Si Matrix Synapse se queda sin memoria mientras los clientes se sincronizan, primero verifique si Linux finalizó un proceso de Synapse y, a continuación, mida la memoria utilizada durante una /_matrix/client/v3/synccarga de trabajo normal. Si el problema radica en el aumento de la caché, realice un ajuste moderado en lugar de forzar inmediatamente un límite extremadamente bajo; las respuestas lentas de la base de datos pueden generar una acumulación de solicitudes que agrava el problema.
A fecha de 10 de octubre de 2026, el historial oficial de versiones de Synapse indica que la última versión estable es la 1.162.0 (29 de septiembre) y la 1.163.0rc1 es una versión preliminar. Actualizar una instalación obsoleta es recomendable, pero el número de versión por sí solo no permite diagnosticar ni garantizar una solución para el agotamiento de memoria relacionado con la sincronización.
1. Demuestra que se trata de un fallo por falta de memoria.
Los clientes que muestran una sincronización infinita, un error de puerta de enlace o una sesión desconectada no generan por sí solos un evento OOM. En una instalación típica de Linux systemd, revise el kernel y el registro de servicios cerca del momento en que falló el cliente:
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
Busque un mensaje de OOM-killer del kernel que mencione un proceso de Synapse o Python, un estado de systemd como oom-kill, o un Python MemoryError. Estos indican diferentes mecanismos de fallo: el kernel puede terminar un proceso cuando se alcanza un límite de memoria del host o contenedor, mientras que MemoryErrorpuede ocurrir dentro de Python antes de un OOM kill general del sistema. El nombre del servicio varía según los paquetes; sustituya el nombre real de su unidad o contenedor.
A continuación, registre la presión del host y los procesos más grandes mientras reproduce una sincronización ordinaria:
free -h
ps -eo pid,rss,%mem,args --sort=-rss | head -n 12
systemctl show matrix-synapse -p MemoryCurrent -p MemoryMax
RSSLa memoria residente se mide en kilobytes, pero no es una medida precisa de la memoria de la aplicación; las páginas compartidas pueden contabilizarse en varios procesos. En Docker, también conviene inspeccionar docker statsel límite de memoria del contenedor configurado. Si PostgreSQL, Redis y varios procesos de Synapse comparten el host, conviene evaluar su consumo de memoria combinado en lugar de culpar únicamente al proceso principal de Synapse.
2. Ajuste la memoria caché de forma conservadora.
Synapse mantiene deliberadamente en memoria los eventos recientes y los datos de las salas para atender rápidamente las solicitudes de sincronización. Su caches.global_factorvalor predeterminado documentado es 0.5; disminuir este factor generalmente reduce el tamaño de las cachés, pero aumenta la probabilidad de que la base de datos tenga que trabajar más. Las preguntas frecuentes para administradores de Synapse advierten que una caché excesivamente pequeña en un almacenamiento lento puede generar solicitudes pendientes e incluso un mayor consumo de memoria.
Realice una copia de seguridad del elemento activo homeserver.yaml, compruebe si existe un caches:bloque y modifique únicamente los valores relevantes. Esta es una configuración de prueba para una instancia que muestra un uso creciente de la caché, no un objetivo de optimización universal.
caches:
global_factor: 0.3
sync_response_cache_duration: 1m
La configuración de caché de respuesta síncrona controla cuánto tiempo /syncse almacenan en caché los resultados completados; Synapse documenta un 2mvalor predeterminado. Un período más corto puede reducir la cantidad de respuestas retenidas, pero también puede aumentar la carga de trabajo para clientes con conexiones intermitentes. No agregue una segunda caches:clave si ya existe una. Si su instalación configura esta variable SYNAPSE_CACHE_FACTORen su entorno de servicio o contenedor, dicha variable tendrá prioridad sobre el factor YAML.
Valide el archivo con el entorno Python utilizado por su instalación de Synapse, ajustando la ruta de configuración según sea necesario:
python -m synapse.config -c /etc/matrix-synapse/homeserver.yaml
Reinicia solo después de la validación. Para el empaquetado systemd de estilo Debian, esto suele ser sudo systemctl restart matrix-synapse; las implementaciones de contenedores usan su propia orquestación. Revisa el registro del servicio inmediatamente después para ver si hay errores de configuración. La referencia de configuración de Synapse también documenta la recarga de factores de caché con SIGHUP, pero eso no implica que otras configuraciones, incluida la retención de respuesta de sincronización, sean recargables. Un reinicio controlado es más claro cuando se cambian ambos.
