mongodb 對內存的嚴重占用以及解決方法

　　剛開始使用mongodb的時候，不太注意mongodb的內存使用，但通過查資料發現mongodb對內存的占用是巨大的，在本地測試服務器中，8G的內存居然被占用了45%。汗呀。

　　本文就來剖析一下mongodb對內存的具體使用方法，以及生產環境針對mongodb占大量內存的問題的解決。

　　先看一個MongoDB服務器的top命令結果

　　shell> top -p $(pidof mongod)

　　Mem: 32872124k total, 30065320k used, 2806804k free, 245020k buffers

　　Swap: 2097144k total, 100k used, 2097044k free, 26482048k cached

　　VIRT RES SHR %MEM

　　1892g 21g 21g 69.6

　　或者 先top后，然后 shift+m 把當前進場按占用內存的多少排序。看看你的mongodb能占用多少內存。

　　先了解一下linux對內存的管理方式：

　　在Linux里(別的系統也差不多)，內存有物理內存和虛擬內存之說，物理內存是什么自然無需解釋，虛擬內存實際是物理內存的抽象，多數情況下，出于方便性的考慮，程序訪問的都是虛擬內存地址，然后操作系統會把它翻譯成物理內存地址。

　　很多人會把虛擬內存和Swap混為一談，實際上Swap只是虛擬內存引申出的一種技術而已：操作系統一旦物理內存不足，為了騰出內存空間存放新內容，就會把當前物理內存中的內容放到交換分區里，稍后用到的時候再取回來，需要注意的是，Swap的使用可能會帶來性能問題，偶爾為之無需緊張，糟糕的是物理內存和交換分區頻繁的發生數據交換，這被稱之為Swap顛簸，一旦發生這種情況，先要明確是什么原因造成的，如果是內存不足就好辦了，加內存就可以解決，不過有的時候即使內存充足也可能會出現這種問題，比如MySQL就有可能出現這樣的情況，解決方法是限制使用Swap：

　　shell> sysctl -w vm.swappiness=0

　　查看內存情況最常用的是free命令：

　　shell> free -m

　　total used free shared buffers cached

　　Mem: 32101 29377 2723 0 239 25880

　　-/+ buffers/cache: 3258 28842

　　Swap: 2047 0 2047

　　新手看到used一欄數值偏大，free一欄數值偏小，往往會認為內存要用光了。其實并非如此，之所以這樣是因為每當我們操作文件的時候，Linux都會盡可能的把文件緩存到內存里，這樣下次訪問的時候，就可以直接從內存中取結果，所以cached一欄的數值非常的大，不過不用擔心，這部分內存是可回收的，操作系統會按照LRU算法淘汰冷數據。除了cached，還有一個buffers，它和cached類似，也是可回收的，不過它的側重點在于緩解不同設備的操作速度不一致造成的阻塞，這里就不多做解釋了。

　　知道了原理，我們就可以推算出系統可用的內存是free + buffers + cached：

　　shell> echo "2723 + 239 + 25880" | bc -l

　　28842

　　至于系統實際使用的內存是used – buffers – cached：

　　shell> echo "29377 - 239 - 25880" | bc -l

　　3258

　　除了free命令，還可以使用sar命令：

　　shell> sar -r

　　kbmemfree kbmemused %memused kbbuffers kbcached

　　3224392 29647732 90.19 246116 26070160

　　3116324 29755800 90.52 245992 26157372

　　2959520 29912604 91.00 245556 26316396

　　2792248 30079876 91.51 245680 26485672

　　2718260 30153864 91.73 245684 26563540

　　shell> sar -W

　　pswpin/s pswpout/s

　　0.00 0.00

　　0.00 0.00

　　0.00 0.00

　　0.00 0.00

　　0.00 0.00

　　希望你沒有被%memused嚇到，如果不幸言中，請參考free命令的解釋。

   接著咱們分析一下mongodb是怎么使用內存的：

　　目前，MongoDB使用的是內存映射存儲引擎，它會把磁盤IO操作轉換成內存操作，如果是讀操作，內存中的數據起到緩存的作用，如果是寫操作，內存還可以把隨機的寫操作轉換成順序的寫操作，總之可以大幅度提升性能。MongoDB并不干涉內存管理工作，而是把這些工作留給操作系統的虛擬緩存管理器去處理，這樣的好處是簡化了MongoDB的工作，但壞處是你沒有方法很方便的控制MongoDB占多大內存，事實上MongoDB會占用所有能用的內存，所以最好不要把別的服務和MongoDB放一起。

