Behebung von Matrix Synapse-Speicherabstürzen während der Client-Synchronisierung

Wenn Matrix Synapse während der Client-Synchronisierung nicht genügend Speicher hat, prüfen Sie zunächst, ob Linux tatsächlich einen Synapse-Prozess beendet hat, und messen Sie anschließend den Speicherverbrauch unter normaler /_matrix/client/v3/syncLast. Falls das Problem durch Cache-Wachstum verursacht wird, passen Sie den Cache moderat an, anstatt sofort ein extrem niedriges Limit zu erzwingen. Langsame Datenbankantworten können einen Anfragestau verursachen und das Problem verschärfen.

Laut der offiziellen Synapse-Versionshistorie vom 10. Oktober 2026 ist Version 1.162.0 (29. September) die aktuellste stabile Version und 1.163.0rc1 eine Vorabversion. Ein Update einer veralteten Installation ist ratsam, jedoch kann die Versionsnummer allein weder die Ursache für speicherbedingte Probleme im Zusammenhang mit der Synchronisierung diagnostizieren noch deren Behebung garantieren.

1. Beweisen Sie, dass es sich um einen Speichermangel handelt.

Clients, die endlose Synchronisierungsvorgänge, einen Gateway-Fehler oder eine unterbrochene Sitzung anzeigen, lösen nicht automatisch ein OOM-Ereignis aus. Überprüfen Sie bei einer typischen Linux-Systemd-Installation das Kernel- und Service-Journal in der Nähe des Zeitpunkts des Client-Fehlers.

sudo journalctl -k --since "1 hour ago" | grep -Ei 'oom|out of memory|killed process'
sudo journalctl -u matrix-synapse --since "1 hour ago" --no-pager

Suchen Sie nach einer Kernel-OOM-Killer-Meldung, die einen Synapse- oder Python-Prozess nennt, nach einem systemd-Status wie oom-kill„“ oder nach einem Python-Fehler MemoryError. Diese deuten auf unterschiedliche Fehlermechanismen hin: Der Kernel kann einen Prozess beenden, wenn eine Speichergrenze des Hosts oder Containers erreicht wird, während ein Fehler MemoryErrorinnerhalb von Python auftreten kann, bevor ein systemweiter OOM-Killer ausgelöst wird. Der Dienstname variiert je nach Paket; ersetzen Sie ihn durch Ihren tatsächlichen Unit- oder Containernamen.

Als Nächstes werden die Hostlast und die größten Prozesse während der Reproduktion einer normalen Synchronisierung aufgezeichnet:

free -h
ps -eo pid,rss,%mem,args --sort=-rss | head -n 12
systemctl show matrix-synapse -p MemoryCurrent -p MemoryMax

RSSDer residente Speicher wird in Kilobyte angegeben und ist kein präzises Maß für den eindeutigen Anwendungsspeicher; gemeinsam genutzte Seiten können in mehreren Prozessen gezählt werden. Unter Docker sollten Sie außerdem docker statsdas konfigurierte Speicherlimit des Containers überprüfen. Wenn PostgreSQL, Redis und mehrere Synapse-Worker denselben Host nutzen, sollten Sie deren gesamten Speicherbedarf analysieren, anstatt nur den Hauptprozess von Synapse zu verantwortlich zu machen.

2. Den Cache-Speicher konservativ optimieren

Synapse speichert bewusst aktuelle Ereignisse und Raumdaten im Arbeitsspeicher, um Synchronisierungsanfragen schnell zu bearbeiten. Der dokumentierte caches.global_factorStandardwert ist 0.5; eine Verringerung dieses Faktors verkleinert zwar in der Regel den Cache, erhöht aber die Wahrscheinlichkeit für mehr Datenbankzugriffe. Die FAQ für Synapse-Administratoren warnt davor, dass ein zu kleiner Cache auf langsamen Speichermedien zu einem Anfragestau und einer insgesamt höheren Speicherauslastung führen kann.

