内存

通过top命令查看openGauss节点内存使用情况，分析是否存在由于内存占用率过高导致的性能瓶颈。

查看内存状况

查询服务器内存的使用情况主要通过以下方式：

执行top命令，查看内存占用情况。执行该命令后，按“Shift+M”键，可按照内存大小排序。

  1. top - 11:38:26 up 2 days, 17:59, 10 users,  load average: 0.01, 0.05, 0.15
  2. Tasks: 685 total,   1 running, 684 sleeping,   0 stopped,   0 zombie
  3. %Cpu(s):  0.2 us,  0.2 sy,  0.0 ni, 99.7 id,  0.0 wa,  0.0 hi,  0.0 si,  0.0 st
  4. KiB Mem : 19740646+total, 23503420 free, 15947100 used, 15795595+buff/cache
  5. KiB Swap:  8242172 total,  8242172 free,        0 used. 13366219+avail Mem
  7.   PID USER PR  NI    VIRT    RES    SHR S  %CPU %MEM     TIME+ COMMAND
  8. 29838 omm  20   0 1373104 456904 175248 S   3.6  0.2  98:53.16 gaussdb
  9. 27789 omm  20   0  150732   4136   3216 S   0.0  0.0   0:00.00 gsql
  10. 45659 omm  20   0  117164   4052   1860 S   0.0  0.0   0:00.24 bash
  11.  8087 omm  20   0  117164   4000   1848 S   0.0  0.0   0:00.05 bash
  12. 27459 omm  20   0  117160   4000   1848 S   0.0  0.0   0:00.04 bash
  13. 33619 omm  20   0  117120   3852   1740 S   0.0  0.0   0:00.04 bash
  14. 27282 omm  20   0  117120   3840   1728 S   0.0  0.0   0:00.03 bash
  15.  9923 omm  20   0  158064   2932   1612 R   0.3  0.0   0:00.04 top

分析时，请主要关注gaussdb进程占用的内存百分比（%MEM）、整系统的剩余内存。

显示信息中的主要属性解释如下：

  • total：物理内存总量。
  • used：已使用的物理内存总量。
  • free：空闲内存总量。
  • buffers：进程使用的虚拟内存总量。
  • %MEM：进程占用的内存百分比。
  • VIRT：进程使用的虚拟内存总量，VIRT=SWAP+RES。
  • SWAP：进程使用的虚拟内存中已被换出到交换分区的量。
  • RES：进程使用的虚拟内存中未被换出的量。
  • SHR：共享内存大小。

性能参数分析

  1. 以root用户执行“free”命令查看cache的占用情况。

    1. free

    查询结果如下所示：

    1.              total       used       free     shared    buffers     cached
    2. Mem:       8038844    6336184    1702660          0     375896    2880912
    3. -/+ buffers/cache:    3079376    4959468
    4. Swap:      4192924          0    4192924

  2. 若“cache”占用过高，请执行如下命令开启自动清除缓存功能。

    1. sh openGauss-server/src/bin/scripts/run_drop_cache.sh

    其中，openGauss-server为仓库代码，下载地址https://gitee.com/opengauss/openGauss-server.git

  3. 若用户内存占用过高，需查看执行计划，重点分析以下内容。

    是否有不合理的join顺序。例如，多表关联时，执行计划中优先关联的两表的中间结果集比较大，导致最终执行代价比较大。