Self-Hosting

Speicherverhalten von acht selbst gehosteten Apps auf einem 2-GB-VPS über eine Woche

Ein Sieben-Tage-Test zeigt, wie der verfügbare Speicher nach der Einrichtung abfällt und sich stabilisiert, wobei n8n die größten Ausschläge verursacht.

Illustration eines kleinen Serverschranks, der mehrere Anwendungen auf einer begrenzten Kapazitätsskala hält
Für diesen Artikel erstellte Illustration

Automatisch aus dem englischen Original übersetzt.

Zwischen dem 3. und 10. November 2026 liefen auf einem einzelnen virtuellen privaten Server mit 2 GB RAM zehn Container, die acht beliebte selbst gehostete Anwendungen beherbergten. Das Experiment verfolgte die Speichernutzung unter leichter, automatisierter Last, um festzustellen, ob eine derart eingeschränkte Umgebung einen Multi-App-Stack ohne Abstürze oder Neustarts aufrechterhalten kann.

Was geschah

Die Testumgebung bestand aus einem Server mit einer virtuellen CPU und 2 GB Speicher, konfiguriert ohne Swap-Datei. Der Betreiber stellte Vaultwarden, Navidrome, Audiobookshelf, Forgejo, Jellyfin, Uptime Kuma, Home Assistant mit Mosquitto sowie n8n mit PostgreSQL bereit. Im Gegensatz zu früheren Idle-Tests umfasste dieser Durchlauf abgeschlossene Erst-Einrichtungen für alle Apps und ein Skript, das alle fünf Minuten leichte Aktivität generierte. Dieses Skript führte etwa 18 Anfragen über die Dienste hinweg aus und commitete Dateien zu Forgejo halbstündlich, was insgesamt 36.848 Anfragen pro Woche ergab.

Der verfügbare Speicher fiel während der Anfangsphase des Tests erheblich ab. Der Median des verfügbaren Speichers sank von 296 MiB am ersten Tag auf 259 MiB am siebten Tag. Der Großteil dieses Rückgangs erfolgte in den ersten vier Tagen, danach flachte die Nutzungskurve ab. Der niedrigste aufgezeichnete Wert lag bei 157 MiB, nur 38 Minuten nach dem Start, aber das System erholte sich schnell und erreichte diesen Pegel nie wieder. Entscheidend ist, dass es während der 9.923 genommenen Stichproben keine Out-of-Memory-Kills oder Container-Neustarts gab.

Während das Gesamtsystem stabil blieb, zeigten einzelne Anwendungen unterschiedliches Verhalten. n8n wies das volatilste Speicherprofil auf und schoss kurzzeitig auf 471 MiB hoch, was etwa 110 MiB über seinem Wochenmedian lag. Andere Apps wie Home Assistant und Uptime Kuma zeigten geringes Wachstum, während leichtgewichtige Dienste wie Vaultwarden und Mosquitto nahezu statisch blieben. Die Daten deuten darauf hin, dass zwar die durchschnittliche Nutzung vorhersehbar ist, die Spitzenlast jedoch vorübergehend einen großen Teil des verbleibenden Spielraums verbrauchen kann.

Wichtige Details

  • Stabilität: Alle zehn Container waren die gesamte Woche über online, ohne aufgezeichnete Memory-Kills oder Neustarts.
  • Speicherabfall: Der Median des verfügbaren Speichers sank von der ersten bis zur letzten Stunde um 49 MiB und stabilisierte sich nach Tag vier.
  • Größter Ausschlag: n8n erreichte kurzzeitig 471 MiB und verbrauchte damit fast die Hälfte des zu diesem Zeitpunkt verfügbaren Spielraums.
  • Auswirkung der Einrichtung: Der Median des verfügbaren Speichers in der ersten Stunde betrug 308 MiB, deutlich niedriger als die 425 MiB, die in einem vorherigen Test mit unberührter Installation beobachtet wurden.
  • Page Faults: Major Page Faults stiegen täglich bis Tag sechs an, was auf zunehmenden Druck auf speicherbasierte Seiten hindeutet.
  • Latenz: Die mediane Antwortzeit für erfolgreiche Anfragen stieg leicht von 18 ms am ersten Tag auf 23 ms am siebten Tag.

