¿Por qué el uso de memoria de Jellyfin sigue siendo elevado después de completarse el trabajo?

Eva Wong es la redactora técnica y manitas residente en ZimaSpace. Es una geek de toda la vida apasionada por los laboratorios domésticos y el software de código abierto, y se especializa en traducir conceptos técnicos complejos en guías prácticas y fáciles de seguir. Eva cree que alojar servicios propios debería ser divertido, no intimidante. A través de sus tutoriales, ayuda a la comunidad a desmitificar la configuración del hardware, desde montar su primer NAS hasta dominar los contenedores Docker.

La memoria de Jellyfin puede seguir alta después de analizar contenido, ejecutar una tarea de metadatos o reproducir contenido, porque la «memoria usada» incluye varios elementos con distintos ciclos de vida: el montón de la aplicación, las asignaciones nativas, las bibliotecas compartidas, tmpfs de transcodificación, la caché de páginas del sistema de archivos y la memoria del kernel contabilizada al contenedor.

No diagnostiques una fuga basándote en una sola cifra alta. Primero determina si la memoria corresponde al proceso de Jellyfin, a su cgroup o a la caché del host; luego repite la misma carga de trabajo y comprueba si la parte no recuperable se estabiliza o sigue aumentando.

Empieza por la memoria disponible, no por la cifra de memoria libre del host

Linux usa deliberadamente la RAM inactiva para almacenar en caché los archivos leídos recientemente. Por eso, la columna «libre» puede mostrar un valor bajo después de que Jellyfin analice una biblioteca o lea grandes árboles de metadatos, aunque las aplicaciones todavía dispongan de mucha memoria.

La clásica explicación de la caché de páginas de Linux recomienda fijarse en la memoria disponible y en el comportamiento del intercambio, en lugar de considerar que tener poca RAM libre es un fallo por sí solo. La caché recuperable es útil hasta que otra carga de trabajo necesita esas páginas.

Preocúpate antes cuando la memoria disponible se acerque a cero, la actividad de intercambio aumente de forma persistente, la latencia suba durante la recuperación o el kernel registre procesos terminados por OOM. Esas señales indican presión de memoria; una gran cantidad de datos en caché sin presión puede simplemente reflejar un servidor con datos en caché.

Distingue la memoria anónima de la caché de archivos dentro del contenedor

En una instancia de Jellyfin en contenedor, revisa el desglose de memoria de cgroups en lugar de basarte únicamente en un porcentaje de Docker. La memoria anónima representa el montón, la pila y los mapeos anónimos; la memoria respaldada por archivos representa la caché de páginas y, por lo general, se puede recuperar.

Una guía actual sobre la contabilización de memoria de contenedores distingue anon, file y slab, para que no se confunda un contenedor con mucha memoria caché con un proceso cuya memoria privada crece sin límite.

Registra ambos valores antes de una carga de trabajo, en el pico, cinco o diez minutos después de que termine y tras una segunda ejecución idéntica. Una caché de archivos alta pero estable sugiere que los datos están en caché; si la memoria anónima aumenta en una cantidad similar con cada ciclo idéntico, conviene investigar más a fondo los procesos o complementos.

Recuerda que el almacenamiento temporal también puede ocupar memoria

Si el directorio de transcodificación u otra ruta de trabajo usa tmpfs, sus archivos consumen RAM y pueden contabilizarse en la memoria del contenedor o del host. Una sesión de reproducción detenida debería liberar con el tiempo los segmentos temporales que corresponda, pero una tarea interrumpida o un fallo de limpieza pueden dejar una gran cantidad de memoria ocupada por tmpfs.

Mide directamente el sistema de archivos temporal en lugar de asumir que cada gigabyte adicional corresponde al montón administrado. Comprueba también si otro proceso, como FFmpeg, sigue activo después de que finalice la tarea visible de Jellyfin. Un proceso secundario que mantenga archivos o mapeos puede seguir ocupando memoria aunque el panel indique que la tarea del usuario ha terminado.

