ruby-on-rails - Heroku [Performance] 上的 RoR：线程、工人、whacamole 还是 dynos？

Question

APP：Heroku 标准 2x 测功机上的 Rails 4.2.9。

DB：漂移计划上的 MySQL Heroku 附加 ClearDB

Puma：工人 4，threads_count 1

每天不超过 10 人访问此应用程序。就他们的使用而言，这很好。没有关于速度或停机时间的投诉。

该应用程序有很多.sum和.each { |n| total += n.value}类型的东西，我怀疑这是消耗内存的东西。

问题是这个应用程序每天都会超过 1 GB 的内存使用量。

对于这么小的操作来说，与下一个测功机的价格差异是不合理的。此外，考虑到使用它的员工不到 10 人，多付 5 倍的费用似乎很疯狂，而不是让应用程序运行得更好！

无论如何，当我读到这件事时，我似乎变得越来越不确定。问题是：

在这种情况下降低内存使用的最佳方法是什么？我应该关注哪条路径？

1. 将 puma 线程更改为更多？
2. 将彪马工人换成更多？（较少的？）
3. 使用whacamolegem 并每天重新启动几次测功机？
4. 切换到 2 个标准 1x 测功机而不是 1 个标准 2x？
5. 还有什么？完全不同？

更新（开发环境的一些 PS 输出）

   CPU    MEM    TIME       BOSS
 -
   0.0    0.1    0:19.32    cluster worker 1: 58165
   0.0    0.4    0:39.90    cluster worker 0: 58165
   0.0    0.4    0:11.17    3.11.4 (tcp://localhost:3000) [finan]
 -
   0.0    0.1    0:19.32    cluster worker 1: 58165
   0.0    0.2    0:39.90    cluster worker 0: 58165
   0.0    0.4    0:11.17    3.11.4 (tcp://localhost:3000) [finan]
 -
   3.3    0.3    0:19.38    cluster worker 1: 58165
   0.3    0.2    0:39.90    cluster worker 0: 58165
   0.0    0.4    0:11.17    3.11.4 (tcp://localhost:3000) [finan]
 -
   25.7    2.1    0:19.94    cluster worker 1: 58165
   0.0    0.2    0:39.90    cluster worker 0: 58165
   0.0    0.4    0:11.17    3.11.4 (tcp://localhost:3000) [finan]
 -
   96.3    2.3    0:21.02    cluster worker 1: 58165
   0.0    0.2    0:39.90    cluster worker 0: 58165
   0.0    0.4    0:11.17    3.11.4 (tcp://localhost:3000) [finan]
 -
   96.7    2.4    0:22.09    cluster worker 1: 58165
   0.0    0.2    0:39.90    cluster worker 0: 58165
   0.0    0.4    0:11.17    3.11.4 (tcp://localhost:3000) [finan]
 -
   96.9    2.5    0:23.09    cluster worker 1: 58165
   0.1    0.4    0:11.18    3.11.4 (tcp://localhost:3000) [finan]
   0.0    0.2    0:39.90    cluster worker 0: 58165
 -
   97.5    2.6    0:24.15    cluster worker 1: 58165
   0.0    0.2    0:39.90    cluster worker 0: 58165
   0.0    0.4    0:11.18    3.11.4 (tcp://localhost:3000) [finan]
 -
   98.5    2.7    0:25.23    cluster worker 1: 58165
   0.0    0.2    0:39.90    cluster worker 0: 58165
   0.0    0.4    0:11.18    3.11.4 (tcp://localhost:3000) [finan]
 -
   98.2    2.8    0:26.32    cluster worker 1: 58165
   0.0    0.2    0:39.90    cluster worker 0: 58165
   0.0    0.4    0:11.18    3.11.4 (tcp://localhost:3000) [finan]
 -
   90.1    2.8    0:27.35    cluster worker 1: 58165
   0.0    0.2    0:39.90    cluster worker 0: 58165
   0.0    0.4    0:11.18    3.11.4 (tcp://localhost:3000) [finan]
 -
   97.9    2.9    0:28.42    cluster worker 1: 58165
   0.0    0.2    0:39.90    cluster worker 0: 58165
   0.0    0.4    0:11.18    3.11.4 (tcp://localhost:3000) [finan]
 -
   85.4    3.2    0:29.43    cluster worker 1: 58165
   0.0    0.2    0:39.90    cluster worker 0: 58165
   0.0    0.4    0:11.18    3.11.4 (tcp://localhost:3000) [finan]
 -
   91.7    4.9    0:30.42    cluster worker 1: 58165
   0.0    0.2    0:39.90    cluster worker 0: 58165
   0.0    0.2    0:11.18    3.11.4 (tcp://localhost:3000) [finan]
 -
   18.4    4.1    0:31.06    cluster worker 1: 58165
   0.0    0.1    0:39.90    cluster worker 0: 58165
   0.0    0.2    0:11.18    3.11.4 (tcp://localhost:3000) [finan]
 -
   0.2    3.5    0:31.06    cluster worker 1: 58165
   0.0    0.1    0:39.90    cluster worker 0: 58165
   0.0    0.2    0:11.18    3.11.4 (tcp://localhost:3000) [finan]
 -
   11.7    3.7    0:31.20    cluster worker 1: 58165
   2.5    0.4    0:39.94    cluster worker 0: 58165
   0.0    0.2    0:11.18    3.11.4 (tcp://localhost:3000) [finan]
 -
   0.1    3.7    0:31.20    cluster worker 1: 58165
   0.0    0.4    0:39.94    cluster worker 0: 58165
   0.0    0.2    0:11.18    3.11.4 (tcp://localhost:3000) [finan]
 -
   0.0    3.5    0:31.20    cluster worker 1: 58165
   0.0    0.4    0:39.94    cluster worker 0: 58165
   0.0    0.2    0:11.18    3.11.4 (tcp://localhost:3000) [finan]
 -
   0.4    0.2    0:11.18    3.11.4 (tcp://localhost:3000) [finan]
   0.0    3.4    0:31.20    cluster worker 1: 58165
   0.0    0.4    0:39.94    cluster worker 0: 58165

标签： ruby-on-railsperformanceherokupuma