Neptune Serverless可用内存持续下降引发NCU攀升问题求助

• 缓存针对性验证
  临时禁用neptune_lookup_cache，观察1-2个完整业务周期内可用内存是否在非峰值时段恢复。同时用Gremlin查询查看缓存实际占用情况：

  g.with('system:cache').V().count()
  

  检查缓存过期配置，确认是否存在大量无法自动过期的缓存键（比如查询参数基数异常增高）。

• 查询模式隐性变化排查
  导出近6周的Gremlin查询日志，对比过往查询：

  • 统计高频查询的参数多样性，确认是否因业务数据变化出现大量唯一查询参数，导致缓存无限制膨胀
  • 排查是否存在意外的全图遍历（无过滤的g.V()）或深度极深的遍历，这类查询会持续占用内存且难以被缓存优化

• 扩缩容机制有效性验证
  查看CloudTrail或Neptune控制台的实例事件日志，确认非峰值时段是否触发了缩容操作。未释放的持久连接、未完成的事务会阻止实例缩容，导致内存无法回收。
  同时检查Lambda的Gremlin Client复用策略，确认是否存在每次查询都新建连接的泄漏情况。

• 内存细分项排查
  启用Neptune性能洞察（Performance Insights），查看内存占用的细分维度（堆内存、缓存内存、系统内存）：

  • 若堆内存持续增长，结合查询日志定位可能导致对象无法回收的问题查询
  • 检查自动统计信息收集是否异常，错误的统计信息会导致查询计划劣化，进而占用更多内存

• 引擎版本兼容性检查
  确认近6周内Neptune Serverless是否自动升级了引擎版本。部分新版本可能存在内存管理类bug，可尝试回滚至之前稳定的版本观察是否恢复。

内容的提问来源于stack exchange，提问作者d95l