Sichern Sie den aktiven Cache homeserver.yaml, prüfen Sie, ob ein caches:Block vorhanden ist, und ändern Sie nur die relevanten Werte. Dies ist eine Testkonfiguration für eine Instanz mit steigender Cache-Nutzung und kein universelles Optimierungsziel.

caches:
  global_factor: 0.3
  sync_response_cache_duration: 1m

Die Einstellung „sync-response cache“ steuert, wie lange abgeschlossene /syncErgebnisse zwischengespeichert bleiben; Synapse dokumentiert einen 2mStandardwert. Ein kürzeres Zeitfenster kann die Anzahl der gespeicherten Antworten reduzieren, aber auch den Aufwand für Clients mit instabilen Verbindungen erhöhen. Fügen Sie keinen zweiten caches:Schlüssel hinzu, falls bereits einer vorhanden ist. Wenn Ihre Installation dies SYNAPSE_CACHE_FACTORin ihrer Dienst- oder Containerumgebung festlegt, hat diese Variable Vorrang vor dem YAML-Faktor.

Überprüfen Sie die Datei mit der von Ihrer Synapse-Installation verwendeten Python-Umgebung und passen Sie den Konfigurationspfad gegebenenfalls an:

python -m synapse.config -c /etc/matrix-synapse/homeserver.yaml

Starten Sie den Dienst erst nach der Validierung neu. Bei Debian-basierten systemd-Paketen ist dies häufig der Fall sudo systemctl restart matrix-synapse; Container-Bereitstellungen verwenden ihre eigene Orchestrierung. Überprüfen Sie anschließend sofort das Dienstprotokoll auf Konfigurationsfehler. Die Synapse-Konfigurationsreferenz beschreibt zwar auch das Neuladen von Cache-Faktoren mit `synapse-reload` SIGHUP, dies bedeutet jedoch nicht, dass andere Einstellungen, einschließlich der Aufbewahrungsdauer von Synchronisierungsantworten, ebenfalls neu geladen werden können. Ein kontrollierter Neustart ist übersichtlicher, wenn beides geändert wird.

3. Prüfen Sie, ob sich langsame Synchronisierungen anhäufen.

Steigt der Speicherverbrauch weiter an, während Clients blockiert bleiben, kann eine weitere Reduzierung des Caches kontraproduktiv sein. Vergleichen Sie den Anstieg des RSS mit der CPU-Auslastung, der Festplatten-E/A und der Datenbankaktivität. Ein überlasteter Host oder langsame PostgreSQL-Abfragen können zu mehr gleichzeitig laufenden Anfragen führen, von denen jede Daten bis zu ihrem Abschluss belegen kann.

Prüfen Sie zunächst, ob die Datenbank reagiert und ob ausreichend Speicherplatz und E/A-Kapazitäten vorhanden sind. Synapse für den Produktiveinsatz ist für PostgreSQL und nicht für SQLite ausgelegt, wie in der Synapse-Konfigurationsreferenz dokumentiert . Falls es sich um eine ältere, auf SQLite basierende Instanz handelt, planen Sie eine unterstützte Datenbankmigration mit einem getesteten Backup. Versuchen Sie nicht, die Datenbank im laufenden Betrieb als Notfallmaßnahme zur Speicherbehebung auszutauschen.

Falls Sie zuvor global_factoreinen extrem niedrigen Wert eingestellt hatten und sich die Synchronisierungslatenz verschlechtert hat, stellen Sie den vorherigen Wert wieder her oder testen Sie eine etwas höhere Einstellung und beobachten Sie dabei sowohl die Antwortzeiten als auch den gesamten Speicherverbrauch. Die FAQ für Synapse-Administratoren weist ausdrücklich darauf hin, dass mehr Cache helfen kann, wenn langsame Backends Warteschlangen verursachen. Es gibt kein sicheres, festes RAM-Ziel, das für jede Raumanzahl, Föderationslast und jedes Bereitstellungslayout geeignet ist.

