变更规格会导致业务中断，导致约10~120秒的服务不可用，请确保您的应用有自动重连机制。请在业务低峰期变更规格，在业务高峰期执行会导致变更时长变长。 关于变更规格所需的时间（非业务高峰期）： 对于云盘存储类型的实例，此过程需要5～15分钟。 对于本地盘存储类型的实例，需要通过备份恢复到新本地盘机器的方式进行规格变更，花费的总体时间与数据量相关。

查看更多 →

变更实例的CPU和内存规格 变更集群实例的CPU和内存规格 变更副本集实例的CPU和内存规格 变更单节点实例的CPU和内存规格 父主题： 变更实例

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 →

MySQL到GeminiDB Redis数据延迟大概是多少，会受哪些因素影响 开启内存加速后，是否会对源端MySQL有影响 开启内存加速的GeminiDB Redis短时间要处理大量的binlog，会不会占用较多的资源，导致在线业务受损 父主题： 常见问题

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 →

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 →

_name} 删除点的标签。 导出过滤后的点 2.2.7 POST /ges/v1.0/{project_id}/graphs/{graph_name}/vertices/action?action_id=export 导出满足过滤条件的点集合。 删除过滤后的点 2.2.7 POST

查看更多 →

选择“高级”页签，并单击“性能”栏的“设置”。 系统打开“性能选项”窗口。 图1 性能选项 选择“高级”页签，并单击“处理器计划”栏的“后台服务”。 单击“虚拟内存”栏的“更改”。 系统打开“虚拟内存”窗口。 根据业务需求配置虚拟内存： 自动管理所有驱动器的分页文件大小：取消勾选。 驱动器：选择虚拟内存文件存放的驱动器。

查看更多 →

throttled_time：被限流的总时间长度（纳秒）。 如果检查后无上述问题，可采用下方优化策略。 优化策略： 修改CoreDNS的缓存时间 配置存根域 修改ndots 增加coredns的缓存时间：有利于同一个 域名 的第N次解析，减少级联DNS的请求数量。 配置存根域：有利于减少DNS请求链路。

查看更多 →

包年/包月模式的实例 缩小规格：单击“提交”，提交变更。 由缩小规格产生的退款，系统会自动退还至客户账户，您可通过单击“费用中心”进入“费用中心”页面，在左侧导航栏“订单管理”下的“我的订单”查看费用详情。 扩大规格：单击“去支付”，跳转至支付页面，支付成功后，才可进行规格变更。 查看变更结果。

查看更多 →

弹性云 服务器 支持的进程监控指标（安装Agent） 功能说明 通过在弹性云服务器中安装Agent插件，可以对主机内的活跃进程进行监控，默认采集活跃进程消耗的CPU、内存，以及打开的文件数量等信息。 本节定义了弹性云服务器上报云监控的进程监控指标。 命名空间 AGT.E CS 进程监控指标说明

查看更多 →

根据Pod调度请求的被耗尽资源的消耗量。 接下来，Pod按照下面的顺序进行驱逐（QOS）： BestEffort -> Burstable -> Guaranteed BestEffort类型的Pod：系统用完了全部内存时，该类型Pod会最先被终止。 Burstable类型的Pod：系统

查看更多 →

程网卡，这就减少了在处理网络传输流时内核内存空间与用户空间之间环境切换的次数。 没有CPU参与：应用程序可以访问远程内存，而不占用远程机器中的任何CPU。远程存储器将被读取，无需任何干预的远程进程(或处理器)。远程CPU中的缓存将不会被访问的内存内容填满。 基于消息的事务：数据被

查看更多 →

初始申请共享内存的大小，RDS for PostgreSQL设置该参数开始值为系统物理内存的25%，该参数合理设置区间为25%~40%，如超过物理内存的 40%，就会发现缓冲的效果并不明显，这是因为PostgreSQL是运行在文件系统之上的，若文件系统也有缓存，将导致双缓存过多，造成负面影响。

查看更多 →

Shuffle阶段是MapReduce性能的关键部分，包括了从Map task将中间数据写到磁盘一直到Reduce task拷贝数据并最终放到reduce函数的全部过程。这部分Hadoop提供了大量的调优参数。 图1 Shuffle过程 操作步骤 Map阶段的调优 判断Map使用的内存大小 判断Map分配的内存是否

查看更多 →

Shuffle阶段是MapReduce性能的关键部分，包括了从Map task将中间数据写到磁盘一直到Reduce task复制数据并最终放到reduce函数的全部过程。这部分Hadoop提供了大量的调优参数。 图1 Shuffle过程 操作步骤 Map阶段的调优 判断Map使用的内存大小 判断Map分配的内存是否

查看更多 →

通过内存size检查定位问题，参见内存size检查。

查看更多 →

KEY等）中可使用的最大的内存。 建议设置此参数的值等于work_mem，可以改进清理和恢复数据库转储的速度。因为在一个数据库会话里，任意时刻只有一个维护性操作可以执行，并且在执行维护性操作时不会有太多的会话。 当自动清理进程运行时，autovacuum_max_workers倍数的内存将会

查看更多 →

依赖项长时间无法访问时，应用程序应能继续执行其核心功能，以便将局部故障对整体系统功能的影响减到最小。如所依赖的数据丢失时，应用程序仍能运行，但可以提供稍微陈旧的数据、替代数据，甚至没有数据，应用仍处于可预测和可恢复的状态。 避免启动依赖及循环依赖。若应用系统由于某些原因导致重启时，若依赖于

查看更多 →

values Array of integers 对应查询类型的返回值，根据查询时间粒度统计出不同时间段的数据，以逗号（半角）分隔。（流量单位：Byte，带宽单位：bps） 说明： 如果是查询 多个域名 ，则返回值是各个域名统计数据的总和。 响应示例 { "region": [

查看更多 →

案例：使用DN Gather减少计划中的Stream节点 DN Gather用来把分布式计划中的Stream节点去掉，把数据发送到一个节点进行计算，这样可以减少分布式计划执行时数据重分布的代价，从而提升单个查询效率以及系统整体的吞吐能力。不过DN Gather面向的是TP的小数据量场景，对于

查看更多 →