• /
  • EnglishEspañolFrançais日本語한국어Português
  • EntrarComeçar agora

Esta tradução de máquina é fornecida para sua comodidade.

Caso haja alguma divergência entre a versão em inglês e a traduzida, a versão em inglês prevalece. Acesse esta página para mais informações.

Criar um problema

Nível 1 - Regra do scorecard de utilização de memória e otimização de sistemas

A utilização eficiente da memória é essencial para otimizar os custos de infraestrutura e garantir o desempenho do sistema. Esta regra do scorecard ajuda você a identificar servidores com recursos de memória subutilizados e implementar estratégias de otimização para reduzir o desperdício, mantendo a confiabilidade do sistema.

Por que a utilização da memória é importante

Otimização de custos: memória superprovisionada representa um desperdício significativo de infraestrutura. Ao identificar e resolver a baixa utilização de memória, você pode reduzir custos por meio de redimensionamento, consolidação ou melhorias arquitetônicas.

Planejamento de desempenho: entender os padrões reais de uso de memória ajuda você a tomar decisões informadas sobre o planejamento de capacidade, evitar problemas de falta de memória e otimizar o desempenho do aplicativo.

Alocação de recursos: insights sobre utilização de memória revelam o comportamento do aplicativo e ajudam a identificar oportunidades para redistribuição workload ou otimização de contêiner.

eficiência de infraestrutura: a utilização adequada da memória garante que você esteja maximizando o valor dos seus investimentos em infraestrutura, mantendo ao mesmo tempo margem de desempenho adequada.

Como funciona esta regra

Esta regra avalia o percentual 95 de utilização de memória em toda a sua entidade de infraestrutura. Usar o 95º percentil fornece uma avaliação realista dos seus períodos típicos de alto uso, ao mesmo tempo em que filtra picos temporários.

Critérios de sucesso: a infraestrutura entidade passa quando seu percentual 95 de utilização de memória excede 80%, indicando uso eficiente de recursos alinhado às práticas recomendadas do setor.

Definição de regra

Esta regra do scorecard mede a eficiência da infraestrutura avaliando os padrões de utilização de memória em todo o ambiente do servidor.

Critérios de medição

métrica avaliada: 95% de utilização de memória durante o período de medição Limite de sucesso: Maior que 80% de utilização de memória Escopo de avaliação: Toda a infraestrutura em seu ambiente de monitoramento

Compreendendo o limite de 80%

A utilização de memória de 80% do destino equilibra a eficiência com a estabilidade do sistema:

Padrão da indústria: Este limite está alinhado com as práticas recomendadas de computação cloud para utilização ideal dos recursos de memória . Estabilidade do sistema: Mantém espaço de memória suficiente para evitar condições de falta de memória e instabilidade do sistema. Eficiência de custos: Garante o valor máximo de seus investimentos em memória sem provisionamento excessivo.

Considerações sobre a utilização da memória

Diferenças entre memória e CPU:

  • A memória é normalmente menos volátil do que o uso da CPU, tornando a utilização elevada e sustentada mais alcançável
  • Os padrões de alocação de memória geralmente refletem a arquitetura do aplicativo e as estratégias de cache de dados
  • A otimização da memória pode exigir abordagens diferentes da otimização da CPU

impacto do aplicativo:

  • A baixa utilização de memória pode indicar instância superdimensionada ou gerenciamento ineficiente de memória do aplicativo
  • A alta eficiência de memória pode reduzir a sobrecarga da coleta de lixo e melhorar o desempenho do aplicativo
  • A otimização da memória geralmente proporciona economias de custos mais previsíveis do que a otimização da CPU

Estratégias de otimização

Quando seu scorecard mostra baixa utilização de memória, essas estratégias podem ajudar a melhorar a eficiência da infraestrutura:

1. Avalie os padrões de uso da memória

Identificar candidatos à otimização:

  • Revisar entidade com utilização de memória consistentemente baixa (abaixo de 80% no 95º percentil)
  • Analisar tendências de uso de memória para distinguir entre baixo uso temporário e subutilização crônica
  • Priorize servidores com altos custos de memória e taxas de utilização consistentemente baixas

Entenda o comportamento da memória do aplicativo:

  • Examine os padrões de alocação de memória em diferentes aplicativos e serviços
  • Identificar aplicativos com uso intensivo de memória que podem se beneficiar da otimização
  • Correlacionar o uso de memória com o desempenho do aplicativo e os padrões de atividade do usuário

2. Implementar estratégias de dimensionamento correto de memória

Otimização de escala vertical:

  • Reduza a alocação de memória para servidores consistentemente subutilizados
  • Considere mudar para um tipo de instância otimizado para memória para carga de trabalho com uso intensivo de memória
  • Equilibre a redução de memória com os requisitos de CPU e armazenamento

Considerações sobre escala horizontal:

  • consolide a carga de trabalho de memória leve em menos servidores e mais eficientes
  • Implementar orquestração de contêineres para melhorar a eficiência de alocação de memória
  • Use o balanceamento de carga com reconhecimento de memória para distribuir a carga de trabalho de forma eficaz

3. Otimização de memória em nível de aplicativo

Melhorias no gerenciamento de memória:

  • Revise os padrões de alocação de memória do aplicativo e identifique ineficiências
  • Implementar limpeza de memória adequada e otimização da coleta de lixo
  • Otimizar estruturas de dados e estratégias de cache para reduzir o consumo de memória

