Binlog未清理导致磁盘占用高 场景描述 只读实例或主实例磁盘占用高，通过执行SHOW BINARY LOG S或SHOW MASTER LOGS，和其他实例对比发现，大量老的Binlog文件未被清理，导致磁盘占用很高。 原因分析 正常情况下，设置了Binlog过期时间，当Bin

查看更多 →

操作三：鼠标悬浮在图片上的时间节点，可查看对应时间节点的占用率情况。 图1 资源占用情况 表1 参数说明 参数 说明 cpuUsage cpu使用率。 gpuMemUsage gpu内存使用率。 gpuUtil gpu使用情况。 memUsage 内存使用率。 npuMemUsage npu内存使用率。 npuUtil

查看更多 →

面并等待几分钟。常见原因是内存占用满。 处理方法 当出现此错误时，Notebook会自动恢复，您可以刷新页面，等待几分钟。 由于出现此错误，常见原因是内存占用满导致的，您可以尝试使用如下方法，从根本上解决错误。 方法1：将Notebook更换为更高规格的资源。 方法2：可以参考如

查看更多 →

主机监控Agent占用的系统资源很小，性能基本不会受到影响。 在 弹性云服务器 中安装Agent资源占用情况如下： CPU单核使用率最大不超过10%、内存最大不超过200M。一般情况下，CPU单核使用率<5%，内存<100M。 在 裸金属服务器 中安装Agent资源占用情况如下： CPU

查看更多 →

降低内存的处理方案 如果当前集群内存负载较高，或出现“memory is temporary unavailable”内存报错，首先利用日志信息确定内存异常节点，然后连接到该节点查询pv_total_memory_detail视图确认当前是否还存在内存不足问题，可比较proces

查看更多 →

gpu_max_dynamic_memory：GPU内存最大值。 gpu_dynamic_used_memory：当前GPU可用内存和当前临时GPU内存之和。 gpu_dynamic_peak_memory：GPU内存使用的最大内存。 pooler_conn_memory：pooler连接占用内存大小。 poole

查看更多 →

pkg：查询满足条件的package有效内存占用。 func：查询满足条件的function有效内存占用。 func_in_pkg：查询满足条件的package中的function的有效内存占用。 gs_plsql_memory_object_detail函数显示数据库内满足查询条件的有效内存占用情况说明如表2所示。

查看更多 →

gpu_max_dynamic_memory：GPU内存最大值。 gpu_dynamic_used_memory：当前GPU可用内存和当前临时GPU内存之和。 gpu_dynamic_peak_memory：GPU内存使用的最大内存。 pooler_conn_memory：pooler连接占用内存大小。 poole

查看更多 →

DBService默认端口20050或20051被占用 问题背景与现象 执行DBService服务重启操作时，DBService服务启动失败，打印的错误日志中出现20050或20051端口被占用等信息。 原因分析 由于DBService使用的默认端口20050或20051被其他进程占用。 DBService进程没有停止成功，使用的端口未释放。

查看更多 →

DataNode写失败的日志 短时间内写入大量文件导致这种情况，因此DataNode内存不足。 图3 写入大量文件导致DataNode内存不足 解决办法 检查DataNode内存配置，以及机器剩余内存是否充足。 增加DataNode内存，并重启DataNode。 父主题： 使用HDFS

查看更多 →

优化Flink内存GC参数 操作场景 Flink是依赖内存计算，计算过程中内存不够对Flink的执行效率影响很大。可以通过监控GC（Garbage Collection），评估内存使用及剩余情况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YARN的Container

查看更多 →

Spark Core内存调优 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-default

查看更多 →

配置NameNode内存参数 配置场景 在HDFS中，每个文件对象都需要在NameNode中注册相应的信息，并占用一定的存储空间。随着文件数的增加，当原有的内存空间无法存储相应的信息时，需要修改内存大小的设置。 配置描述 参数入口： 请参考修改集群服务配置参数，进入HDFS“全部配置”页面。

查看更多 →

前GPU可用内存和当前临时GPU内存之和。 gpu_dynamic_peak_memory：GPU内存使用的最大内存。 pooler_conn_memory：pooler连接占用内存大小。 pooler_freeconn_memory：pooler空闲连接占用的内存大小。 sto

查看更多 →

前GPU可用内存和当前临时GPU内存之和。 gpu_dynamic_peak_memory：GPU内存使用的最大内存。 pooler_conn_memory：pooler连接占用内存大小。 pooler_freeconn_memory：pooler空闲连接占用的内存大小。 sto

查看更多 →

优化Flink内存GC参数 操作场景 Flink是依赖内存计算，计算过程中内存不够对Flink的执行效率影响很大。可以通过监控GC（Garbage Collection），评估内存使用及剩余情况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YARN的Container

查看更多 →

Spark Core内存调优 操作场景 并行度控制任务的数量，影响shuffle操作后数据被切分成的块数。调整并行度让任务的数量和每个任务处理的数据与机器的处理能力达到合适。 查看CPU使用情况和内存占用情况，当任务和数据不是平均分布在各节点，而是集中在个别节点时，可以增大并行度

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 →

gpu_max_dynamic_memory：GPU内存最大值。 gpu_dynamic_used_memory：当前GPU可用内存和当前临时GPU内存之和。 gpu_dynamic_peak_memory：GPU内存使用的最大内存。 pooler_conn_memory：pooler连接占用内存大小。 poole

查看更多 →

可以看到使用dmidecode -t memory查看的内存大小与实际配置一致。 问题原因 首先，系统启动时会初始化相关设备，该过程会占用内存，内核启动时，也会占用一部分的内存。其中，kdump占用的内存是可以自行设置的，如无特殊要求，请勿自行修改kdump占用的内存大小。 其次，free -m命令查

查看更多 →

仿真服务可以提供基于云资源的大规模并行仿真。仿真过程中，涉及资源配置与调度。合理配置任务的资源占用，可以尽可能地提高资源利用率，进而提高仿真测试并行度，增加算法测试的里程数。 获取并配置算法实际资源占用 创建仿真算法时，需要填写算法镜像占用的CPU以及内存。这个将影响批量仿真子任务的资源调度，在相同资源情况下，算法

查看更多 →