- name
- system-memory-inspector
- description
- >
- license
- MIT
- compatibility
- >
- metadata
- author
- SRE-Team
- version
- 1.0.0
- category
- inspection
- tags
- [system, memory, inspection, all-processes, trend-analysis]
系统内存泄漏巡检技能
核心逻辑
定时扫描所有进程 RSS → 持久化存储 → 跨时间对比 → 识别增长异常进程 → 输出排查清单巡检流程
1. 数据整理
扫描 /proc/<pid>/status 获取所有进程：
- PID、进程名、RSS、VmSize、线程数、运行时间
2. 数据存储
按时间戳存储快照：
/var/log/memory-inspector/
├── 20240115_090000.snapshot # 完整快照
├── 20240115_090500.snapshot
└── trending/
├── java-app.dat # 单个进程历史趋势
├── python-worker.dat
└── ...3. 分析算法
进程级增长检测
对每个进程:
读取最近N次RSS记录 → 计算增长率 → 标记异常等级系统级健康评分
系统评分 = 100 - Σ(异常进程权重)
确认泄漏进程: -20分/个
疑似泄漏进程: -10分/个
高内存进程: -5分/个 (>1GB且持续增长)4. 输出报告
包含内容:
- 系统内存概况: 总内存、已用、缓存、可用
- TOP 内存进程: 当前占用最高的进程
- 增长异常进程: 疑似/确认泄漏的进程清单
- 排查思路: 针对异常进程的排查建议
使用方式
# 手动执行一次巡检
./system-memory-scan.sh
# 定时巡检 (crontab 每5分钟)
*/5 * * * * /path/to/system-memory-scan.sh >> /var/log/memory-inspector/cron.log 2>&1
# 查看最新报告
cat /var/log/memory-inspector/latest-report.txt输出示例
========== 系统内存巡检报告 ==========
巡检时间: 2024-01-15 09:15:00
系统评分: 75/100 (良好)
【系统概况】
总内存: 32GB | 已用: 24GB(75%) | 可用: 6GB | 缓存: 2GB
【TOP 10 内存进程】
PID 进程名 RSS(MB) 运行时间 状态
1234 java-app 8192 3d12h 正常
5678 python-worker 4096 5d08h 疑似泄漏 ⚠️
9012 nginx 512 10d00h 正常
...
【增长异常进程】
⚠️ 疑似泄漏 (增长率 30-100MB/h):
PID 5678 python-worker
当前RSS: 4096MB (5分钟前: 3950MB)
增长率: 55MB/h
趋势: 近1小时持续增长
建议: 关注业务负载，准备生成堆内存分析
🚨 确认泄漏 (增长率 >100MB/h):
PID 3456 node-server
当前RSS: 2048MB (5分钟前: 1800MB)
增长率: 150MB/h
趋势: 近30分钟加速增长
建议: 立即排查，考虑重启止损
【排查思路】
1. 对于 python-worker (PID 5678):
- 检查是否有未关闭的数据库连接
- 查看日志是否有任务积压
- 使用 `tracemalloc` 生成内存快照对比
2. 对于 node-server (PID 3456):
- 检查是否有未释放的 Buffer/Stream
- 查看事件监听器是否累积
- 使用 Chrome DevTools 生成 heap snapshot
3. 系统级建议:
- 当前系统内存使用率75%，建议清理缓存或扩容
- 2个进程存在泄漏风险，建议1小时内处理核心算法
进程增长率计算
# 读取进程历史 (最近6个采样点)
history=$(tail -6 /var/log/memory-inspector/trending/${pid}.dat)
# 计算线性斜率 (简化: 首尾差分 / 时间跨度)
growth_rate=$(( (current - old) * 3600 / time_span_seconds )) # MB/h异常等级判定
| 增长率 | 等级 | 动作 |
|---|---|---|
| < 10 MB/h | 正常 | 记录即可 |
| 10-50 MB/h | 关注 | 标记，增加采样频率 |
| 50-100 MB/h | 疑似泄漏 | 输出告警，建议排查 |
| > 100 MB/h | 确认泄漏 | 紧急告警，建议立即处理 |
降噪处理
- 过滤短时进程 (< 5分钟，可能是临时命令)
- 过滤系统进程 (kernel、kthreadd 等)
- 过滤已知大内存应用 (如 redis 缓存服务，看配置而非增长)
---
## scripts/system-memory-scan.sh
#!/bin/bash #
系统级内存巡检脚本
功能: 扫描所有进程，分析内存增长趋势，生成排查报告
#
set -e
配置
