自建日志聚合的资源账：内存、CPU 与 IO 到底花在哪

单条日志超过 256KB 会被拒收，长堆栈要截断

做容量规划时，看三个数就够了：常驻内存、峰值内存、峰值持续时间。

先说结论

按「峰值 × 1.3」配内存，按「平均 × 2」配 CPU，按「峰值 × 3」留磁盘余量。

• 先量：常驻、峰值、峰值时长
• 内存：注意缓存与 RSS 的区别
• CPU：看是单核瓶颈还是多核瓶颈
• IO：随机读写最伤机械盘
• 扩容前先看是不是配置问题

三个必测的数

不测就调参，等于闭眼改代码：

• 常驻内存（RSS）：决定最低配置
• 峰值内存：决定会不会 OOM
• 峰值持续时间：决定要不要限流
• 磁盘日增量：决定备份与轮转策略

内存都去哪了

retention 默认不生效，要在 limits_config 里配并且开启 compactor。

Linux 的 buff/cache 会让人误判内存不足，先看 available 而不是 free。

这个服务的几个资源事实

实测下来，它吃资源的方式比较固定：

• 把 trace_id 或用户 ID 当标签会让基数爆炸，几十万条流拖垮写入
• 单条日志超过 256KB 会被拒收，长堆栈要截断
• 查询时间范围越大越慢，30 天的全量 grep 可能要几分钟

CPU 峰值怎么处理

单条日志超过 256KB 会被拒收，长堆栈要截断。

峰值不可怕，可怕的是峰值期间没有排队机制，所有请求一起超时。

扩容还是优化

先做这三件事再谈扩容：限制并发、加缓存、异步化。多数「性能问题」在这三步之后就消失了。

还有几处容易忽略的

都是小地方，但出问题时往往就卡在这里。

• Loki 只给标签建索引，正文靠暴力扫描，标签设计直接决定查询快慢
• Promtail 按文件 tail，容器日志要先落到节点磁盘才采得到
• 给每个容器加 version 标签，每次发布多一条流，一年几十万条
• 没配 retention，一年后存储涨到几个 TB
• 用 Loki 存审计日志，要求精确检索才发现正文没索引

性能优化的第一步，是知道自己现在有多慢。