Nano Hash - криптовалюты, майнинг, программирование

Как найти процесс утечки памяти из аварийного дампа erlang?

У меня проблема, похожая на Изучение аварийных дампов Erlang - как учитывать всю память?, мое приложение аварийно завершилось с ошибкой eheap_alloc: Cannot allocate 34385784 bytes of memory (of type "old_heap"), и я не могу понять, какой процесс вызвал это.

Согласно вкладке «Память» в средстве просмотра аварийного дампа, используемый процесс составляет 2153 МБ, 4 но когда я суммирую все Memory: строки в erl_crash.dump (которые в байтах, см. guide), результат составляет всего около 285 МБ. Старая куча была бы еще 62 МБ, но я думаю, что это включено в Memory:. Откуда могло взяться остальное? Обычно приложение использует около 300 МБ памяти.

Также в верхней части файла дампа указано Calling Thread: scheduler:0, но никакой дополнительной информации об этом нет. Есть только записи для scheduler:1 и scheduler:2. Могут ли они быть вовлечены в это или другие процессы планировщика не связаны?

06.06.2019

  • Находится ли один из процессов в состоянии Garbing (сборка мусора)? В этом случае остальная информация для этого процесса ограничена в соответствии с руководством. 06.06.2019
  • Да, есть один процесс в состоянии Garbing, который также находится в состоянии dirty_cpu_scheduler:4. 06.06.2019

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..