3. Compruebe si se están acumulando sincronizaciones lentas.
Si el consumo de memoria sigue aumentando mientras los clientes permanecen bloqueados, reducir aún más la caché podría ser contraproducente. Compare el momento en que aumenta el RSS con la presión de la CPU, la E/S del disco y la actividad de la base de datos. Un servidor sobrecargado o consultas lentas a PostgreSQL pueden provocar más solicitudes simultáneas en curso, cada una de las cuales puede retener datos hasta que finalice.
Primero, verifique que la base de datos responda correctamente y que el espacio en disco y la E/S sean adecuados. Synapse para producción está diseñado para PostgreSQL, no para SQLite, como se documenta en la referencia de configuración de Synapse . Si se trata de una instancia antigua con SQLite, planifique una migración de base de datos compatible con una copia de seguridad probada; no intente realizar un intercambio de base de datos en vivo como solución temporal de memoria.
Si anteriormente redujo global_factorel valor a un extremo y la latencia de sincronización empeoró, restaure el valor anterior o pruebe una configuración ligeramente superior mientras supervisa los tiempos de respuesta y la memoria total. Las preguntas frecuentes para administradores de Synapse indican explícitamente que una mayor cantidad de caché puede ser útil cuando los backends lentos provocan colas. No existe un objetivo de RAM fijo y seguro que se ajuste a todas las configuraciones de salas, cargas de federación y diseños de implementación.
En implementaciones multiproceso con alta carga de trabajo, identifique si el proceso principal o un trabajador de sincronización específico está aumentando su tamaño. Los trabajadores permiten distribuir el tráfico de sincronización del cliente, pero cada trabajador también necesita memoria, por lo que agregar trabajadores sin capacidad adicional puede agravar la presión de memoria insuficiente del host. Siga la documentación del trabajador de Synapse en lugar de enrutar las solicitudes del cliente a trabajadores arbitrarios sin la configuración compartida necesaria.
4. Considere la optimización automática de la caché solo si se cumplen los requisitos previos.
En un sistema donde ya se admite y verifica una configuración adecuada de jemalloc, Synapse proporciona cache_autotuning. Requiere los tres valores documentados max_cache_memory_usage— , target_cache_memory_usage, y min_cache_ttl— y utiliza la eliminación de caché para mantener el uso de caché en torno a un objetivo. Las siguientes cifras son ilustrativas y deben dimensionarse para dejar espacio para Python, la base de datos, otros servicios y picos de solicitudes activas:
caches:
cache_autotuning:
max_cache_memory_usage: 512M
target_cache_memory_usage: 384M
min_cache_ttl: 5m
Fusiona este bloque con la configuración de caché existente en lugar de reemplazarla. Estos números son presupuestos de caché, no límites RSS del proceso ; usarlos no garantiza que el proceso se mantenga por debajo de 512 MiB. La referencia de configuración de Synapse requiere jemalloc para esta función, y las preguntas frecuentes del administrador de Synapse advierten que el asignador de Python puede interferir con la contabilidad de jemalloc, lo que podría requerir PYTHONMALLOC=malloc. Debido a que las rutas de precarga y el empaquetado del asignador varían, verifica la biblioteca real y el entorno de inicio de tu implementación antes de cambiar LD_PRELOAD. No copies una ruta de biblioteca específica de la arquitectura a ciegas.
5. Verificar que la sincronización sea estable.
Tras cada cambio, realice la misma actividad realista del cliente que provocó el fallo: vuelva a conectar un cliente existente, permita una sincronización inicial cuando sea posible y espere a que se completen varias sincronizaciones incrementales normales. Registre el pico de RSS de todos los procesos de Synapse, la actividad de intercambio, la capacidad de respuesta de la base de datos y si el kernel registra otro evento de OOM. Una breve caída inmediatamente después del reinicio no indica una solución duradera; las cachés se inicializan en frío de forma natural.
Si la monitorización está habilitada, compare el comportamiento de la memoria del proceso y las solicitudes a lo largo del tiempo mediante el punto final de métricas de Synapse. La documentación de monitorización de Synapse explica que los procesos exponen métricas de forma independiente y deben monitorizarse por separado; mantenga los puntos finales de métricas privados o protegidos en lugar de publicar datos internos abiertamente.
El cambio funcionó si los clientes completan la sincronización sin reconexiones repetidas, los registros no muestran nuevos errores de memoria y la memoria se estabiliza en un nivel sostenible bajo la misma carga de trabajo. Si los errores de memoria insuficiente persisten a pesar de una latencia de sincronización adecuada y cachés cuidadosamente ajustadas, el siguiente paso práctico es aumentar la RAM disponible o reducir la carga de trabajo por host, utilizando el consumo máximo medido en lugar de un tamaño de servidor recomendado arbitrario.