rdm.RdmApplication）所对应的数字，按“Enter”。例如2。 执行如下命令，监控JVM状态（如内存使用情况、GC、线程等）。如图2所示。 dashboard 图2 JVM状态 父主题： 基于智能边缘小站手动部署iDME应用

查看更多 →

系统变量 选填。 Java运行参数，使用JVM变量，常用的是 -D 参数。 -XX 和-X 参数是用来设定内存和GC参数, 不同JVM的参数设置可能不同。 -D 和 -X 参数紧跟在 java 后面，当选择启动服务时，可设置服务运行所需内存大小等。 说明： 常见填入参数形式为 ：-Dfile

查看更多 →

MongoDB数据库迁移过程中，源数据库出现内存溢出（OOM）是什么原因 场景描述 在进行MongoDB数据库迁移的过程中，出现源数据库内存溢出（OOM），导致源数据库不可用，迁移失败。 问题分析 出现上述内存溢出可能存在如下原因： 源数据库的mongod服务单独部署在一台机器上

查看更多 →

12000ms Kafka堆内存使用率 38002 Kafka堆内存使用率超过阈值 Kafka可用内存不足，可能会造成内存溢出导致服务崩溃。 95% Kafka直接内存使用率 38004 Kafka直接内存使用率超过阈值 Kafka可用直接内存不足，可能会造成内存溢出导致服务崩溃。 95%

查看更多 →

Linux 操作场景 本章节主要介绍如何将老架构的Agent升级到新架构Agent。 约束限制 不支持局点：华南-广州-友好用户环境、拉美-圣保罗一、拉美-墨西哥城一。 操作步骤 使用root账号，登录E CS 。 执行如下命令，确认当前Agent的版本是新架构Uniagent还是老架构telescope。

查看更多 →

边缘采集节点部署 Linux环境部署 下载edi-edgenodeagent-linux.zip文件，放在Linux 服务器 某个文件夹中，解压压缩，注意解压文件后可能没有权限需要重新执行chmod命令赋予权限，文件中包含jdk，jar包，flume、canal、run.sh。 修改run

查看更多 →

系统当前指标取值满足自定义的告警设置条件。 对系统的影响 Hive直接内存使用率过高，会影响Hive任务运行的性能，甚至造成内存溢出导致Hive服务不可用。 可能原因 该节点Hive实例直接内存使用量过大，或分配的直接内存不合理，导致使用率超过阈值。 处理步骤 检查直接内存使用率。 在 FusionInsight

查看更多 →

系统当前指标取值满足自定义的告警设置条件。 对系统的影响 Hive非堆内存使用率过高，会影响Hive任务运行的性能，甚至造成内存溢出导致Hive服务不可用。 可能原因 该节点Hive实例非堆内存使用量过大，或分配的非堆内存不合理，导致使用率超过阈值。 处理步骤 检查非堆内存使用率。 在FusionInsight

查看更多 →

这是性能规格的问题，MapReduce任务运行失败的根本原因是由于ApplicationMaster的内存溢出导致的，即物理内存溢出导致被NodeManager kill。 解决方案： 将ApplicationMaster的内存配置调大，在客户端“客户端安装路径/Yarn/config/mapred-site

查看更多 →

NameNode堆内存使用率超过阈值 告警解释 系统每30秒周期性检测HDFS NameNode堆内存使用率，并把实际的HDFS NameNode堆内存使用率和阈值相比较。HDFS NameNode堆内存使用率指标默认提供一个阈值范围。当HDFS NameNode堆内存使用率超出阈值范围时，产生该告警。

查看更多 →

CSS 集群平均已用内存比例达到98%怎么办？ 问题现象 查看集群监控发现，Elasticsearch集群“平均已用内存比例”一直处于98%，用户担心内存比例过高是否对集群有影响。 问题原因 在Elasticsearch集群中，Elasticsearch会占用50%内存，另外50%内存会被Lu

查看更多 →

检查系统内存大小，以及剩余内存量，并判断是否满足IEF需求。edgectl check memorymemory可以简写为mem，即：edgectl check mem无检查内存：示例执行结果：

查看更多 →

配置内存 操作场景 Spark是内存计算框架，计算过程中内存不够对Spark的执行效率影响很大。可以通过监控GC（Garbage Collection），评估内存中RDD的大小来判断内存是否变成性能瓶颈，并根据情况优化。 监控节点进程的GC情况（在客户端的conf/spark-defaults

查看更多 →

内存版 内存版业务面API包括点操作、边操作、元数据操作、索引操作、Gremlin操作、算法、路径、图统计、图操作、子图操作、Job管理、Cypher操作API。 表1 点操作API 名称 版本 URL 功能描述 点过滤查询 1.0.0 POST/ges/v1.0/{projec

查看更多 →

Netty内存 介绍APM采集的Netty内存指标的类别、名称、含义等信息。 表1 Netty内存指标说明 指标类别 指标 指标名称 指标说明 单位 数据类型 默认聚合方式 内存（memory，内存指标。） directMemoryUsage 已使用直接内存 已使用直接内存 - INT

查看更多 →

内存加速 开启内存加速，MySQL数据更新后，会把数据全部缓存到GeminiDB Redis吗？ 开启内存加速，GeminiDB Redis数据会不断增长，需要扩容吗？如何进行缓存数据管理？ 客户已有业务实现“db”+“缓存”，推荐使用内存加速吗？哪种场景可以让客户使用内存加速方案？

查看更多 →

NameNode非堆内存使用率超过阈值 告警解释 系统每30秒周期性检测HDFS NameNode非堆内存使用率，并把实际的HDFS NameNode非堆内存使用率和阈值相比较。HDFS NameNode非堆内存使用率指标默认提供一个阈值范围。当HDFS NameNode非堆内存使用率超出阈值范围时，产生该告警。

查看更多 →

application. 回答 这是性能规格的问题，MapReduce任务运行失败的根本原因是由于ApplicationMaster的内存溢出导致的，即物理内存溢出导致被NodeManager kill。 解决方案： 将ApplicationMaster的内存配置调大，在客户端“客户端安装

查看更多 →

python.worker.memory 聚合过程中每个python worker进程所能使用的内存大小，其值格式同指定JVM内存一致，如512m，2g。如果进程在聚集期间所用的内存超过了该值，数据将会被写入磁盘。 512m spark.python.worker.reuse 是否重用python

查看更多 →

Task需要的内存量 set mapreduce.map.java.opts=-Xmx3276M; // 每个Map Task 的JVM最大使用内存 set mapreduce.reduce.memory.mb=4096; // 每个Reduce Task需要的内存量 set mapreduce

查看更多 →

python.worker.memory 聚合过程中每个python worker进程所能使用的内存大小，其值格式同指定JVM内存一致，如512m，2g。如果进程在聚集期间所用的内存超过了该值，数据将会被写入磁盘。 512m spark.python.worker.reuse 是否重用python

查看更多 →