前文，我们分析了gp_vmem_protect_limit参数的意义，仅统计gp_malloc中申请的，它并没有统计共享内存的部分，所以仍旧有操作系统OOM的风险，详情：GPDB中gp_vmem_protect_limit参数的意义。

但经测试验证，仍不足以对上GP占用的内存总额。这样，也就是说仍有其他内存没有被gp_vmem_protect_limit统计进去。

猜想，仍有malloc函数申请的内存没有统计进去，继续在该函数上打断点，进行跟踪。经排查，发现大部分额外的malloc都是压缩、解压缩函数中调用的，也就是zstd库函数。

最开始猜想，是因为GP列存压缩表的压缩导致，但是业务的SQL不涉及修改，都是查询。那这个压缩来自哪里？查看堆栈发现是排序、HASH AGG和HASH JOIN中的。我们将HASH AGG和HASH JOIN关闭掉，发现有效果，但是最后因为磁盘空间不够保存退出了，排序的临时文件有点大。那么继续更进一步，查看堆栈，分析压缩使用场景。发现，排序、hash agg、hash join的临时文件需要压缩：调用的函数为BufFilePledgeSequential，我们查看该函数：

有个参数gp_workfile_compression控制是否压缩：如果有很多溢出文件，则设置gp_workfile_compression来压缩这些溢出文件。压缩溢出文件可能有助于避免IO操作导致磁盘子系统过载：Specifies whether the temporary files created, when a hash aggregation or hash join operation spills to disk, are compressed。

那么我们将这个参数关闭，将临时文件全部软连接到一个大盘中，这样使用同样的执行计划，仅临时文件是否压缩不同。这样，将SQL成功跑完，但是中间跟踪过程，临时文件非常大。所以业务中压缩是必须的。

hash agg和hash join中的临时文件压缩导致内存过大，且内存的申请在zstd库函数中，并不是GP代码中，所以并没有被gp_vmem_protect_limit跟踪到。

另查到姚总早期分享的内容：https://www.infoq.cn/article/iAdFEBtb1Y0MOJlvrScU?utm_source=related_read_bottom：

执行器优化：目前 Greenplum 使用 zstd 压缩 AO 数据和临时数据，zstd造成的一个问题是内存消耗较大，如何优化操作大量压缩文件时的内存消耗是一个很有挑战的课题。有关更多细节可以参考这个讨论（最后部分有简单的问题重现方法）。链接地址：https://github.com/greenplum-db/gpdb/pull/6508

临时解决方案可以通过限制gp_workfile_limit_files_per_query、gp_workfile_limit_per_query、gp_workfile_limit_per_segment等参数来控制一个查询中临时文件个数，从而规避zstd压缩占用的内存。另外，若zstd压缩接口的参数中有可以统计其申请内存的成员变量，那么可以通过修改代码，将这部分内存也统计到gp_vmem_protect_limit参数中，不过估计改动影响会比较大，zstd是第三方库，首先需要了解它的内存申请及管理机制，其次若压缩、解压缩接口中没有相关统计参数，那么就需要尝试修改zstd库，这造成的影响就更大了。

zstd压缩造成的内存消耗问题确实是一个有挑战的课题，感兴趣的同学们可以深入探讨！