Hintergrund

Um diese Ergebnisse zu verstehen, muss man zwischen verschiedenen Arten von Speichermetriken unterscheiden. Der Test maß „verfügbaren Speicher“ auf dem Host, der freien Speicher plus wiedergewinnbaren Cache umfasst, und „anonymen Speicher“ innerhalb der Container, der sich auf nicht dateibasierten Speicher bezieht. Linux verwaltet den Speicher aggressiv und nutzt oft freien RAM für Disk-Caching, um die Leistung zu verbessern. Wenn Anwendungen mehr Speicher benötigen, gewinnt der Kernel diesen Cache zurück. Deshalb kann der verfügbare Speicher sinken, auch wenn die Anwendungsnutzung gleich bleibt, da das System aktive Prozesse gegen gecachte Daten abwägt.

Major Page Faults treten auf, wenn ein Programm auf Daten zugreift, die sich nicht im physischen RAM befinden und vom Speicher gelesen werden müssen. In einem System ohne Swap deuten diese Fehler normalerweise darauf hin, dass der Kernel dateibasierte Seiten neu lädt. Obwohl dies nicht zwingend ein Zeichen eines Fehlers ist, kann eine steigende Anzahl von Major Page Faults signalisieren, dass das System unter Speicherdruck steht, was potenziell zu erhöhter Latenz führt, wenn die CPU auf Daten vom Datenträger wartet.

Warum es wichtig ist

Für Teams, die selbst gehostete Infrastruktur verwalten, stellt diese Daten die Annahme infrage, dass eine niedrige durchschnittliche Speichernutzung Sicherheit garantiert. Die n8n-Ausschläge zeigen, dass eine Anwendung die meiste Zeit effizient laufen kann, aber gelegentlich große Ressourcenbursts verlangt. Auf einem 2-GB-Server repräsentiert ein 110-MiB-Spike einen erheblichen Teil der Gesamtkapazität. Wenn mehrere Anwendungen gleichzeitig ausschlagen oder wenn die Basisnutzung durch reale Daten allmählich ansteigt, steigt das Risiko eines Out-of-Memory-Kills erheblich.

Der Unterschied zwischen einer unberührten Installation und einer konfigurierten ist auch für die Kapazitätsplanung kritisch. Die Lücke von 117 MiB im verfügbaren Speicher zwischen dem Idle-Test und diesem konfigurierten Test verdeutlicht, dass anfängliche Provisionierungsschätzungen oft optimistisch sind. Administratoren, die Server basierend auf sauberen Installationen provisionieren, könnten sich knapp an Ressourcen vorfinden, sobald Konten erstellt, Bibliotheken indiziert und Hintergrundworker gestartet werden. Die Messung des Speichers nach der Einrichtung liefert eine realistische Baseline, um zu bestimmen, ob eine Servergröße angemessen ist.

Darüber hinaus bedeutet das Fehlen der Swap-Datei-Nutzung in diesem Test, dass das System kein Sicherheitsnetz für extremen Druck hatte. Während der Server die Woche überlebte, deuten die steigenden Major Page Faults und der leichte Anstieg der Latenz darauf hin, dass das System härter arbeiten musste, um den Speicher zu verwalten. Für Produktionsumgebungen, in denen konsistente Antwortzeiten vital sind, kann das alleinige Verlassen auf physischen RAM ohne Verständnis der Spitzenverhalten zu unvorhersehbarer Leistungseinbußen führen.

Was Sie tun können

  • Nach Konfiguration messen: Prüfen Sie die Speichernutzung immer erst nach Abschluss der App-Einrichtung und Erstellung von Konten, nicht nur nach der Installation.
  • Für Spitzen planen: Dimensionieren Sie Ihren Server basierend auf der maximal beobachteten Speichernutzung Ihrer größten Anwendung, nicht nur deren Median.
  • Trends überwachen: Verfolgen Sie verfügbaren Speicher und Major Page Faults über mehrere Tage, um langsame Lecks oder wachsenden Druck zu identifizieren.
  • Swap vorsichtig erwägen: Bewerten Sie das Hinzufügen einer Swap-Datei, um Ausschläge aufzufangen, testen Sie aber deren Auswirkung auf die Latenz für Ihre spezifische Workload.
  • Konkurrenzstapel begrenzen: Wenn Sie mehrere speicherintensive Apps betreiben, reduzieren Sie die Anzahl der Dienste oder upgraden Sie auf einen größeren VPS-Plan.
  • Mit echten Daten validieren: Testen Sie mit gefüllten Bibliotheken und tatsächlichen Benutzerworkflows, da leere Instanzen die Produktionsanforderungen nicht widerspiegeln.

Weitere News

Alle News