Linux内存告警本质是内存压力升高而非真正耗尽，需通过MemAvailable、dmesg、/proc/vmstat等判断真实原因，区分缓存利用、临时压力或配置问题，避免误杀进程。
Linux服务器内存告警，通常不是因为“内存用完了”，而是内核感知到内存压力升高（memory pressure），触发了OOM Killer、kswapd频繁回收、或cgroup限流等机制。关键要区分是真实内存不足，还是临时压力、缓存堆积、或配置不合理导致的误报。
看懂内存使用的真实构成
执行 free -h 或 cat /proc/meminfo 时，别只盯着 “used” 数值。Linux会把大量空闲内存用于页缓存（PageCache）和缓冲区（Buffers），这部分在应用需要时可立即释放——它不是“被占用”的内存，而是“被利用”的内存。
- MemAvailable（/proc/meminfo 中）才是系统当前可立即分配给新进程的内存估算值，比 “free + buffers + cache” 更准确
- 若 MemAvailable 持续低于 5% 总内存（如 64G 机器长期
- 观察 Active(file) 和 Inactive(file)：若前者远高于后者，说明文件缓存长期未被换出，可能是读密集型服务（如数据库、对象存储）正常行为，不一定是问题
定位真正吃内存的进程
用 ps aux --sort=-%mem | head -10 只能看到瞬时占比，容易误判。更可靠的方式是：
- 用 smem -s rss -r -k 查看实际物理内存占用（RSS），排除共享内存干扰
- 结合 /proc/[pid]/smaps 分析单个进程：重点关注 Rss、Pss（按比例分摊共享内存）、Swap 字段；若某进程 Swap 值持续增长，说明它已被交换出去，响应可能变慢
- 检查是否有进程异常增长：比如 Java 应用未设 -Xmx 导致堆无节制扩张，或 Python 脚本持有大对象未释放
检查内核级内存压力信号
内存压力不总体现在进程层面，需看内核反馈：
- 运行 cat /proc/pressure/memory：若 some avg10 > 50 或 full avg10 > 10，表明系统已频繁因内存不足而阻塞任务（如等待页面回收）
- 查 dmesg -T | grep -i "oom\|kill"：确认是否触发过 OOM Killer；若有，日志会明确写出被杀进程名和触发原因
- 监控 /proc/vmstat 中 pgmajfault（大页缺页）、pgpgin/pgpgout（换入换出速率）：若 pgpgout 持续偏高（如 > 10MB/s），说明系统正在拼命换页，性能已受损
常见误报与合理应对策略
很多“内存告警”其实无需干预，盲目 kill 进程反而引发故障：
- 监控工具只看 used / total 就告警？→ 改为监控 MemAvailable 或 memory.pressure 指标
- MySQL/PostgreSQL 占用大量内存？→ 它们主动缓存数据是设计使然，只要 MemAvailable 充足且无 swap，属健康状态
- 容器环境（如 Docker/K8s）内存超限？→ 检查 cgroup v2 的 memory.current 和 memory.max，而非宿主机 free 输出
- 短期 spike 后恢复？→ 可调高 vm.swappiness（如从 60→10），减少内核倾向将匿名页换出；或增大 vm.vfs_cache_pressure（如 200→500）加速 dentry/inode 缓存回收
内存告警的本质是系统在喊“我有点喘不过气”，但喘气的原因可能是跑太快、穿太厚、还是真缺氧——得先听清它说什么，再决定是降速、脱衣，还是供氧。
