内存爆灯

最近产品在韩国上线了，上线后的第一个周末，人数最多的一服内存爆了，被OOM杀掉宕机了，很郁闷

 

机器用的4核16G，aws的实例。周四开服后，每天零点左右的在线人数峰值，内存都超过了80%的告警线。但是运营方不希望停机，于是采取了定时通过GM指令调用gc，15分钟回收一次内存，希望撑过峰值。到了周六晚，白天加班回到家，有点松懈了，就没再盯着内存曲线看，结果一不留神就爆了。。。峰值从78%飙升到91%，只用了7分钟，定时gc没赶上，就这样挂了

 

按之前内网的压测结果，支撑3300人同时在线是没问题的。现在回头看，这个性能指标没有考虑到玩家获得大量武将、装备的情况。初级玩家3300人是没问题的，但是上升到一定级别的玩家，就不好说了。国服上线没有问题，是因为国服求稳，开服前先将内存升到32G，一周后再降配，外服直接上16G，是有点大意了。

 

另一个是代码的问题。之前有几个服务用于缓存角色数据，避免重复从数据库里存取。后来分析了一下，这个缓存实在没什么用，玩家角色基本只会上线时自己读一次，以后写数据也是直写到数据库里的。还有一个比较意外的，是有个服务需要读玩家的基本角色信息，以及封禁信息。但是，当时写的同事大意了，直接将整个玩家数据查了出来，还缓存在服务里了。这两块优化了以后，实测内存降了几G……

 

 

然后是GC的问题。Lua 5.3取消了分代GC，要等lua vm遍历完所有对象后，才开始释放。当对象的数量特别多的时候，gc就需要比较长的时间来mark完。另外，Lua的GC感觉比较惰性，看了下lvm.c的代码，在新建table、concat一个table、创建一个闭包的时候，才会跑一个step。至于跑多少个step可以完成一次完整的gc呢？不确定……然后有两个服务，占用内存比较多，也没有显式的调gc，所以回收比较慢。

 

除了GC，按Skynet社区的经验贴，jemalloc的参数也可以调优下，增加后台进程，积极回收没使用的内存。同时，释放的内存和分配后剩余的内存，都改成立即回收。