Bei einer stark ausgelasteten Umgebung mit mehreren Prozessen ist zu ermitteln, ob der Hauptprozess oder ein bestimmter Synchronisierungs-Worker ansteigt. Worker ermöglichen die Verteilung des Client-Synchronisierungsverkehrs, benötigen aber ebenfalls Arbeitsspeicher. Das Hinzufügen von Workern ohne zusätzliche Kapazität kann daher den Speichermangel des Hosts verschärfen. Beachten Sie die Synapse-Worker-Dokumentation, anstatt Client-Anfragen ohne die erforderliche gemeinsame Konfiguration an beliebige Worker weiterzuleiten.

4. Erwägen Sie die automatische Cache-Optimierung nur, wenn die Voraussetzungen erfüllt sind.

Auf Systemen, die bereits eine geeignete jemalloc-Konfiguration unterstützen und verifiziert haben, stellt Synapse diese bereit cache_autotuning. Es benötigt alle drei dokumentierten Werte max_cache_memory_usage– , target_cache_memory_usage, und min_cache_ttl– und nutzt Cache-Eviction, um die Cache-Nutzung um ein Ziel herum zu halten. Die folgenden Abbildungen dienen der Veranschaulichung und müssen so dimensioniert werden, dass ausreichend Platz für Python, die Datenbank, andere Dienste und Spitzen aktiver Anfragen vorhanden ist:

caches:
  cache_autotuning:
    max_cache_memory_usage: 512M
    target_cache_memory_usage: 384M
    min_cache_ttl: 5m

Führen Sie diesen Block mit den bestehenden Cache-Einstellungen zusammen, anstatt sie zu ersetzen. Die angegebenen Werte sind Cache-Budgets, keine RSS-Limits für Prozesse . Ihre Verwendung garantiert nicht, dass der Prozess unter 512 MiB bleibt. Die Synapse-Konfigurationsreferenz erfordert jemalloc für diese Funktion. Die FAQ für Synapse-Administratoren weist darauf hin, dass der Python-Allokator die Speicherverwaltung von jemalloc beeinträchtigen und möglicherweise Änderungen erforderlich machen kann PYTHONMALLOC=malloc. Da die Vorladepfade und Pakete der Allokatoren variieren, überprüfen Sie die tatsächliche Bibliothek und Startumgebung Ihrer Bereitstellung, bevor Sie Änderungen vornehmen LD_PRELOAD. Kopieren Sie keine architekturspezifischen Bibliothekspfade ohne weitere Prüfung.

5. Überprüfen Sie, ob die Synchronisierung stabil ist.

Führen Sie nach jeder einzelnen Änderung dieselbe realistische Client-Aktivität durch, die zuvor den Fehler ausgelöst hat: Stellen Sie eine bestehende Client-Verbindung wieder her, führen Sie nach Möglichkeit eine erste Synchronisierung durch und warten Sie mehrere normale inkrementelle Synchronisierungen ab. Protokollieren Sie den maximalen RSS-Wert aller Synapse-Prozesse, die Swap-Aktivität, die Reaktionsfähigkeit der Datenbank und ob der Kernel ein weiteres OOM-Ereignis protokolliert. Ein kurzer Abfall unmittelbar nach dem Neustart ist kein Beweis für eine dauerhafte Lösung; Caches werden naturgemäß beim Neustart nicht geladen.

Wenn die Überwachung aktiviert ist, vergleichen Sie den Speicherverbrauch und das Anfrageverhalten der Prozesse im Zeitverlauf mithilfe des Synapse-Metrikendpunkts. Die Synapse-Überwachungsdokumentation erklärt, dass Worker Metriken unabhängig voneinander bereitstellen und daher separat überwacht werden müssen. Halten Sie Metrikendpunkte privat oder schützen Sie sie, anstatt interne Daten öffentlich zu veröffentlichen.

Die Änderung war erfolgreich, wenn Clients die Synchronisierung ohne wiederholte Verbindungsabbrüche abschließen, die Protokolle keine neuen Speicherabbrüche anzeigen und sich der Speicherverbrauch unter der gleichen Arbeitslast auf einem stabilen Niveau einpendelt. Sollten trotz akzeptabler Synchronisierungslatenz und sorgfältig konfigurierter Caches weiterhin Speicherprobleme auftreten, empfiehlt sich als nächster Schritt, den verfügbaren Arbeitsspeicher zu erhöhen oder die Arbeitslast pro Host zu reduzieren. Dabei sollte der gemessene Spitzenverbrauch anstelle einer willkürlich empfohlenen Servergröße verwendet werden.

