メモリリーク検出
OOM障害前にメモリリークパターンを自動検出し、緊急再起動の代わりに計画的な対応を可能にします。
概要
メモリリーク検出はPodのメモリ使用パターンを継続的に監視し、潜在的なメモリリークを示す段階的または加速的なメモリ増加を識別します。OOM（Out-of-Memory）障害が発生する前にこれらのパターンを検出することで、根本原因を事前に調査して解決する時間を提供します。
Waveは信頼度スコア（R²）を含む統計的回帰分析を使用して異常な成長パターンを識別します。最大5日間の過去メモリメトリクスを分析し（最小6時間のデータが必要）、本番環境のワークロードでメモリリークを信頼性高く早期検出し、予期しないPod再起動やサービス中断を防ぎます。
反応的OOM監視より優れている理由
| 反応的OOMアラート | Waveメモリリーク検出 | |
|---|---|---|
| 検出方法 | OOM killイベント発生後にのみアラート | OOM障害前の事前パターン検出 |
| 応答時間 | 緊急再起動とインシデント対応 | 営業時間中の計画的な調査と修正 |
| パターン認識 | 正常な増加とリークを区別できない | 信頼度スコア（R² ≥ 0.7）を含む統計的回帰分析による正確なリーク検出 |
検出されるメモリリークパターン
安定成長パターン
最小限のガベージコレクション（≤3回の減少）と≥1%の総増加による継続的なメモリ成長を検出します。無制限のキャッシュ、接続プール、またはイベントリスナーの蓄積を持つアプリケーションで一般的です。減少回数のヒューリスティックを使用して信頼性の高い検出を提供します。
トレンドベース成長パターン
時間単位データに線形回帰を使用して統計的に有意なメモリ増加を識別します：≥15%の時間単位増加率または≥50%の総増加と信頼度スコア（R²）≥0.7。回帰傾きの分析により段階的および加速的なリークの両方を捕捉します。
主な成果と利点
本番障害を引き起こす前にメモリリークを捕捉
最小6時間のデータでリークを検出、最大5日間の履歴分析
設定可能な高使用率閾値アラート（デフォルト：85%メモリ使用率）
動作方式
1. メトリクス収集と集約
WA Metrics Agentがすべてのコンテナのメモリ使用量を収集します。システムは統計分析のためにデータを時間単位のバケットに集約します（最大5日間の履歴、最小6時間が必要）。
2. 統計分析とパターン検出
回帰分析がメモリトレンドの傾きとR²信頼度を計算します。2つのパターンを検出：安定成長（減少回数≤3、増加≥1%）とトレンドベース成長（時間単位率≥15%または総≥50%でR²≥0.7）。また、使用率が設定可能な閾値を超えた場合のOOMリスクを監視します（デフォルト85%）。
3. リーク分類とログ記録
システムが検出されたパターンを分類し、ベースライン/最近のメモリ、増加率、信頼度スコア、時間単位トレンドデータとともにログを保存します。各ワークロードコンテナの初回検出と最新検出のタイムスタンプを追跡します。
4. 可視化と事前アラート
UIにパターンバッジ、メモリトレンドチャート、OOMリスク指標とともにメモリリーク検出結果を表示します。チームは計画的なメンテナンス期間中にリークを調査して修正できるよう事前通知を受け取ります。