在高并发服务器场景中，内存管理直接决定服务器的稳定性与响应能力。本篇文章围绕 Linux 内存优化技巧分享，涵盖从监控到调优的实战方法，帮助运维和开发人员提升稳定性。监控为先，调优跟进。
1. 监控现状：掌握内存使用全景
1.1 关键指标概览
在Linux系统上，内存状态由 MemTotal、MemFree、Buffers、Cached、SReclaimable、SwapTotal、SwapFree 等字段构成。MemAvailable 表示在不引发 OOM 的情况下，操作系统还能释放的可用内存量，通常比单纯的 MemFree 更能反映真实可用性。
当你分析内存压力时，优先观察 /proc/meminfo 的实时数据，以及 grep -E '^Mem|^Swap|^Cached|^Buffers|^SReclaimable' /proc/meminfo 的统计项。
cat /proc/meminfo | head -n 15
1.2 常用监控工具与数据源
常用监控工具包括 free、vmstat、top/htop、sar、以及专门的 APM/Prometheus 端点等。通过这些工具可以获取内存使用的趋势、页面缓存的变化、以及交换空间的使用情况。
在敏感期，设定告警阈值（如内存使用超过 80% 的时间超过 5 分钟）有助于提前反应。
free -h
vmstat 1 5
sar -r 1 10
1.3 持续监控的数据源与告警策略
持续监控依赖数据源的稳定性。Prometheus + node_exporter 是常见组合，能够把内存指标标准化，便于告警。
告警策略应覆盖峰值内存、swap、以及 OOM 情况的触发条件。
# 以 Prometheus 使用 node_exporter 收集内存相关指标
# 通过 Alertmanager 配置告警规则，如：内存使用率 > 85% 且持续 10 分钟
2. 调整策略：内存分配与页缓存的优化
2.1 系统参数调优的思路
内核内存分配策略包括对 overcommit、swap、以及 page cache 的管理。调整这些参数可以在高吞吐和低延迟之间取得平衡。
常用参数包括 vm.swappiness、vm.vfs_cache_pressure、vm.overcommit_memory、以及 vm.min_free_kbytes（有些发行版以不同名称暴露）。
# 降低交换倾向，适用于内存充裕场景
sysctl -w vm.swappiness=10# 调整目录项缓存压力
sysctl -w vm.vfs_cache_pressure=100# 设置内存是否允许过度分配（0=尝试）或 1=严格
sysctl -w vm.overcommit_memory=1# 将改动永久化
echo "vm.swappiness=10" >> /etc/sysctl.conf
echo "vm.vfs_cache_pressure=100" >> /etc/sysctl.conf
echo "vm.overcommit_memory=1" >> /etc/sysctl.conf
2.2 页缓存与应用内存的协调
在高读写场景下，页缓存（Cache）可以显著提升 I/O 性能，但也可能掩盖真实的 RAM 使用情况。适度释放页缓存对稳定性有帮助，避免内存长期占满。
对数据库或内存密集型应用，可以考虑为它们分配专用内存区域，避免与系统缓存竞争。
# 清理页面缓存（谨慎使用，通常由内核自我管理）
sync; echo 3 > /proc/sys/vm/drop_caches# 强制释放 slab 缓存（谨慎使用）
echo 2 > /proc/sys/vm/drop_caches
3. 进阶调优：从内核参数到容器/虚拟化的内存管理
3.1 OOM 策略与内核崩溃保护
当系统内存不足时，OOM Killer 会选取进程结束以释放内存。通过调整 oom_score_adj、页面级别的优先级，可以抑制对关键进程的打击。
也可以通过改变系统全局策略，例如对 vm.overcommit_memory 的取值进行微调，结合业务可用内存容量进行容量规划。
# 将某些高优先级进程的 OOM 影响降到最低
echo -1000 > /proc//oom_score_adj# 全局禁用 OOM 时系统自动回收
sysctl -w vm.overcommit_memory=2
3.2 容器与虚拟化中的内存隔离
在 Docker、Kubernetes、或虚拟化环境中，内存隔离变得尤为重要。通过 cgroups 的 memory.limit_in_bytes 和 memory.memsw.limit_in_bytes，可以确保单个容器不会吞噬所有主机内存。
此外，容器编排平台通常提供资源请求和限制的机制，用于容量规划与弹性伸缩。
# Docker 容器内存上限（示例）
docker run --memory="4g" --memory-swap="4g" myimage# Kubernetes 资源限制示例
apiVersion: v1
kind: Pod
spec:containers:- name: appimage: myimageresources:limits:memory: "4Gi"requests:memory: "2Gi"
3.3 持续监控与容量规划
持续的容量规划需要将监控数据转化为趋势分析。使用 Prometheus、Grafana 等工具，可以绘制内存使用的时序图，辅助容量预测。
在容量滚动中，扩容策略与缓存命中率也需要同步评估，以避免阶段性瓶颈。
# Prometheus 配置片段（示例，仅示意）
# 配置 node_exporter 指标源，并设置内存相关告警