Mantén acotado tmpfs. Las transcodificaciones en RAM solo son útiles cuando el conjunto de trabajo máximo, sumado a Jellyfin, el sistema operativo y los demás contenedores, todavía deja un margen de presión seguro. Si se alcanza el límite de memoria durante una transcodificación normal, cambia la ruta al SSD o aumenta el límite solo después de calcular las necesidades de todo el host.

Usa una prueba de meseta reproducible para distinguir la retención de una fuga

Elige una carga de trabajo controlada, como navegar por la biblioteca, actualizar los metadatos de un pequeño conjunto de prueba o realizar una transcodificación representativa. Registra el RSS del proceso, anon y file del cgroup, la RAM disponible del host, el espacio de intercambio y la duración de la tarea. Repítela tres veces con periodos de enfriamiento iguales.

Un flujo de trabajo en contenedor con alto consumo de memoria trata de forma distinta el crecimiento continuo de la memoria anónima y la presión OOM, frente a un consumo estable con uso intensivo de la caché. Esta distinción es más útil que preguntarse si la cifra volvió a su valor original en inactividad.

Los asignadores del entorno de ejecución pueden conservar memoria para reutilizarla, en lugar de devolver inmediatamente cada página al sistema operativo. El criterio práctico es si el trabajo equivalente repetido sigue aumentando la memoria comprometida y si el host experimenta presión, no si el RSS vuelve a su nivel de inactividad previo a la tarea en cuestión de segundos.

Investiga los complementos, los trabajos repetidos y los límites si el consumo de memoria no alcanza una meseta

Si la memoria anónima aumenta por escalones con cargas de trabajo idénticas repetidas, desactiva un complemento o una función en segundo plano prescindible cada vez y repite la misma prueba. Compara los resultados con un proceso de Jellyfin inactivo, sin ningún proceso secundario FFmpeg activo ni análisis en curso.

Inspecciona también el límite de memoria del contenedor y las demás cargas de trabajo del host. Un límite demasiado bajo puede hacer que el comportamiento normal de la caché y del entorno de ejecución parezca patológico, mientras que no establecer ningún límite en un host saturado puede permitir que un servicio consuma suficiente memoria como para generar presión de recuperación en todo el sistema.

El análisis de ZimaSpace sobre el primer recurso que pierde margen de forma sostenida establece el criterio adecuado para detenerse: cambia la asignación de memoria solo cuando la presión preceda de forma constante a un fallo de Jellyfin, no porque un panel indique que se está usando la mayor parte de la RAM que, de otro modo, estaría inactiva.

Preguntas frecuentes

¿Un RSS alto de Jellyfin significa automáticamente que hay una fuga de memoria?

No. El RSS puede incluir memoria que el entorno de ejecución conserva para reutilizar y páginas que permanecen residentes después de las tareas que las necesitaban. Una señal más clara de fuga es el crecimiento de la memoria no reclamable o anónima a lo largo de cargas de trabajo equivalentes repetidas, sin alcanzar una meseta estable, especialmente cuando disminuye la RAM disponible o aparecen eventos de intercambio y OOM.

¿Debería reiniciar Jellyfin todas las noches para liberar memoria?

No como solución rutinaria. Un reinicio puede servir como comparación de diagnóstico, pero los reinicios programados ocultan el patrón de crecimiento y pueden enmascarar al verdadero responsable. Clasifica primero la memoria de procesos, cgroups, caché y tmpfs; corrige una fuga, un fallo de limpieza, un complemento o un límite insuficiente solo cuando las pruebas lo identifiquen.

Soporte y consejos

Más para leer

Get More Builds Like This

Stay in the Loop

Get updates from Zima - new products, exclusive deals, and real builds from the community.

Stay in the Loop preferences

We respect your inbox. Unsubscribe anytime.