Einen Kommentar hinterlassen

Element Web über Synapse OIDC mit Keycloak verbinden

Konfigurieren Sie einen Keycloak OIDC-Client und einen Synapse-Provider, damit sich Element Web-Benutzer über Ihren Identitätsserver anmelden können, ohne Client-Geheimnisse preiszugeben.

Element Key Backup und Cross-Signing sicher einrichten

Element Key Backup und Cross-Signing sicher einrichten

Speichern Sie einen Wiederherstellungsschlüssel, überprüfen Sie Ihre Element-Sitzungen und stellen Sie sicher, dass verschlüsselte Nachrichtenschlüssel wiederhergestellt werden können, ohne die Sicherung mit Ihrem Kontopasswort zu verwechseln.

Behebung von Matrix Synapse-Speicherabstürzen während der Client-Synchronisierung

Synapse-Speicherfehler während der Synchronisierung diagnostizieren, Caching sicher anpassen, Anfragerückstände identifizieren und eine stabile Speichernutzung überprüfen.

Behebung von Synapse Federation TLS-Zertifikatfehlern

Trace Matrix-Federationszertifikatfehler werden dem richtigen Server zugeordnet, die TLS-Kette oder die CA-Vertrauensstellung wird repariert und die Reparatur wird überprüft, ohne die Sicherheitsprüfungen zu deaktivieren.

Platzieren Sie einen Synapse Matrix-Server sicher hinter Cloudflare

Platzieren Sie einen Synapse Matrix-Server sicher hinter Cloudflare

Matrix-Clients und Föderation werden über Cloudflare auf HTTPS 443 geleitet, die Synapse-Erkennung bleibt erhalten und das Caching des API-Datenverkehrs sowie das Unterbrechen von Medien-Uploads werden vermieden.

Matrix Synapse sicher mit einem PostgreSQL-Dump wiederherstellen

Sichern Sie Synapse mit pg_dump, schützen Sie den Signaturschlüssel und die Speichermedien und stellen Sie die Daten in einer sauberen PostgreSQL-Datenbank wieder her, ohne veraltete Einmalschlüssel wiederzuverwenden.

Mjölnir als Matrix-Raummoderationsbot mit Docker ausführen

Mjölnir als Matrix-Raummoderationsbot mit Docker ausführen

Richten Sie Mjölnir mit einem dedizierten Matrix-Konto, einem verschlüsselten Verwaltungsraum, Docker Compose, einer Richtlinienliste und Berechtigungsprüfungen ein.

Aktivieren Sie die native Matrix-Gleitsynchronisierung für schnelleres Laden auf Mobilgeräten.

Aktivieren Sie die native Matrix-Gleitsynchronisierung für schnelleres Laden auf Mobilgeräten.

Überspringen Sie den veralteten Proxy und konfigurieren Sie die in Synapse integrierte Sliding-Sync-Funktion. Überprüfen Sie die Client-Erkennung und messen Sie anschließend das Ladeverhalten der Raumliste sowie das Verhalten bei der Wiederverbindung auf einem kompatiblen Telefon.

Host Element Web auf Nginx mit einem benutzerdefinierten Homeserver

Stellen Sie Element Web als statische Website bereit, verweisen Sie es auf Ihren Matrix-Homeserver, fügen Sie HTTPS hinzu und konfigurieren Sie Nginx so, dass Aktualisierungen ohne veraltete Dateien bereitgestellt werden.

Betreiben Sie einen ressourcenschonenden Matrix-Homeserver auf einem Raspberry Pi 4

Conduit auf einem 64-Bit Raspberry Pi 4 mit persistenten Daten, HTTPS-Federation, geschützter Registrierung und Überprüfungen auf einen funktionierenden Homeserver einrichten.