INSPECTOR_DIR="/var/log/memory-inspector" SNAPSHOT_DIR="$INSPECTOR_DIR" TREND_DIR="$INSPECTOR_DIR/trending" REPORT_FILE="$INSPECTOR_DIR/latest-report.txt" MAX_HISTORY=10 # 保留最近10个快照 SAMPLE_INTERVAL=300 # 默认采样间隔5分钟(用于计算增长率)
阈值 (MB/h)
THRESHOLD_NORMAL=10 THRESHOLD_ATTENTION=50 THRESHOLD_SUSPECT=100 THRESHOLD_CONFIRM=100
初始化目录
mkdir -p "$SNAPSHOT_DIR" "$TREND_DIR"
当前时间
TIMESTAMP=$(date '+%Y-%m-%d %H:%M:%S') DATE_STR=$(date '+%Y%m%d_%H%M%S')
==================== 1. 整理所有进程数据 ====================
collect_snapshot() { local snapshot_file="$SNAPSHOT_DIR/${DATE_STR}.snapshot"
# 整理: PID, 进程名, RSS(MB), VmSize(MB), 运行时间(秒), 命令行 echo "# 系统内存快照 $TIMESTAMP" > "$snapshot_file" echo "# PID|NAME|RSS|VSZ|TIME|CMD" >> "$snapshot_file"
for pid_dir in /proc/[0-9]*; do pid=$(basename "$pid_dir")
# 跳过已消失进程 [ -f "$pid_dir/status" ] || continue
# 读取数据 name=$(grep ^Name: "$pid_dir/status" 2>/dev/null | awk '{print $2}' || echo "unknown") rss=$(grep ^VmRSS: "$pid_dir/status" 2>/dev/null | awk '{print $2}' || echo "0") # KB vsz=$(grep ^VmSize: "$pid_dir/status" 2>/dev/null | awk '{print $2}' || echo "0") # KB
# 转换为MB rss_mb=$((rss / 1024)) vsz_mb=$((vsz / 1024))
# 运行时间 (从/proc/uptime - /proc/[pid]/stat 计算，简化用ps) # 这里用etime的秒数近似 etime=$(ps -p "$pid" -o etimes= 2>/dev/null | tr -d ' ' || echo "0")
# 命令行 (截断) cmd=$(cat "$pid_dir/cmdline" 2>/dev/null | tr '\0' ' ' | cut -c1-50 || echo "[kernel]") [ -z "$cmd" ] && cmd="[$name]"
# 过滤系统进程和短时进程 [ "$etime" -lt 300 ] && continue # 跳过运行<5分钟的进程 [[ "$name" == "kthreadd" || "$name" == "migration" || "$name" == "watchdog" ]] && continue
echo "$pid|$name|$rss_mb|$vsz_mb|$etime|$cmd" >> "$snapshot_file" done
echo "$snapshot_file" }
==================== 2. 更新进程趋势数据 ====================
update_trends() { local snapshot_file=$1
# 读取当前快照中的所有进程 tail -n +3 "$snapshot_file" | while IFS='|' read -r pid name rss vsz etime cmd; do trend_file="$TREND_DIR/${pid}.dat"
# 格式: 时间戳 RSS echo "$(date +%s) $rss" >> "$trend_file"
# 只保留最近20个样本 (约100分钟历史) tail -n 20 "$trend_file" > "${trend_file}.tmp" && mv "${trend_file}.tmp" "$trend_file" done }
==================== 3. 分析增长率 ====================
calculate_growth_rate() { local pid=$1 local trend_file="$TREND_DIR/${pid}.dat"
[ -f "$trend_file" ] || return
local line_count=$(wc -l < "$trend_file") [ "$line_count" -lt 3 ] && return # 需要至少3个点
