Nano Hash - криптовалюты, майнинг, программирование

PostgreSQL не использует доступную оперативную память автоматически для запросов, интенсивно использующих память.

Я запускаю приложение базы данных в Linux (ubuntu), используя PostgreSQL. Приложение очень интенсивно использует память, поэтому я выделил серверу базы данных 64 ГБ ОЗУ (и 8 ядер ЦП). Похоже, что Postgres не определяет и не использует доступную оперативную память автоматически, а запросы приложения выполняются очень медленно. Например, top говорит:

PID   USER      PR  NI  VIRT  RES  SHR S %CPU %MEM    TIME+  COMMAND
5958 postgres  20   0 16.5g  70m  66m R   99  0.1   8:00.83  postgres
4233 postgres  20   0     0    0    0 R    8  0.0   0:00.04  postgres
789  postgres  20   0 16.5g 408m 407m S    2  0.6   0:32.15  postgres 
4221 root      20   0 17336 1292  952 R    2  0.0   0:00.01  top     
1    root      20   0 24348 2232 1340 S    0  0.0   0:01.59  init

Я попытался увеличить ограничения на стороне ядра для сегментов общей памяти SysV через /etc/sysctl.conf...

kernel.shmmax=34359738368
kernel.shmall=2147483648

... но это не имело никакого эффекта, даже после перезагрузки. Что мне попробовать дальше?

linux postgresql database-performance
06.08.2014

  • Это вопрос ServerFault или dba.stackexchange.com. Я считаю, что вам нужно настроить ручки использования памяти для самого postgres, см. postgresql.org/docs/9.3/static/runtime-config-resource.html для инструкций 06.08.2014
  • Кроме того, я пересмотрел ваш вопрос, чтобы было понятнее, о чем вы спрашиваете. 06.08.2014
  • Как вы думаете, почему использование большего объема оперативной памяти было бы полезным? Ваш список top, кажется, не поддерживает это предположение. 07.08.2014

Ответы:


1

Существует множество команд настройки, которые вы можете применить к экземпляру postgres, чтобы попытаться лучше использовать имеющиеся у вас спецификации, вы даже можете изменить поведение определенных переменных производительности с помощью ALTER DATABASE, если хотите выделить специальные ресурсы для некоторые специальные базы данных.

Я рекомендую вам прочитать http://www.postgresql.org/docs/9.3/static/runtime-config-resource.html и просто начните пробовать, какие значения повышают вашу производительность.

06.08.2014
Новые материалы
Кластеризация: более глубокий взгляд
Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..
Как написать эффективное резюме
Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..
Частный метод Python: улучшение инкапсуляции и безопасности
Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..
Как я автоматизирую тестирование с помощью Jest
Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..
Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..
Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..
Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..