声明：文中观点为作者的个人观点、不代表官方、如需更多帮助，请联系Pivotal官方·转载必须注明出处

针对Greenplum中主要的内存设置参数做如下说明(不涉及OS级别参数)：

statement_mem：

ERROR: insufficient memory reserved for statement (memquota.c:228)

当扫描一张分区特别多的表时，会出现该错误，此时需要将默认的125MB的配置提高，建议在500MB左右或者更高一些。

不过，如果需要做系统级别的修改需要谨慎对待，后面会结合几个参数说明。

gp_vmem_protect_limit：

"ERROR","53200","Out of memory.Failed on request of size 156 bytes.(context 'CacheMemoryContext') (aset.c:840)"

"ERROR","53400","Out of memory (seg13 slice13 sdw1-1:40001 pid=10183)","VM Protect failed to allocate 8388608 bytes, 6 MB available"

该错误是Greenplum系统无法从OS申请到所需要的内存导致的错误，因为gp_vmem_protect_limit配置高于OS所能提供的能力，当Greenplum

申请超过OS能力时，会得到该异常信息。解决办法是确保内存消耗不超过gp_vmem_protect_limit配置，官方建议不超过其90%。

针对最常见的内存错误OOM，需要说明(针对4.1之后版本，早起版本请前去查询相关文档)：

单语句的内存消耗受3个参数控制：gp_resqueue_memory_policy、statement_mem、max_statement_mem

A、缺省gp_resqueue_memory_policy配置为eager_free，在此情况下，内存将物尽其用(我从词面理解的，官方并未给出详细说明)，但

不能超过max_statement_mem的限制以及resource queue的memory_limit限制，此时如果resource queue未做限制(缺省资源队列

均无内存限制)，既存在OOM缺口，而此时statement_mem将不具备严格限制功能，同时max_statement_mem的缺省值为2000MB。

B、当gp_resqueue_memory_policy配置为auto时，内存消耗将受statement_mem和resource queue的memory_limit限制，同样，

缺省资源队列无内存限制，不过，statement_mem的缺省值为125MB。

综合考虑内存限制参数，由于资源队列的memory_limit缺省是没有限制的，我们假设有10个需要消耗1000MB的语句同时提交。

对于A情况来说，需要向OS申请1000MB×10≈10GB的内存，这已经大于gp_vmem_protect_limit的缺省限制，此时，如果

gp_vmem_protect_limit×节点节点实例数>>节点内存，则极有可能出现OOM错误，此时通过放大gp_vmem_protect_limit是可能带来

缓解的，但并非良措，因为超过物理内存部分的内存申请需要SWAP来响应。而且，很容易超过物理内存+SWAP的总和，将继续出现OOM且

将进入无解状态。

对于B情况来说，需要向OS申请125MB×10≈1.25GB<<10GB的内存，通常的硬件环境，每个Instance不至于少于2GB的内存。

如果按照gp_vmem_protect_limit缺省为8192来计算，对于A情况，每个Instance需要向系统申请8GB内存，其余的2GB需要pgsql_tmp

目录来响应。而对于B情况，每个Instance需要向系统申请2GB的内存，其余的8GB需要pgsql_tmp目录来响应。由于pgsql_tmp位于性能高于

SWAP的数据盘(通常的环境是如此，不排除高福帅配置)，性能有一定保障，B情况通常不会出现OOM，且可承受的并发数远大于A情况。

以上比较详细的说明了GP内存控制的几个关键参数，若要避免OOM，最好还是综合考虑，GP从4.1版本之后设置缺省的A情况也有其合理性，因为，

如果按照B情况设置，多数情况下内存不能物尽其用，且需要性能较低的pgsql_tmp来承担内存的角色，实在不划算。可以尝试设置资源队列的

memory_limit参数，但此方式也有一些小问题，比如超限SQL或被自动cancel掉等等。最好的办法还是充分优化那些低劣的高内存消耗的SQL，合理

安排高内存消耗SQL的并发度。数据库的智能程度是有限的。因为Greenplum定位在数据仓库上，对任何SQL都会尽量调动所有可调动的资源去完成

计算，其资源控制上必然不能做到完美，关键还是深入的去理解数据库工作机制，让驴拉磨，牛犁地，物尽人用。