OceanBase 租户内存爆了？看我如何进行根因定位！

1. 背景

1.1 现象描述

用户反馈，应用访问 OceanBase 数据库时报错，报错内容为：ErrorCode = 4013, SQLState = HY001, Details = No memory or reach tenant memory limit
，重启 OBServer 后暂时恢复，但过一段时间又会报相同的错误。

1.2 环境信息

• 数据库版本：企业版 4.3.3.1
• 部署架构：2-2-2
• 租户模式：MySQL

2. 故障诊断

2.1 获取报错 SQL 的 TRACE_ID

开发同学通过 ODC^[1] 执行查询也报同样错误，在 ODC 的执行记录中可以直接看到 SQL 的 TRACE_ID 信息。

点击异常 SQL 的 TRACE_ID，会弹出如下界面，依次点击全链路诊断，鼠标移动到com_query_process
 右侧的蓝色耗时区域，会出现该 Span 的具体内容，其中节点字段，即为 SVR_IP（如下是本地环境举例说明）。

获取执行过的 SQL 或者黑屏执行的 SQL 的 TRACE_ID 和 SVR_IP 方法，请查看文末参考资料^[2]。

2.2 根据 TRACE_ID 过滤详细日志

根据报错的时间范围和 TRACE_ID，过滤 OBServer 日志，在 SVR_IP 节点（实际为：113 节点）过滤到了详细的报错内容，显示租户占用内存加上租户新申请内存超过租户内存限制（tenant_hold+alloc_size>tenant_limit
）。

#[OOPS]: alloc failed reason is that tenant memory has reached the upper limit(tenant_id: 1010, tenant_hold: 11595448320, tenant_limit: 11596411700, alloc_size: 2097152)

2.3 查看租户中各个上下文内存的占用

过滤 113 节点 的 OBServer 日志，查看 1010 租户 的各个上下文的内存使用，显示上下文 DEFAULT_CTX_ID
 的内存占用最大，接近租户的内存使用限制了。

# grep 'malloc_allocator.*tenant: 1010'  observer.log.20250522105401599 -A 20

2.4 查看指定上下文中各个 mod 内存的占用

过滤 113 节点 的 OBServer 日志，查看 1010 租户 的上下文 DEFAULT_CTX_ID中各个mod的内存使用，显示 SqlSessionSbloc 这个 mod 占用内存最大，几乎用了整个租户 80% 以上的内存。通过一段时间观测内存使用会持续增加，最终导致租户内存用满。

分析到这，我们已经定位到导致租户内存用满的 mod 是谁了。通过查阅官方文档，并没有看到对这个 mod 的介绍，但我们知道，从 4.1 版本开始，提供了虚拟表来记录 mod 内存分配的相关的关键信息，请继续往下看。

grep '1010 ctx_id=           DEFAULT_CTX_ID'   observer.log.20250522105401599  -A 10

2.5 诊断内存模块内存消耗持续增长的问题

从 OceanBase 4.1.0 版本开始，提供了 __all_virtual_malloc_sample_info 虚拟表^[3]，此虚拟表常态化记录内存分配相关的关键信息，当 OBServer 的某个模块分配内存超过 GB，基于此虚拟表的信息，通常有能力定位到问题的根因。

有关 __all_virtual_malloc_sample_info
 表的字段说明如下：

2.6 查询指定 mod 的内存分配信息

注意：虚拟表 __all_virtual_malloc_sample_info
 只能在 sys
 租户和 x86_64 系统架构下查询。

select * from oceanbase.__all_virtual_malloc_sample_info where mod_name='SqlSessionSbloc' order by alloc_bytes DESC ;

2.7 将采集到的分配内存的 back trace 转换为堆栈

# addr2line -pCfe bin/observer 0x1f5951a0 0x788cfac 0x7ce43e0 0x7ce3a48 0x15111873 Oxf35e3e8 0x79304ee 0x792e9af 0x791e66b 0xf054727 Ox1f6509be

通过调用栈分析，直接调用内存分配的函数是 set_login_info
，怀疑内存泄漏发生在 oceanbase::sql::ObSQLSessionInfo::set_login_info
 函数中。

2.8 查看代码进一步确认

OceanBase 社区版是 MySQL 租户兼容模式，所以我们可以看开源代码进行问题确认。

打开 OceanBase 社区版^[4]，选择最新发布版本，通过 ObSQLSessionInfo 关键字，找到代码文件ob_sql_session_info.cpp
，点击进入。

切换查看方式为 Blame，通过关键字 set_login_info，搜索函数的代码变更记录。

打开包含 fix memory leak 的代码提交的链接，可以看到该 commit 修复了一个由于 OceanBase 内部在复用一个会话时，直接分配内存（而不是尝试复用已有的内存），导致了内存泄露问题（fix memory leak caused by calling set_login_info() when reusing a session
），并且可以看到该 Bug 在 4.3.5 及之后的版本被修复了。

PS：如果这里没有查到函数的 bug fixed，需要研发根据 set_login_info
 函数代码逻辑进一步分析内存泄露的原因。

2.9 故障解决

最后和研发团队确认后，对当前数据库版本进行了升级（建议升级到 v4.3.5）。

升级后，在业务租户进行查询（租户中内存占用排名靠前的 mod 中，找不到 SqlSessionSbloc 这个 mod 了），升级后租户内存爆的问题解决。

SELECT svr_ip,ctx_name,mod_name ,sum(hold) FROM oceanbase.__all_virtual_memory_info WHERE tenant_id = 1010 group by svr_ip,ctx_name,mod_name order by sum(hold) desc limit 10;

3. 总结

本文主要分享了当租户内存用满时，如何通过分析 OBServer 日志，找到引起租户内存用满的 mod，遇到 mod 的内存占用持续增长的情况，如何进一步结合代码进行问题根因的定位，希望对你有帮助。