首页
/ Milvus中JsonKeyStats功能的内存优化实践

Milvus中JsonKeyStats功能的内存优化实践

2025-05-04 17:33:21作者:郁楠烈Hubert

背景介绍

在Milvus 2.5版本中,当启用JsonKeyStats功能时,系统在进行并发数据插入操作时可能会出现内存溢出(OOM)问题,导致delegator组件被强制终止。这个问题主要发生在高并发写入场景下,特别是当系统配置了多个JSON字段时。

问题分析

内存增长机制

通过监控数据可以观察到,当启用JsonKeyStats功能时,系统内存呈现持续增长趋势。这主要是因为:

  1. 每个JSON字段都会生成对应的统计信息索引
  2. 在并发写入场景下,系统会创建大量"growing segment"(增长中的段)
  3. 原有的实现将排序统计和JSON键统计合并为一个任务处理

关键发现

技术团队通过对比测试发现:

  • 禁用JsonKeyStats时,系统内存使用保持稳定
  • 启用该功能后,内存使用会随着时间推移持续增长
  • 当内存达到容器限制时,delegator组件会被OOM Killer终止

解决方案

任务拆分优化

核心优化措施是将排序统计和JSON键统计任务分离:

  1. 将原先合并处理的两个统计任务解耦
  2. 使它们能够独立执行,互不阻塞
  3. 减少任务间的依赖关系

内存管理建议

对于内存资源有限的部署环境,建议:

  1. 评估是否必须启用JsonKeyStats功能
  2. 如果内存资源紧张,可考虑禁用该功能
  3. 适当增加delegator组件的内存配额

后续优化方向

虽然任务拆分解决了主要问题,但团队仍在探索更深层次的优化:

  1. 改进JSON统计索引的构建效率
  2. 研究更高效的内存使用模式
  3. 优化统计任务的并发处理机制

实践建议

对于使用Milvus的开发者和运维人员:

  1. 在高并发写入场景下谨慎启用JsonKeyStats
  2. 密切监控系统内存使用情况
  3. 根据实际业务需求权衡功能启用与资源消耗
  4. 保持系统版本更新以获取最新优化

通过以上分析和优化,Milvus团队有效解决了JsonKeyStats功能在高并发场景下的内存问题,为大规模JSON数据处理提供了更稳定的支持。

登录后查看全文
热门项目推荐
相关项目推荐

热门内容推荐

最新内容推荐

项目优选

收起
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
152
1.97 K
kernelkernel
deepin linux kernel
C
22
6
ops-mathops-math
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
426
34
communitycommunity
本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
239
9
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
145
190
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
988
394
nop-entropynop-entropy
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
193
274
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
936
554
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Python
75
69