如果 BE 进程 Crash 后 log/be.out 中没有报错信息，执行 dmesg -T 如果看到下面的日志，说明触发了 OOM Killer，可见 20240718 15:03:59 时 pid 为 360303 的 doris_be 进程物理内存（anon-rss）约 60 GB。

  1. [Thu Jul 18 15:03:59 2024] Out of memory: Killed process 360303 (doris_be) total-vm:213416916kB, anon-rss:62273128kB, file-rss:0kB, shmem-rss:0kB, UID:0 pgtables:337048kB oom_score_adj:0

理想情况下，Doris 会定时检测操作系统剩余可用内存，并在内存不足时采取包括阻止后续内存申请、触发内存 GC 在内的一系列操作来避免触发 OOM Killer，但刷新内存状态和内存 GC 都具有一定的滞后性，并且很难完全 Catch 所有大内存申请，在集群压力过大时仍有一定几率触发 OOM Killer，导致 BE 进程 Crash。此外如果进程内存状态异常，导致内存 GC 无法释放内存，导致进程实际可用内存减少，这将加剧集群的内存压力。

如果不幸触发了 OOM Killer，首先依据日志分析 BE 进程触发 OOM Killer 前的内存状态和任务执行情况，然后针对性调参让集群恢复稳定。

找到触发 OOM Killer 时间点前的内存日志

触发 OOM Killer 时意味着进程可用内存不足，参考 内存日志分析 在 be/log/be.INFO 触发 OOM Killer 时间点自下而上找到最后一次打印的 Memory Tracker Summary 关键词并分析 BE 进程的主要内存位置。

less be/log/be.INFO 打开文件后，首先跳转到触发 OOM Killer 对应时间的日志，以上面 dmesg -T 的结果为例，输入 /20240718 15:03:59 后回车搜索对应时间，如果搜不到，可能是触发 OOM Killer 的时间有些偏差，可以搜索 /20240718 15:03:。 日志跳转到对应时间后，输入 /Memory Tracker Summary 后回车搜素关键词，默认会在日志向下搜索，如果搜索不到或时间对应不上，需要 shift + n 先上搜索，找到最后一次打印的 Memory Tracker Summary 以及同时打印的 Process Memory Summary 内存日志。

集群内存压力过大导致触发 OOM Killer

若满足如下现象，那么可以认为是集群内存压力过大，导致在某一时刻进程内存状态没有及时刷新，内存 GC 没能及时释放内存，导致没能有效控制 BE 进程内存。

Doris 2.1 之前 Memory GC 还不完善，内存持续紧张时往往更容易触发 OOM Killer。

  • 对 Memory Tracker Summary 的分析发现查询和其他任务、各个Cache、元数据等内存使用都合理。

  • 对应时间段的 BE 进程内存监控显示长时间维持在较高的内存使用率，不存在内存泄漏的迹象

  • 定位 be/log/be.INFO 中 OOM Killer 时间点前的内存日志，自下而上搜索 GC 关键字，发现 BE 进程频繁执行内存 GC。

此时参考 BE 配置项 在be/conf/be.conf中调小mem_limit，调大 max_sys_mem_available_low_water_mark_bytes，有关内存限制和水位线计算方法、内存 GC 的更多介绍见 内存控制策略。

此外还可以调节其他参数控制内存状态刷新和 GC，包括 memory_gc_sleep_time_ms，soft_mem_limit_frac，memory_maintenance_sleep_time_ms，process_minor_gc_size，process_full_gc_size，enable_query_memory_overcommit，thread_wait_gc_max_milliseconds 等。

一些异常问题导致触发 OOM Killer

若不满足集群内存压力过大的现象，那么可能此时内存状态异常，内存 GC 可能无法及时释放内存，下面列举一些常见的导致触发 OOM Killer 的异常问题。

Memory Tracker 统计缺失

若日志 Memory Tracker Summary 中 Label=process resident memory Memory Tracker 减去 Label=sum of all trackers Memory Tracker 差值较大，或者 Orphan Memory Tracker 值过大，说明 Memory Tracker 存在统计缺失，参考 内存跟踪器 中 [Memory Tracker 统计缺失] 章节进一步分析。

Query Cancel 过程中卡住

再 be/log/be.INFO 日志中定位到 OOM Killer 的时间点，然后在上下文搜索 Memory Tracker Summary 找到进程内存统计日志，若 Memory Tracker Summary 中存在使用内存较大的 Query。执行 grep {queryID} be/log/be.INFO 确认是否有 Cancel 关键词的日志，对应时间点就是 Query 被 Cancel 的时间，若该 Query 已经被 Cancel，且 Query 被 Cancel 的时间点和触发 OOM Killer 的时间点相隔较久，参考 内存问题 FAQ 中对 [Query Cancel 过程中卡住] 的分析。有关 Memory Tracker Summary 的分析参考 内存日志分析。

Jemalloc Metadata 内存占用大

内存 GC 目前无法释放 Jemalloc Metadata，参考 内存跟踪器 中对 Label=tc/jemalloc_metadata Memory Tracker 的分析，减少内存使用。

Jemalloc Cache 内存占用大

常见于 Doris 2.0

Doris 2.0 be.conf 中 JEMALLOC_CONF 的 lg_tcache_max 默认值是 20，这在某些场景会导致 Jemalloc Cache 太大且无法自动释放，参考 Jemalloc 内存分析 减少 Jemalloc Cache 内存占用。