ruby-gc

Ruby（MRI）服务 GC 时间上升、内存不回落，Puma worker 被重启或 OOMKilled。

现象

接口 p99 周期性抖动，日志或监控出现 GC 停顿；GC.stat[:time] 快速增长，major_gc_count 频繁增加，worker RSS 居高不下。Puma 可能因内存超限被重启，容器出现 oom_kill。

快速定位

先看进程和 cgroup 内存，再看 GC 统计：

ps -o pid,rss,etime,cmd -C ruby
grep -E 'VmRSS|VmSwap' /proc/<PID>/status
cat /sys/fs/cgroup/memory.current
cat /sys/fs/cgroup/memory.events

在应用内或 rails runner 中读取统计：

bundle exec rails runner 'p GC.stat.slice(:count, :major_gc_count, :minor_gc_count, :time, :heap_live_slots, :heap_free_slots, :heap_allocated_pages, :old_objects)'

对运行中的进程可用 rbtrace 读取：

gem install rbtrace
rbtrace -p <PID> -e 'GC.stat.each { |k, v| puts "#{k}=#{v}" }'

计算 GC 时间占比：间隔 60 秒取两次 GC.stat[:time]，用增量除以 60000 ms；同时观察每分钟 major GC 次数。定位分配来源：

bundle exec ruby -r memory_profiler -e 'report = MemoryProfiler.report { run_workload }; report.pretty_print(to_file: "/tmp/mem.txt")'

易误判：RSS 不下降不等于 Ruby 对象泄漏 —— MRI 会保留堆页，释放的对象槽位会被复用但页面不一定还给 OS。应看 major GC 后的 heap_live_slots 是否持续增长，以及 RUBY_GC_HEAP_GROWTH_FACTOR、malloc arena 和 native 扩展的影响。

常见根因

1. 类变量/常量/全局缓存无上限，长期持有 Hash、Array 或查询结果。
2. 分配速率过高：循环里拼字符串、逐条实例化 ActiveRecord、解析超大 JSON。
3. 老年代对象增长过快，major GC 频繁；增长因子与 old object 阈值不匹配。
4. glibc malloc arena 碎片，多线程下 RSS 高且不归还；未设置 MALLOC_ARENA_MAX。
5. Native 扩展泄漏（图像处理、XML 解析、数据库驱动）。
6. Puma preload_app! 后 CoW 页面被写脏，每个 worker 的私有内存持续增长。
7. 后台线程/连接池/job payload 长期持有对象。
8. 测试或 gem 误开 GC.disable/GC.stress，导致回收行为异常。

修复

• 用 memory_profiler 找到分配热点，优先减少请求路径上的大对象和重复分配。
• 缓存加容量上限和 TTL；不要在常量里无限累积历史数据。
• 调整 RUBY_GC_HEAP_GROWTH_FACTOR（如 1.5）、RUBY_GC_HEAP_OLDOBJECT_LIMIT_FACTOR、RUBY_GC_MALLOC_LIMIT，用相同流量对比 GC 时间和 RSS。
• 设置 MALLOC_ARENA_MAX=2，或使用 jemalloc；观察 RSS 与 GC 停顿变化。
• 限制 Puma worker 数量，在 fork 前执行 GC.start/GC.compact（或用等价封装）降低 CoW 破坏。
• 定期 phased restart 回收长期运行 worker 的内存，但要先确认没有泄漏源。
• 升级 Ruby 3.x，利用 GC 与 GC.compact 的改进；升级后用同一压测回归。
• 监控 GC.stat[:time] 占比、major GC 频率、worker RSS 和 memory.events。

相关命令

• ruby — Ruby 运行参数与环境变量
• ps — 查看 worker RSS/VSZ
• pmap — 查看进程内存映射与共享页
• memory-leak — 进程级内存泄漏通用排查
• oom-killed — 容器 OOM 终止的定位

读完自测

1. 如何判断 GC 是否已经成为性能瓶颈？
2. RSS 很高但 heap_live_slots 稳定，说明什么？
3. 为什么开启 preload_app! 后 worker 内存仍会增长？