　　有時候，即便MongoDB使用的是64位操作系統，也可能會遭遇臭名昭著的OOM問題，出現這種情況，多半是因為限制了虛擬內存的大小所致，可以這樣查看當前值：

　　shell> ulimit -a | grep 'virtual'

　　多數操作系統缺省都是把它設置成unlimited的，如果你的操作系統不是，可以這樣修改：

　　shell> ulimit -v unlimited

　　不過要注意的是，ulimit的使用是有上下文的，最好放在MongoDB的啟動腳本里。

　　有時候，出于某些原因，你可能想釋放掉MongoDB占用的內存，不過前面說了，內存管理工作是由虛擬內存管理器控制的，所以通常你只能通過重啟服務來釋放內存，你一定不齒于這樣的方法，幸好可以使用MongoDB內置的closeAllDatabases命令達到目的：

　　mongo> use admin

　　mongo> db.runCommand({closeAllDatabases:1})

　　另外，通過調整內核參數drop_caches也可以釋放緩存：

　　shell> sysctl -w vm.drop_caches=1

　　平時可以通過mongo命令行來監控MongoDB的內存使用情況，如下所示：

　　mongo> db.serverStatus().mem:

　　{

　　"resident" : 22346,

　　"virtual" : 1938524,

　　"mapped" : 962283

　　}

　　還可以通過mongostat命令來監控MongoDB的內存使用情況，如下所示：

　　shell> mongostat

　　mapped vsize res faults

　　940g 1893g 21.9g 0

　　940g 1893g 21.9g 0

　　940g 1893g 21.9g 0

　　940g 1893g 21.9g 0

　　940g 1893g 21.9g 0

　　其中內存相關字段的含義是：

　　mapped：映射到內存的數據大小

　　visze：占用的虛擬內存大小

　　res：實際使用的內存大小

　　注：如果操作不能再內存中完成，結果faults列的數值不會是0，視大小可能有性能問題。

　　在上面的結果中，vsize是mapped的兩倍，而mapped等于數據文件的大小，所以說vsize是數據文件的兩倍，之所以會這樣，是因為本例中，MongoDB開啟了journal，需要在內存里多映射一次數據文件，如果關閉journal，則vsize和mapped大致相當。

　　如果想驗證這一點，可以在開啟或關閉journal后，通過pmap命令來觀察文件映射情況：

　　shell> pmap $(pidof mongod)

　　到底MongoDB配備多大內存合適?寬泛點來說，×××，如果要確切點來說，這實際取決于你的數據及索引的大小，內存如果能夠裝下全部數據加索引是最佳情況，不過很多時候，數據都會比內存大，比如本文說涉及的MongoDB實例：

　　mongo> db.stats()

　　{

　　"dataSize" : 1004862191980,

　　"indexSize" : 1335929664

　　}

　　本例中索引只有1G多，內存完全能裝下，而數據文件則達到了1T，估計很難找到這么大內存，此時保證內存能裝下熱數據即可，至于熱數據有多少，這就是個比例問題了，取決于具體的應用。如此一來內存大小就明確了：內存 > 索引 + 熱數據。

　　根據以上的分析我們可以得出幾點結論：

　　1. mongodb 直接用操作系統的內存管理器來管理內存。而操作系統采用的是LRU算法淘汰冷數據。

　　2. mongodb可以用重啟服務、調整內核參數以及mongodb內部的語法去清理mongodb對內存的緩存。可能存在的問題是：這幾種清理方式都是全部清理，這樣的話mongodb的內存緩存就失效了。

　　3. mongodb 對內存的使用是可以被監控的，在生產環境中要定時的去監控這些數據。

　　4. mongodb 對內存這種占用方式使其盡量的和其他占用內存的業務分開部署，例如memcahe，sphinx，mysql等。

　　5. 操作系統中的交換分區swap 如果操作頻繁的話，會嚴重降低系統效率。要解決可以禁用交換分區，以及增加內存以及做分布式。

　　6. 生產環境中mongodb所在的主機應該盡量的大內存。