# 读取首尾计算斜率 (简化算法) local first=$(head -1 "$trend_file") local last=$(tail -1 "$trend_file")
local first_time=$(echo "$first" | awk '{print $1}') local first_rss=$(echo "$first" | awk '{print $2}') local last_time=$(echo "$last" | awk '{print $1}') local last_rss=$(echo "$last" | awk '{print $2}')
local time_diff=$((last_time - first_time)) [ "$time_diff" -lt 60 ] && return # 时间跨度太小
local rss_diff=$((last_rss - first_rss))
# 计算 MB/h local rate=$(( rss_diff * 3600 / time_diff ))
# 只返回正增长 [ "$rate" -gt 0 ] && echo "$rate" || echo "0" }
==================== 4. 生成报告 ====================
generate_report() { local snapshot_file=$1 local report="$REPORT_FILE"
# 系统内存信息 local mem_total=$(grep MemTotal /proc/meminfo | awk '{print $2}') local mem_available=$(grep MemAvailable /proc/meminfo | awk '{print $2}') local mem_used=$((mem_total - mem_available)) local mem_percent=$((mem_used * 100 / mem_total))
mem_total_gb=$((mem_total / 1024 / 1024)) mem_used_gb=$((mem_used / 1024 / 1024)) mem_avail_gb=$((mem_available / 1024 / 1024))
# 系统评分计算 local score=100 local confirm_count=0 local suspect_count=0
# 收集异常进程信息 local confirm_list="" local suspect_list="" local attention_list=""
# 处理每个进程 while IFS='|' read -r pid name rss vsz etime cmd; do [ -z "$pid" ] && continue
rate=$(calculate_growth_rate "$pid" || echo "0")
# 判定等级 if [ "$rate" -ge "$THRESHOLD_CONFIRM" ]; then confirm_list="${confirm_list}${pid}|${name}|${rss}|${rate}|${cmd}\ " ((score-=20)) ((confirm_count++)) elif [ "$rate" -ge "$THRESHOLD_SUSPECT" ]; then suspect_list="${suspect_list}${pid}|${name}|${rss}|${rate}|${cmd}\ " ((score-=10)) ((suspect_count++)) elif [ "$rate" -ge "$THRESHOLD_ATTENTION" ]; then attention_list="${attention_list}${pid}|${name}|${rss}|${rate}|${cmd}\ " ((score-=5)) fi done < <(tail -n +3 "$snapshot_file")
# 确保分数不为负 [ "$score" -lt 0 ] && score=0
# 写入报告 { echo "========== 系统内存巡检报告 ==========" echo "巡检时间: $TIMESTAMP" echo "系统评分: ${score}/100 ($(get_score_desc $score))" echo "" echo "【系统概况】" echo "总内存: ${mem_total_gb}GB | 已用: ${mem_used_gb}GB(${mem_percent}%) | 可用: ${mem_avail_gb}GB" echo ""
echo "【TOP 10 内存进程】" echo "PID 进程名 RSS(MB) 增长率(MB/h) 状态" echo "------ ------------------- --------- ------------- --------"
# 排序输出TOP10 tail -n +3 "$snapshot_file" | sort -t'|' -k3 -nr | head -10 | while IFS='|' read -r pid name rss vsz etime cmd; do rate=$(calculate_growth_rate "$pid" || echo "0") status=$(get_status_label "$rate") printf "%-6s %-19s %-9s %-13s %s\ " "$pid" "$name" "$rss" "${rate}" "$status" done
echo "" echo "【增长异常进程】" echo ""
