2、第二步断开电源线，白色的插头，可以用手拔。
3、第三部，看到黑色的盒子，这个盒子打开，就是内存条插槽。但要注意盒子上面有个箭头，等装好内存条后，靠个箭头的位置把盒子装进去。
4、第四步，用螺丝刀小心翘开这个盒子，要用巧劲。撬开后就可以看到内存槽了，首批配的内存是三星的，刚好装上组成双通道。最后装完内存条，全部装回去就好了。
最近在解决探针获取Ruby应用服务器的内存使用的情况，将解决的思路总结一下，希望对此感兴趣的伙伴一起探讨。
先对比应用服务器： Puma 和 Passenger ，下面对比这2个服务器内存统计，
单进程模式：直接获取进程id: Process.pid
cluster模式：以启动2个worker进程为例:
从上面截图可以看到，Puma启动后会出现3个进程：1个master进程和2个worker进程。
内存的使用情况(见 RSS 列):
而对于探针来说，一个探针实例是伴随进程一起启动的，也就说一个探针只能识别自己所在的进程id，那如何获取应用服务器使用的内存？我们用其中1个woker进程所在的进程组[ PGID ]看一下:(为啥不是父进程?, 见下文Passenger)
这3个进程都在相同的进程组里，而且进程组号为master的进程id，那我们就可以用这个信息获取应用服务器的所使用的内存:
4.累加进程组内进程内存和即为应用服务器使用内存:
启动Passenger后的Process信息：
对Passenger架构感兴趣的请移步到 这儿 .
查看一下worker所在进程组和父进程:
通过PPID可以看出
Passenger core —>Passenger AppPreloader —>Passenger RubyApp
三者为爷-父-子关系，当服务器请求量增大时 AppPreloader 会产生新的进程来响应请求,从而新的 RubyApp 进程的 PPID 即为 AppPreloader 的 PID ，这样看来就可以将同一个 PPID 的进程加起来得到应用服务器的内存？
由于Passenger会根据服务器的负载量动态调整进程数，当服务器请求量较小时，Passenger会kill多余的进程，会出现下面的情况：
AppPreloader 也被Passenger杀掉了。原 RubyApp 进程的 PPID 变成了1。这时如果服务器的请求量增大，应用服务器进程会成为这样：
Passenger core 产生新的 AppPreloader 进程，并且 AppPreloader 产生新的 RubyApp 进程，这时如果只用 PPID 统计应用服务器内存就会不准确，所以要统计Passenger的使用的内存还得通过累加在同一个进程组( PGID )的所有进程使用的内存和得到。
由于 Unicorn 和 Rainbows 都与Puma的cluster模式[master+worker模式]类似，内存统计的方式可以参考上文的Puma。
由于 Thin 启动多个server后没有类似的特点，上面方法不适用于Thin，有好方法的伙伴们可以告知:smile:
在解决探针统计应用服务器的内存问题上，摸索出了上面的一条路子，如果小伙伴们有其他更好的方式，可以一起探讨一下。
我们知道Rails应用的内存占用通常都是比较高的，尤其是比较重型的全栈应用内存使用更接近1G（当然同时也包括想sidekiq这样加载整个Rails应用的ruby进程），所以我们通常对应这种情况都采取一种比较tricky的方式，使用像 puma_worker_killer 这样的监控程序，监控rails进程达到一定内存占用后将其重启。也就是说应用一开始的内存占用通常都在100~300MB之间，随着时间的推移进程会创建大量的『对象』内部又会进行数次内存分配和回收，所以内存就会不断飙升。
在我们知道了基本情况之后，那就该说说正题如何优化Rails的内存占用，解决方案有若种，我们这里讲解一个最容易实施而且见效最快的方式，就是从内存分配入手。ruby使用glibc的malloc(3)进行内存分配，这是一个比较古老的内存分配器，性能比较低分配时会产生大量碎片。所以真的这一点，现在由很多性能比较出色由兼容原有API和以及被验证过的特性的新分配器，如jemalloc和tmalloc，这里我们就使用jemalloc作为Ruby应用的内存分配器，来看看能达到什么样的优化效果。
jemalloc是facebook出品的，最早用于FreeBSD中的内存分配器，后来像firefox从3.0也开始使用它，redis从2.4之后默认在linux上使用jemalloc。既然有这么多性能敏感型的软件都使用了jemalloc那它一定有过人之处。
jemalloc的特别之处在于它融合了其他内存分配技术的优势，并且采用多级内存分配，线程池缓存tcache还有划分内存区来减少线程间锁的争用。
jemalloc结构：
多级内存分配 ：jemalloc根据对象的大小，将其归为划分为 small object, large object和huge object三类
Arena : jemalloc 没有像malloc那样对内存的划分都几种在一个区域中管理，而是使用多个小块的内存区域来分别管理，内个小块称为"arena" 。
线程池缓存thread cache ：tcache是分配线程的缓存空间，jemalloc使用tcache来减少线程内存分配中锁竞争，从而提升分配效率，每个tcache对应一个arena。
这一步我们来看看应用Jemalloc到我们的ruby进程中到底能有多大的提升呢。
安装
我们选择在2.4.1版本上进行测试。除了上面这种安装方式外，也可以通过gem包来安装 jemalloc-rb
内存使用
我们在同一个应用运行的两台服务器中的一个上面安装的jemalloc，而另一套作为对照组没有安装。
这里就贴出性能差距最明显的一个进程 rails应用的sidekiq进程
没有使用jemalloc的服务器上面的sidekiq进程
使用jemalloc的服务器上面的sidekiq进程
可以看到差距是很明显的，当然不是每个进程都有这样的优化效果，这个我们总结的时候再说。
从上面的jemalloc的前后对比图中我们能够看出jemalloc的优化还是有明显效果的。至于为什么sidekiq和puma之前的差距这么大，这就引出了，其实jemalloc仅是从内存分配的程度去优化和改进内存使用和性能，在你的应用程序大量产生对象，并且长久运行下去的情况时，效果就比较明显，而如果应用本身做的就比较精简，从程序角度优化的比较好的话，jemalloc的提示就不明显。所以说jemalloc可以为你的应用内存性能解燃眉之急，但是从系统性的角度出发，还是从自身出发优化好应用本身的性能。