Otimização de cache:

  • Caches de aplicativos de tamanho adequado com base em padrões de uso reais
  • Implemente cache distribuído para compartilhar recursos de memória entre instâncias
  • Use algoritmos de cache com eficiência de memória e compactação de dados

Ajuste de memória do banco de dados:

  • Otimizar banco de dados, pool de buffers e configurações de memória
  • Implementar otimização de consulta para reduzir operações que exigem muita memória
  • Considere técnicas de otimização de memória específicas do banco de dados

4. otimização de contêiner e orquestração

Gerenciamento de memória do contêiner:

  • Defina requests e limites de memória apropriados para contêineres
  • Implementar dimensionamento automático de pod baseado em memória
  • Use imagens base com eficiência de memória e minimize a sobrecarga do contêiner

Otimização do Kubernetes:

  • Implementar agendamento com reconhecimento de memória e cotas de recursos
  • Use o dimensionamento automático de pod vertical para ajuste dinâmico de memória
  • Otimize a alocação de memória do nó e evite a fragmentação da memória

5. Técnicas avançadas de otimização

Agrupamento e compartilhamento de memória:

  • Implementar conjuntos de memória compartilhada para aplicativos relacionados
  • Use arquivos mapeados em memória para grandes conjuntos de dados
  • Considere banco de dados na memória para dados acessados com frequência

Considerações Serverless :

  • Avalie a arquitetura sem servidor para carga de trabalho esporádica de memória
  • Otimizar a alocação de memória de função com base nos requisitos reais
  • Considere a arquitetura voltada para eventos para reduzir a sobrecarga constante de memória

Orientação de implementação

Configurando um monitoramento de memória eficaz

  1. Configurar monitoramento de memória abrangente em toda a infraestrutura da infraestrutura
  2. Configurar alertas para tendências e anomalias de utilização de memória
  3. Crie um painel para visualizar padrões de uso de memória e oportunidades de otimização
  4. Estabelecer medições baseline antes de implementar mudanças de otimização

Fluxo de trabalho de otimização de edifícios

Cronograma regular de avaliação:

  • Realizar revisões mensais dos dados de utilização da memória
  • Identificar tendências e padrões no uso de memória em diferentes aplicativos
  • Priorizar esforços de otimização com base no impacto de custo e na viabilidade técnica

Processo de gerenciamento de mudanças:

  • Teste primeiro as alterações de otimização de memória em ambientes de preparação
  • Implementar mudanças graduais para evitar impactos no desempenho ou problemas de estabilidade
  • Monitore o comportamento e o desempenho do aplicativo após ajustes de memória

Colaboração em equipe:

  • Envolva as equipes de desenvolvimento de infraestrutura e aplicativos nos esforços de otimização
  • Compartilhe insights sobre a utilização da memória com equipes de desenvolvimento para otimização de aplicativos
  • Coordenar a otimização da memória com as atividades gerais de planejamento da capacidade

Integração de gestão de custos

Práticas de FinOps:

  • Integre métricas de utilização de memória aos seus processos de operações financeiras
  • Use New Relic Inteligência de Custos na Nuvem para obter insightsabrangentes de otimização de custos
  • Acompanhe o ROI da otimização de memória e comunique as economias às partes interessadas

Alinhamento organizacional:

  • Agrupar recursos de infraestrutura por equipe ou divisão usando carga de trabalho para responsabilização
  • Crie regras de eficiência de memória e scorecard específicas para cada equipe
  • Estabelecer padrões de eficiência de memória alinhados aos requisitos de negócios e aplicativos

Considerações importantes

Avaliação personalizada: os padrões de utilização de memória variam significativamente entre diferentes tipos de aplicativos e cargas de trabalho. Avalie oportunidades de otimização com base na arquitetura específica do seu aplicativo, requisitos de desempenho e restrições de negócios.

compensações entre memória e desempenho: embora a maior utilização da memória melhore a eficiência de custos, certifique-se de manter espaço de memória adequado para desempenho do aplicativo e estabilidade do sistema. Considere padrões de pico de uso, tendências de crescimento de memória e requisitos específicos do aplicativo.

considerações específicas do aplicativo: Aplicativos diferentes possuem padrões variados de uso de memória. servidores de banco de dados, camadas de cache e aplicativos de processamento de dados podem exigir abordagens de otimização diferentes de servidores web ou microsserviços.

Monitoramento contínuo: a otimização da memória é um processo contínuo. Mudanças de aplicativos, crescimento de dados e padrões de uso em evolução podem impactar os requisitos de memória. Mantenha o monitoramento contínuo e esteja preparado para ajustar estratégias de otimização conforme necessário.

Próximos passos

Após implementar esta regra do scorecard:

  1. Revise o monitoramento de utilização da CPU, caso ainda não tenha feito isso, para concluir sua avaliação de eficiência de recursos de nível 1.
  2. Progresso no Monitoramento de Alterações para práticas de excelência em engenharia de Nível 2
  3. Implementar iniciativas de otimização de memória com base nas descobertas do seu scorecard e nas prioridades de negócios
  4. Explore a frameworkcompleta de Excelência em Engenharia para otimização sistemática de infraestrutura
Copyright © 2025 New Relic Inc.

This site is protected by reCAPTCHA and the Google Privacy Policy and Terms of Service apply.