# 确认泄漏 if [ -n "$confirm_list" ] && [ "$confirm_list" != "\ " ]; then echo "🚨 确认泄漏 (增长率 >${THRESHOLD_CONFIRM}MB/h):" echo "$confirm_list" | grep -v '^$' | while IFS='|' read -r pid name rss rate cmd; do echo " PID $pid $name" echo " 当前RSS: ${rss}MB | 增长率: ${rate}MB/h" echo " 命令: $cmd" echo " 建议: 立即排查，考虑重启止损，生成内存dump分析" echo "" done fi
# 疑似泄漏 if [ -n "$suspect_list" ] && [ "$suspect_list" != "\ " ]; then echo "⚠️ 疑似泄漏 (增长率 ${THRESHOLD_SUSPECT}-${THRESHOLD_CONFIRM}MB/h):" echo "$suspect_list" | grep -v '^$' | while IFS='|' read -r pid name rss rate cmd; do echo " PID $pid $name" echo " 当前RSS: ${rss}MB | 增长率: ${rate}MB/h" echo " 命令: $cmd" echo " 建议: 关注业务负载，准备生成堆内存分析，检查近期变更" echo "" done fi
# 关注级别 if [ -n "$attention_list" ] && [ "$attention_list" != "\ " ]; then echo "ℹ️ 值得关注 (增长率 ${THRESHOLD_ATTENTION}-${THRESHOLD_SUSPECT}MB/h):" echo "$attention_list" | grep -v '^$' | while IFS='|' read -r pid name rss rate cmd; do echo " PID $pid $name - ${rss}MB - ${rate}MB/h" done echo "" fi
if [ -z "$confirm_list" ] && [ -z "$suspect_list" ] && [ -z "$attention_list" ]; then echo "✅ 未发现明显内存增长异常进程" echo "" fi
echo "【排查思路总结】" echo ""
if [ "$confirm_count" -gt 0 ] || [ "$suspect_count" -gt 0 ]; then echo "针对检测到的异常进程，建议按以下步骤排查：" echo "" echo "1. 确认进程业务属性:" echo " - 该进程是什么服务？是否关键业务？" echo " - 近期是否有版本发布或配置变更？" echo " - 业务负载是否有异常（QPS突增、任务积压）？" echo "" echo "2. 快速止损方案:" echo " - 如为无状态服务，可考虑重启（会中断业务）" echo " - 如为有状态服务，先限流或扩容，避免OOM" echo " - 临时增加系统内存或清理缓存争取时间" echo "" echo "3. 根因分析（根据进程类型选择工具）:" echo " Java进程: 使用 jmap -dump:format=b,file=... <pid> 生成hprof文件，" echo " 用 Eclipse MAT 分析 dominator tree" echo " Python进程: 发送 SIGUSR1 触发 tracemalloc 快照，" echo " 或使用 py-spy 实时分析" echo " Node.js进程: 启动时加 --inspect，用 Chrome DevTools 拍heap snapshot" echo " Go进程: 访问 /debug/pprof/heap 获取pprof文件，go tool pprof分析" echo " 其他进程: 使用 valgrind --leak-check=full 或 asan 重新编译检测" echo "" echo "4. 常见泄漏模式速查:" echo " - 缓存无限增长: 检查是否有TTL机制" echo " - 连接未关闭: 数据库/Redis/HTTP连接池" echo " - 事件监听器累积: 注册未注销的回调" echo " - 大对象未释放: 批量处理任务后未清空" echo "" fi
echo "系统级建议:" if [ "$mem_percent" -gt 90 ]; then echo "⚠️ 系统内存使用率超过90%，建议立即清理缓存或紧急扩容" elif [ "$mem_percent" -gt 80 ]; then echo "⚠️ 系统内存使用率超过80%，建议关注并准备扩容" else echo "✅ 系统内存使用率正常(${mem_percent}%)" fi
