DWS集群节点动态内存使用率超阈值（The dynamic memory usage in the data warehouse cluster exceeds the threshold） 告警解释 GaussDB (DWS)每60秒采集集群各节点的动态内存使用率。如果某节点的动态内存使用率

查看更多 →

00Mbits/s，其中80Mbits是由于对某个Hash类型的Key执行HGETALL所占用。 大Key和热Key的影响 类别 影响 大Key 造成规格变更失败。 Redis集群变更规格过程中会进行数据rebalance（节点间迁移数据），单个Key过大的时候会触发Redis内

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 →

pg_available_extension_versions WHERE name = 'pg_stat_statements'; 如果不支持，可通过升级内核小版本或者使用转储与还原升级大版本使用该插件。 RDS for PostgreSQ L实例 支持的插件，具体请参见支持的插件列表。 插件安装与卸载 查看当

查看更多 →

dows、Linux、Unix等，更可以是一家公司、企业、学校甚至是政府军队的 服务器 。 主机被挖矿最直接的影响就是大量消耗系统资源，使系统其他软件或服务运行缓慢，性能变差。同时，黑客还可能通过挖矿程序窃取机密信息，比如机密文件、关键资产的用户名和密码等，导致资产遭受更进一步的损失。

查看更多 →

比上次估算内存大了24MB，总数据量2000W条，查询无法执行。 PBE场景会复用之前生成的计划，导致估算内存每次递增一个固定值，估算内存不断膨胀导致CCN排队。 8.1.3.323 JSON类型查询内存泄露，导致重分布占用大量内存。 在jsonb的out函数中存在内存未释放问题，数据量大时出现堆积造成使用内存高。

查看更多 →

wait wal sync。 排查业务发现某查询语句执行时间较长，执行kill命令后恢复。 触发因素：行存表大量数据入库后，首次查询触发page hint产生大量X LOG ，触发主备同步慢及大量IO消耗。 解决措施： 对该类一次性访问大量新数据的场景，修改行存表为列存表。 可关闭w

查看更多 →

apReduce任务而占用更多的集群内存和CPU资源，也可能会生成大量很小的HFile文件频繁的触发Compaction，导致查询速度急剧下降。 错误的使用put，会造成数据加载慢，当分配给RegionServer内存不足时会造成RegionServer内存溢出从而导致进程退出。

查看更多 →

prepareThreshold=5 某客户一次查询1000万数据，为避免同时返回造成内存溢出，可使用defaultRowFetchSize，url可参考如下配置。 jdbc:postgresql://node1/database?defaultRowFetchSize=50000 某客户需要批量插入

查看更多 →

apReduce任务而占用更多的集群内存和CPU资源，也可能会生成大量很小的HFile文件频繁的触发Compaction，导致查询速度急剧下降。 错误的使用put，会造成数据加载慢，当分配给RegionServer内存不足时会造成RegionServer内存溢出从而导致进程退出。

查看更多 →

apReduce任务而占用更多的集群内存和CPU资源，也可能会生成大量很小的HFile文件频繁的触发Compaction，导致查询速度急剧下降。 错误的使用put，会造成数据加载慢，当分配给RegionServer内存不足时会造成RegionServer内存溢出从而导致进程退出。

查看更多 →

apReduce任务而占用更多的集群内存和CPU资源，也可能会生成大量很小的HFile文件频繁的触发Compaction，导致查询速度急剧下降。 错误的使用put，会造成数据加载慢，当分配给RegionServer内存不足时会造成RegionServer内存溢出从而导致进程退出。

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 →

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 →

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 →

时磁盘文件之前使用的内存大小。 该参数默认小规格内存为512MB， 大规格内存为2GB（max_process_memory大于等于30GB为大规格内存，否则为小规格内存）。 建议参数work_mem依据查询特点和并发来确定，一旦work_mem限定的物理内存不够，算子运算数据将

查看更多 →

apReduce任务而占用更多的集群内存和CPU资源，也可能会生成大量很小的HFile文件频繁的触发Compaction，导致查询速度急剧下降。 错误的使用put，会造成数据加载慢，当分配给RegionServer内存不足时会造成RegionServer内存溢出从而导致进程退出。

查看更多 →

可能会导致迁移速度慢、迁移时间长的因素如下表。 操作系统 影响因素 说明 - CPU和内存占用率 迁移过程中会占用源端主机的一部分内存和CPU，占用情况根据主机的实际情况有所不同。迁移前确保源端主机CPU和内存占用率不高于75%，实际预留内存不少于520MB。 网络带宽 主机迁移 对网络有较为严格的要求，

查看更多 →

，将会产生大量的磁盘文件（比如：该问题中将产生1000000 * 100000 = 10^11个shuffle文件）。如果磁盘文件数量特别巨大，对文件读写的性能会带来比较大的影响，此外由于同时打开的文件句柄数量多，序列化以及压缩等操作需要占用非常大的临时内存空间，对内存的使用和G

查看更多 →

，将会产生大量的磁盘文件（比如：该问题中将产生1000000 * 100000 = 10^11个shuffle文件）。如果磁盘文件数量特别巨大，对文件读写的性能会带来比较大的影响，此外由于同时打开的文件句柄数量多，序列化以及压缩等操作需要占用非常大的临时内存空间，对内存的使用和G

查看更多 →