E-rows：每个算子估算的输出行数。 E-memory：DN上每个算子估算的内存使用量，只有DN上执行的算子会显示。某些场景会在估算的内存使用量后使用括号显示该算子在内存资源充足下可以自动扩展的内存上限。需要开启enable_dynamic_workload参数后开启内存使用量估算，且存在估算值大于0的算子时才会显示该字段。

查看更多 →

E-rows：每个算子估算的输出行数。 E-memory：DN上每个算子估算的内存使用量，只有DN上执行的算子会显示。某些场景会在估算的内存使用量后使用括号显示该算子在内存资源充足下可以自动扩展的内存上限。需要开启enable_dynamic_workload参数后开启内存使用量估算，且存在估算值大于0的算子时才会显示该字段。

查看更多 →

系统中使用多个动态内存池时，需对各内存池进行管理和使用情况统计。系统内存机制中通过链表实现对多个内存池的管理。内存池需回收时可调用对应接口进行去初始化。通过多内存池机制，可以获取系统各个内存池的信息和使用情况，也可以检测内存池空间分配交叉情况，当系统两个内存池空间交叉时，第二个内存池会初始化失败，并给出空间交叉的提示信息。通过make m

查看更多 →

”。 图2 添加请求头并调用 未开启动态内存，调用接口时默认取创建函数时设置的内存大小； 若配置了动态内存，未设置value值，调用同步执行接口或异步执行接口时仍默认取创建函数设置的内存大小，调用成功返回“200”。 若配置了动态内存，内存值设置错误，未包含在128、256、51

查看更多 →

/opt/knox/bin/gateway.sh start 在其他Master节点上重复执行如上步骤。 执行ps -ef |grep knox命令可查看已设置的内存信息。 图1 knox内存 父主题： 性能优化类

查看更多 →

说明 默认值 GC_PROFILE NameNode所占内存主要由FsImage大小决定。FsImage Size = 文件数 * 900 Bytes，根据计算结果可估算hdfs的NameNode应设内存大小。 该参数项的内存大小取值如下： high：4G medium：2G low：256M

查看更多 →

说明 默认值 GC_PROFILE NameNode所占内存主要由FsImage大小决定。FsImage Size = 文件数 * 900 Bytes，根据计算结果可估算hdfs的NameNode应设内存大小。 该参数项的内存大小取值如下： high：4G medium：2G low：256M

查看更多 →

queue：表示作业在CCN排队中，包含全局内存排队和慢车道内存和并发排队，包含以下场景： 全局可用内存超过上限，进行全局内存队列排队。 资源池慢车道并发上限，即资源池并发超过active_statements上限。 资源池慢车道内存上限，即资源池并发作业估算内存超过mem_percent计算的上限。

查看更多 →

变更E CS 规格（vCPU和内存） 变更单台ECS规格 批量变更多台ECS规格 通过性能助手变更ECS规格 XEN实例变更为KVM实例（Windows） XEN实例变更为KVM实例（Linux-自动配置） XEN实例变更为KVM实例（Linux-手动配置） XEN实例变更为KVM实例（Linux-批量自动配置）

查看更多 →

PMS进程占用内存高 用户问题 主Master节点内存使用率高如何处理？ 问题现象 主Master节点内存使用率高，且用top -c命令查询得内存占用量高的是如下idle的进程。 原因分析 PostgreSQL缓存：除了常见的执行计划缓存、数据缓存，PostgreSQL为了提高生

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 →

优化Flink内存GC参数 优化Flink内存GC参数场景 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 →

需要的最大内存。如果IN后面的list非常大，使用的内存会超过定义的最大内存，会使得Range scan失效，从而引发查询的性能下降。如果想解决该问题，可以调大允许使用的最大内存，但是该内存是session级别的，也就是说每个session进行该查询都会占用同样的内存，所以容易引

查看更多 →

queue：表示作业在CCN排队中，包含全局内存排队和慢车道内存和并发排队，包含以下场景： 全局可用内存超过上限，进行全局内存队列排队。 资源池慢车道并发上限，即资源池并发超过active_statements上限。 资源池慢车道内存上限，即资源池并发作业估算内存超过mem_percent计算的上限。

查看更多 →

当执行器中此次数据查询和加载所需要的堆外内存不足时，便会发生此异常。 在这种情况下，请增大“carbon.unsafe.working.memory.in.mb”和“spark.yarn.executor.memoryOverhead”的值。 详细信息请参考如何在CarbonData中配置非安全内存？ 该内存

查看更多 →

当执行器中此次数据查询和加载所需要的堆外内存不足时，便会发生此异常。 在这种情况下，请增大“carbon.unsafe.working.memory.in.mb”和“spark.yarn.executor.memoryOverhead”的值。 详细信息请参考如何在CarbonData中配置非安全内存？ 该内存

查看更多 →

queue：表示作业在CCN排队中，包含全局内存排队和慢车道内存和并发排队，包含以下场景： 全局可用内存超过上限，进行全局内存队列排队。 资源池慢车道并发上限，即资源池并发超过active_statements上限。 资源池慢车道内存上限，即资源池并发作业估算内存超过mem_percent计算的上限。

查看更多 →

留时长为1个月。 磁盘容量(GB)：800G（注意磁盘容量是云 服务器 的容量，不是已使用的容量） 备份保留时长(天) ：30天 磁盘每日变化数据量(GB)：10G 则该公司购买的云服务器备份存储库大小可以通过公式进行估算： 存储库容量=(磁盘容量(GB) +备份保留时长(天)*磁盘

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 →

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 →

6226处理器（12C/24T） 内存：128G 硬盘：1.92TB SSD SATA 网络：1000M redis服务器 （推荐redis服务器单独部署，如果需和中间件服务器组合部署硬件不能低于两者的组合要求） CPU：英特尔® 至强® E-2224处理器（4C/4T） 内存：16G 硬盘： RAID5

查看更多 →