailable,不要直接把缓存列加到“故障占用”里。

但也不能把所有非进程占用都视作可安全回收。tmpfs、共享内存、尚待写回的脏页,以及不可回收的内核对象,行为各不相同。需要细分时读取:

grep -E '^(MemAvailable|Cached|Shmem|Dirty|Writeback|Slab|SReclaimable|SUnreclaim):' /proc/meminfo

这些字段的单位是 KiB。若 Cached 较高、MemAvailable 仍充足,优先观察业务负载而非清缓存;若 Shmem 或 SUnreclaim 持续增长,则应进一步查共享内存使用方或内核资源。SReclaimable 代表部分可回收的 slab,并不等于在任何时刻都能无代价、全量释放。

不要把向 /proc/sys/vm/drop_caches 写入数值当成常规修复。清缓存可能暂时改变图表,却无法解决持续申请内存的进程,还可能令后续磁盘读取变慢。若确需在测试环境比较缓存影响,应先确认业务允许性能波动、保存前后指标,并有停止实验和恢复流量的安排;生产故障中应优先找增长来源。

进程排行高,要分清“占用”与“重复计算”

先查看占用靠前的进程:

ps -eo pid,ppid,comm,rss,vsz,%mem --sort=-rss | head -n 16

这里 RSS 是常驻物理内存,单位通常为 KiB;VSZ 是虚拟地址空间大小,不能直接当作实际耗尽的内存。多个进程共享相同库或内存映射时,把各进程 RSS 相加会重复计算。数据库的共享内存、应用的多工作进程尤其需要注意这一点。排行结果也只能说明“当前谁占得多”,不能说明“谁在泄漏”。

锁定进程 ID 后,可进一步查看其状态。将示例中的 1234 换成实际 PID,读取其他用户的进程详情时可能需要更高权限:

PID=1234
grep -E '^(Name|State|VmRSS|VmSwap|Threads):' "/proc/$PID/status"
if [ -r "/proc/$PID/smaps_rollup" ]; then
    grep -E '^(Rss|Pss|Private_Clean|Private_Dirty|Swap):' \
        "/proc/$PID/smaps_rollup"
fi

Pss 会按共享比例分摊内存,比直接累加 RSS 更适合比较多进程的总体负担;私有内存更适合跟踪单个进程是否持续扩张。smaps_rollup 是否可读取决于内核支持和权限。排查记录中尽量使用 PID 与进程名,避免随意复制可能包含凭据的完整启动参数。

有进程被杀,要确认是谁、在哪里触发 OOM

Linux 内核发生 OOM 时,日志通常会留下内存压力和被终止进程的信息。可按告警时段查询;下例使用当前启动周期内、最近两小时的内核日志:

journalctl -k -b --since "2 hours ago" |
    grep -Ei 'out of memory|oom-kill|killed process|memory cgroup out of memory'

若查到 OOM,要核对时间、被杀 PID、进程名及是否指向内存控制组。被杀进程不一定是最初造成增长的进程:它是当时选中的终止对象,根因还要结合此前的内存趋势、服务负载和限制配置判断。

如果日志明确指向容器或服务的内存控制组,应核对该控制组的用量与上限,而不是仅凭宿主机 free 的结果下结论。使用 cgroup v2 的环境可在确认目标进程所属路径后,检查对应目录中的 memory.current、memory.max 和 memory.events;不同环境的挂载路径及权限可能不同,先用 /proc/<PID>/cgroup 核验,不要猜一个固定路径。若没有内核 OOM 记录,还应检查应用自身退出日志及服务管理器日志;日志不完整或未持久保存时,“没查到”也不能证明从未发生。

定位根因:用时间趋势检验“泄漏”判断

泄漏不是“进程内存大”的同义词。数据库缓存按配置增长、应用启动后逐步预热、任务执行期间暂存数据,都可能使内存上升后趋于稳定。更可信的泄漏特征是:在请求量、数据规模和任务类型相近的时段,同一进程的私有内存持续增加,负载回落后仍不下降,并且该模式多次复现。

排查时按以下顺序关联证据:

定位根因:用时间趋势检验“泄漏”判断配图

  1. 对齐时间。将 MemAvailable、交换读写、进程 PSS 或私有内存曲线,与发布、定时任务、请求量、连接数放在同一时间轴上。
  2. 检查负载解释。若增长恰好对应批处理或连接高峰,先核对任务是否结束、连接是否释放、进程内存是否进入平台期。
  3. 缩小到服务。Web 服务看工作进程数、活跃连接和单请求缓冲;数据库看连接、查询与缓存配置;应用运行时看堆、堆外内存及线程。各项指标应使用该服务实际提供的状态或诊断工具验证,不能拿 RSS 直接代替应用堆用量。
  4. 再验证泄漏。若同类负载反复结束后,私有内存基线仍逐次抬高,再结合运行时分析、对象分配记录或受控复现查代码路径。

例如,某服务每晚处理任务时 RSS 上升 1 GiB,结束后维持在较高值,但随后几天的同类任务不再继续抬高基线,可能是内存分配器保留页面或缓存预热;若每轮任务结束后的私有内存都继续增加,并最终触及服务上限,才更值得按泄漏方向深入。进程重启后内存回落只能说明该进程持有了这些内存,仍不足以区分泄漏、正常缓存和配置过大。

若进程列表解释不了整机压力,应回到系统层查看共享内存、slab 和其他内核占用;若只有容器内报内存不足,应先核实容器限制。不要因宿主机尚有 available 就否定局部 OOM,也不要因单个 RSS 很高就跳过其他分支。

验证恢复:不只看内存数字回落

恢复动作要与已确认的原因对应。流量突增造成连接和缓冲占用时,可先在既有入口或负载均衡机制内限制异常请求、分担流量;服务配置导致工作进程或缓存过大时,先核对当前配置、业务容量及变更窗口,再调整。若需要重启应用释放占用,应事先确认未完成请求、队列任务、会话和持久化写入会受到什么影响,保存配置与现场指标,并准备恢复原配置或切回原流量路径。数据库等有状态服务尤其不宜仅因占用高就直接重启。

验证至少覆盖三个结果:服务请求是否恢复、MemAvailable 是否停止持续下降、交换读写与 OOM 是否不再出现。若采取的是重启或临时限流,还应在流量恢复到正常水平后继续观察;只在低负载时看到内存回落,不能证明根因已经消除。

后续监控应同时保留整机 MemAvailable、交换读写、OOM 事件、关键进程的 PSS 或私有内存、服务连接与请求量,以及容器或服务的内存限制事件。告警阈值要结合该香港服务器的业务峰值和持续时间设定:重点不是缓存占了多少,而是可用内存是否持续收缩、性能是否随之恶化,以及增长能否被实际负载解释。

针对香港业务的内存与资源配置需求,A5idc数据提供多种物理服务器方案,涵盖 Xeon Gold、AMD EPYC 等平台,并有搭配 64GB 或 128GB 内存及 NVMe 存储的配置,可用于网站、业务后台、数据库和接口服务等场景,为不同负载下的进程运行与数据处理提供硬件资源基础。

本文由A5数据原创发布,转载请注明出处:https://www.a5idc.com/helpcontent/7938.html

相关推荐