问题剖析

StarRocks BE 5个节点忽然在几分钟内全副掉线。查找BE的be.out日志，输入如下：

tcmalloc: large alloc 1811947520 bytes == 0x77f9f0000 @  0x384f94f 0x39ce2dc 0x399646aterminate called after throwing an instance of 'std::bad_alloc'  what():  std::bad_alloc*** Aborted at 1641348199 (unix time) try "date -d @1641348199" if you are using GNU date ***PC: @     0x7fa8c7db4387 __GI_raise*** SIGABRT (@0x2ab9) received by PID 10937 (TID 0x7fa7f0658700) from PID 10937; stack trace: ***    @          0x2da5562 google::(anonymous namespace)::FailureSignalHandler()    @     0x7fa8c99cc630 (unknown)    @     0x7fa8c7db4387 __GI_raise    @     0x7fa8c7db5a78 __GI_abort    @          0x12e91ff _ZN9__gnu_cxx27__verbose_terminate_handlerEv.cold    @          0x391d6f6 __cxxabiv1::__terminate()    @          0x391d761 std::terminate()    @          0x391d8b5 __cxa_throw    @          0x12e80de _ZN12_GLOBAL__N_110handle_oomEPFPvS0_ES0_bb.cold    @          0x39ce27e tcmalloc::allocate_full_cpp_throw_oom()    @          0x399646a std::__cxx11::basic_string<>::_M_mutate()    @          0x3996e90 std::__cxx11::basic_string<>::_M_replace_aux()    @          0x1c5c4fd apache::thrift::protocol::TBinaryProtocolT<>::readStringBody<>()    @          0x1c5c6ac apache::thrift::protocol::TVirtualProtocol<>::readMessageBegin_virt()    @          0x1e3d3c9 apache::thrift::TDispatchProcessor::process()    @          0x2d91062 apache::thrift::server::TConnectedClient::run()    @          0x2d88d13 apache::thrift::server::TThreadedServer::TConnectedClientRunner::run()    @          0x2d8ab10 apache::thrift::concurrency::Thread::threadMain()    @          0x2d7c500 _ZNSt6thread11_State_implINS_8_InvokerISt5tupleIJPFvSt10shared_ptrIN6apache6thrift11concurrency6ThreadEEES8_EEEEE6_M_runEv    @          0x3998d40 execute_native_thread_routine    @     0x7fa8c99c4ea5 start_thread    @     0x7fa8c7e7c9fd __clone
剖析日志，关键词是：std::bad_alloc    显然是内存不够产生了雪崩效应，如果节点比拟多，可能不会都挂掉。BE是C++开发的，谬误解释参考：https://www.zhihu.com/question/24926411
operator new抛bad_alloc算是比较严重的资源问题了，因为无奈分配内存，对象无奈结构，必定不能依照原来的逻辑运行了，而且很可能连给你clean up的内存都不够。
在这种状况下，让程序挂掉是正确的做法...

解决思路

减少内存

最好的办法必定是减少内存。毕竟随着数据量减少，对内存应用必然会减少，可能就无奈应答忽然导入数据量增大的状况。

优化导入配置

在StarRocke以后版本(1.19)中有一个配置项：

mem_limit=80%    # BE能够应用的机器总内存的比例，如果是BE独自部署的话，不须要配置，如果是和其它占用内存比拟多的服务混合部署的话，要独自配置下load_process_max_memory_limit_bytes=107374182400    # 单节点上所有的导入线程占据的内存下限，100GBload_process_max_memory_limit_percent=80    # 单节点上所有的导入线程占据的内存下限比例，80%

能够通过设置这个选项限度内存占用。

其余内存优化参数能够查看：

https://docs.starrocks.com/zh...

设置内存调配参数

倡议把 cat /proc/sys/vm/overcommit_memory 设成 1。

echo 1 | sudo tee /proc/sys/vm/overcommit_memory

表优化

内存表：StarRocks反对把表数据全副缓存在内存中，用于减速查问，内存表适宜数据行数不多维度表的存储。

然而内存表在理论应用中优化并不欠缺，倡议临时先不应用内存表。

降级StarRocks

新版StarRocks(2.0)，对内存治理进行了优化，也能够肯定水平上解决问题：

  • 内存治理优化

    • 重构内存统计/管制框架，准确统计内存应用，彻底解决OOM
    • 优化元数据内存应用
    • 解决大内存开释长时间卡住执行线程的问题
    • 过程优雅退出机制，反对内存透露查看#1093
欢送关注微信公众号：数据架构摸索