if [ "$confirm_count" -gt 0 ]; then echo "🚨 发现 ${confirm_count} 个确认泄漏进程，建议1小时内处理" elif [ "$suspect_count" -gt 0 ]; then echo "⚠️ 发现 ${suspect_count} 个疑似泄漏进程，建议4小时内排查" else echo "✅ 未发现泄漏风险进程" fi
echo "" echo "========== 巡检完成 =========="
} > "$report"
# 同时输出到控制台 cat "$report" }
辅助函数：根据分数获取描述
get_score_desc() { local score=$1 if [ "$score" -ge 90 ]; then echo "优秀"; elif [ "$score" -ge 75 ]; then echo "良好"; elif [ "$score" -ge 60 ]; then echo "一般"; else echo "危险"; fi }
辅助函数：根据增长率获取状态标签
get_status_label() { local rate=$1 if [ "$rate" -ge "$THRESHOLD_CONFIRM" ]; then echo "确认泄漏 🚨"; elif [ "$rate" -ge "$THRESHOLD_SUSPECT" ]; then echo "疑似泄漏 ⚠️"; elif [ "$rate" -ge "$THRESHOLD_ATTENTION" ]; then echo "关注 ℹ️"; else echo "正常 ✅"; fi }
==================== 5. 清理旧数据 ====================
cleanup_old_data() { # 只保留最近 $MAX_HISTORY 个快照 cd "$SNAPSHOT_DIR" && ls -t *.snapshot 2>/dev/null | tail -n +$((MAX_HISTORY+1)) | xargs -r rm -f
# 清理已不存在进程的趋势文件 for trend_file in "$TREND_DIR"/*.dat; do [ -f "$trend_file" ] || continue pid=$(basename "$trend_file" .dat) if ! ps -p "$pid" > /dev/null 2>&1; then # 进程已退出，保留但标记，或删除（这里保留最后数据） mv "$trend_file" "${trend_file}.exited" fi done }
==================== 主流程 ====================
main() { echo "开始系统内存巡检... $TIMESTAMP"
# 1. 整理 snapshot=$(collect_snapshot) echo "已整理 $(($(wc -l < "$snapshot") - 2)) 个进程"
# 2. 更新趋势 update_trends "$snapshot"
# 3. 生成报告 generate_report "$snapshot"
# 4. 清理 cleanup_old_data
echo "巡检完成，报告保存至: $REPORT_FILE" }
main
---
## 核心设计
### 数据整理
- 扫描 `/proc/*/status` 获取所有进程
- 过滤内核线程和短时进程 (<5分钟)
- 记录：PID、名称、RSS、虚拟内存、运行时间、命令行
### 存储结构/var/log/memory-inspector/ ├── 20240115_090000.snapshot # 完整快照（所有进程当前状态） ├── 20240115_090500.snapshot └── trending/ ├── 1234.dat # PID 1234 的历史 RSS 趋势 ├── 5678.dat └── ...
### 分析算法极简斜率计算
growth_rate = (current_rss - old_rss) * 3600 / time_diff_seconds
输出 MB/h
### 异常分级
| 增长率 | 扣分 | 等级 | 排查紧急度 |
|--------|------|------|-----------|
| >100 MB/h | -20 | 🚨 确认泄漏 | 立即处理 |
| 50-100 MB/h | -10 | ⚠️ 疑似泄漏 | 4小时内 |
| 10-50 MB/h | -5 | ℹ️ 关注 | 24小时内 |
### 系统评分
- 满分100，异常进程扣分
- 90+ 优秀 | 75-90 良好 | 60-75 一般 | <60 危险
---
## 典型输出
========== 系统内存巡检报告 ========== 巡检时间: 2024-01-15 14:30:00 系统评分: 65/100 (一般)
【系统概况】 总内存: 64GB | 已用: 58GB(91%) | 可用: 6GB
【增长异常进程】
🚨 确认泄漏: PID 3456 java-order-service 当前RSS: 12288MB | 增长率: 180MB/h 建议: 立即排查，考虑重启止损，生成内存dump分析
⚠️ 疑似泄漏: PID 7890 python-report-generator 当前RSS: 4096MB | 增长率: 75MB/h 建议: 关注业务负载，准备生成堆内存分析
【排查思路总结】 ...