NebulaGraph 内存溢出（OOM）问题深度排查与治理指南引言：问题界定与真实场景用户提出的核心问题是：“90. 内存溢出（OOM）问题通常发生在哪个服务组件？如何预防和解决？”在超大规模图数据库的生产实践中，内存溢出（Out-Of-Memory, OOM）是仅次于脑裂的第二大“P0级”故障。它不像磁盘满那样有明确的预警指标，往往在业务高峰期毫无征兆地发生，导致服务进程被操作系统kill -9，引发雪崩效应。本文将聚焦于NebulaGraph 3.8.0，系统性地剖析 OOM 问题的根源、高发组件、诊断方法及解决方案。我们将以社交网络好友推荐这一典型场景为例——在此类业务中，一个看似简单的“查找共同好友”查询，若涉及超级明星节点（拥有千万级粉丝），其结果集可能瞬间撑爆内存。文章将从架构原理、内存管理机制、配置调优到实战案例，为读者构建一套完整的 OOM 防御体系。一、原理解析：NebulaGraph 的内存使用模型1.1 三大核心组件的内存角色NebulaGraph 由Metad、Storaged和Graphd三个核心服务组成，它们的内存使用模式截然不同。