。因此使用的总内存可能是work_mem的好几倍。 参数类型：USERSET 取值范围：整型，64~INT_MAX，单位为KB。 默认值：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）。 设置建议：

查看更多 →

32MB（196核CPU/1536G内存，128核CPU/1024G内存，104核CPU/1024G内存，96核CPU/1024G内存，96核CPU/768G内存，80核CPU/640G内存）；16MB（72核CPU/576G内存，64核CPU/512G内存，60核CPU/480G内存，32核CPU/

查看更多 →

xml文件，修改以下红色文字的端口号。 图4 修改端口号 jvm内存过低 这类原因一般可以在tomcat/logs/catalina.out启动日志中看到明显的报错提示。 图5 报错提示2 解决方案：调整分配给永洪jvm的内存 用文本编辑器打开Yonghong\tomcat\bin下有个catlina

查看更多 →

dfs -rm -r 文件或目录路径命令，确认删除无用的文件。 检查本告警是否恢复。 是，处理完毕。 否，执行4。 查看DataNode JVM内存使用情况和当前配置。 在 FusionInsight Manager首页，选择“集群 > 待操作集群的名称 > 服务 > HDFS”。 在

查看更多 →

level1：动态内存使用超过最大动态内存的90%后，会记录以下信息，并将记录的内存信息保存在$GAUSS LOG /mem_log目录下。 全局内存概况。 instance，session，thread三种类型的所有内存上下文中内存占用前20的内存上下文的内存使用情况。 每个内存上下文的totalsize、freesize字段。

查看更多 →

8MB（196核CPU/1536G内存，128核CPU/1024G内存，104核CPU/1024G内存，96核CPU/1024G内存，96核CPU/768G内存，80核CPU/640G内存，64核CPU/512G内存，60核CPU/480G内存，32核CPU/256G内存，16核CPU/128G内存，8核C

查看更多 →

超时等待状态线程数量。 内存 非堆内存的使用 非堆内存的使用大小。 堆内存使用 堆内存使用的大小。 直接内存使用 直接内存使用大小。 类加载 已加载类数量 类加载器已加载类数量。 总加载类数量 类加载器总加载类数量。 卸载类数量 类加载器卸载类数量。 内存池 可使用内存 当前可使用的内存大小。 初始化内存

查看更多 →

2019-3-6 全链路拓扑功能增强，完善服务、实例的指标数据，展示拓扑详情。 2018-12-26 JVM内存和线程指标监控，图表展示JVM堆内存和非堆内存，以及线程状态指标，可以快速发现内存泄漏、线程挂死等异常。 调用链方法参数采集，在事务异常时，通过方法追踪配置采集入参和出参值，快速定位问题根因。

查看更多 →

spark-env Type ENV类型。 spark Driver Memory Driver内存大小，单位默认为GB。 1GB Executor Memory 每个Executor进程的内存 ，和JVM内存串拥有相同的格式，单位默认为GB。 1GB Executor Cores 每个Executor所占用的CPU核的数目。

查看更多 →

Producer使用建议 同步复制客户端需要配合使用：acks=-1 配置发送失败重试：retries=3 发送优化：linger.ms=0 生产端的JVM内存要足够，避免内存不足导致发送阻塞 Topic使用建议 配置要求：推荐3副本。 单Topic最大分区数建议为20。 Topic副本数为3（当前版本限制，不可调整）。

查看更多 →

8GB 单个Worker节点使用的内存大小 * 0.8。 Worker JVM进程最大可用内存。 worker.jvm.config query.max-memory-per-node 5GB Worker JVM * 0.7。 Query单节点最大可用内存。 worker.config

查看更多 →

ResourceManager堆内存使用率超过阈值 告警解释 系统每30秒周期性检测Yarn ResourceManager堆内存使用率，并把实际的Yarn ResourceManager堆内存使用率和阈值相比较。当Yarn ResourceManager堆内存使用率超出阈值（默认为最大堆内存的95%）时产生该告警。

查看更多 →

--容器相关的属性--> <container> <!--jvm内存参数--> <jvmFlags>

查看更多 →

发送优化：对于时延敏感的信息，设置linger.ms=0。对于时延不敏感的信息，设置linger.ms在100~1000之间。 生产端的JVM内存要足够，避免内存不足导致发送阻塞。 时间戳设置为与当地时间一致，避免时间戳为未来时间导致消息无法老化。 Topic使用建议 配置要求：推荐3副本

查看更多 →

Elasticsearch集群平均已用内存比例达到98% 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Luce

查看更多 →

ResourceManager非堆内存使用率过高，会影响Yarn任务提交和运行的性能，甚至造成内存溢出导致Yarn服务不可用。 可能原因 该节点Yarn ResourceManager实例非堆内存使用量过大，或分配的非堆内存不合理，导致使用量超过阈值。 处理步骤 检查非堆内存使用量。 在FusionInsight

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 →

配置“高级配置”参数，参数配置请参考表4。 表4 高级配置参数说明 参数 描述 取值样例 查询内存占比 节点查询内存占jvm内存的比例，默认值0.7。当参数等于0时计算功能关闭，且JVM配置中-Xmx值需满足大于或者等于Coordinator或者Worker配置的memory.h

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 →

可能是由于集群节点较多时，NodeManager数据增加，但是未修改实例的内存，导致ResourceManager进程的垃圾回收时间过长，影响ResourceManager进程正常提供服务，在访问YARN的原生界面时异常。 此时建议修改实例的内存。 处理步骤 登录FusionInsight Manager，选择“集群

查看更多 →

tunnel进程异常？ 安装了ICAgent和java探针后，拓扑图不显示，没有数据，如何排查？ JVM监控界面线程监控处为何没有tomcat线程指标？ JVM监控界面内存监控中，为何最大内存比分配内存小？ 如何判断CCE中是否已经绑定了ICAgent？

查看更多 →