玩游戏电脑频繁出现out of memory 如何设置虚拟内存?_百度知道
玩游戏电脑频繁出现out of memory 如何设置虚拟内存?
我的电脑是ThinkPad X1 Carbon 是SSD的硬盘我玩龙之谷大型游戏的时候 玩一会就会出现out of memory.. 可是我的电脑是4GB的啊 为什么会这样呢? 如果设置虚拟内存 4GB的电脑要如何设置最小值 和 最大值? 或者有另外的方法可以解决?
我有更好的答案
按照正理 是不会出现你说的这种情况
当然出现你说的这种情况了
最好将虚拟内存设置为最小4G 最大5G就可以了，以便于数据进行流转
你可以设置一下试试
如果还有问题
可以追问……
很多人说的虚拟内存设置的大小都不一样 如何知道什么才是最好的?
一般是2倍于实际内存鉴于你内存比较大了
小一点也没事……
采纳率：33%
基本在1.5到3倍之间，你可以设置下看看，不断调整，知道不出现 虚拟内存 不足的问题，就可以了。
你是64位系统，建议多加一条4G内存。不加的话，如果不是正版系统的话建议安装32位win7高级家庭。虚拟内存如果你不知道如何分配就用 系统页面大小分配。 否则最大最小值同时改为4096Mb就ok了，不够就改成6144应该就够了。这个最好是2的倍数。1G=1024M。 不懂再问。
是正版的 买来电脑自带的 这个电脑刚买1个月左右..
正版系统会在键盘附近的空位置贴上 正版 的标签。正版就不建议重装系统，你不懂就去客服那里买一条4G内存装上去，稍微懂就自己在新蛋京东等带发票的商城买一条，再去客服售后点给点钱要求安装，懂的话拆了内存盖子自己安装，假如盖子上面贴了保修的贴纸就去售后那里搞，不然以后坏了不受保就麻烦了
通常虚拟内存是物理内存的1-2倍，你可以设虚拟内存为4g-8g,另一种可能是中病毒了，建议杀毒。
应该不是中毒了 电脑刚买回来几个月而已~` 刚买回来的时候玩游戏就是这样的所以是说最小值是4G 最大值是8G喽?
其他1条回答
为您推荐：
其他类似问题
虚拟内存的相关知识
换一换
回答问题，赢新手礼包
个人、企业类
违法有害信息,请在下方选择后提交
色情、暴力
我们会通过消息、邮箱等方式尽快将举报结果通知您。nastran求解器的设置问题，如何让nastran调用多核cpu呢 还有就是是不是内存的控制_百度知道
nastran求解器的设置问题，如何让nastran调用多核cpu呢 还有就是是不是内存的控制
目前cpu一直百分10在算，内存是24G的机器，算一个100多网的网格的模态，之前用hyperworks的内置求解器一直报内存不够，不知道这个有没有什么解决办法，nastran能不能固定一个内存给他算
我有更好的答案
cpu没有办法，现在盗版的基本上没有真正意义多cpu的，内存可以在nastran下的conf\*.rcf中添加memory=16G
采纳率：54%
为您推荐：
其他类似问题
您可能关注的内容
多核cpu的相关知识
换一换
回答问题，赢新手礼包
个人、企业类
违法有害信息,请在下方选择后提交
色情、暴力
我们会通过消息、邮箱等方式尽快将举报结果通知您。CAE防真拯救者/惠普z840工作站 - 深圳惠普服务器钻石代理商-深圳市鑫鹏程实业有限公司
&当前位置： -
CAE防真拯救者/惠普z840工作站
发布时间： 新闻来源：深圳惠普服务器钻石代理商-深圳市鑫鹏程实业有限公司 浏览次数：
&随着制造业转型升级的呼声日益高涨，由&中国制造&向&中国创造&的跨越在未来很长一段时间内必将成为中国制造业发展的主旋律。传统粗放型生产模式将失去成长空间，拥有自主产品研发能力的企业将成为主流。在这一进程中，CAE作为产品设计过程的重要支撑，将在企业扮演着非常重要的角色。
&制造&到&创造&
CAE通过工作站对模型进行虚拟仿真分析不仅能加速工程师的设计，更能提升企业的核心竞争力。
为展现CAE软件对产品设计的重要价值，小编将在这里，从软件和硬件两个方面对CAE应用进行阐述。本次测试软件选用ANSYS Mechanical 16.2，硬件则是惠普最新发布的HP Z840工作站。
一、测试思路
CAE分析软件主要有三个步骤，即：前处理、有限元求解、后处理。前处理为产品建立合理的有限元模型、网格划分、载荷施加；有限元求解对模型进行单元特征分析并求解；后处理则分析有限元求解结果进而论证设计的合理性。本次测评主要划分为以下几个步骤：
1、基本操作
利用CAE软件创建实体模型
2、网格划分
在CAE仿真中，网格划分是至关重要的一步，它直接影响到求解结果的精确度
3、应力求解
作为CAE中计算强度最高的部分，工作站的性能直接影响到CAE软件的计算效率
二、测试平台
1、硬件平台
HP Z840工作站配置
作为惠普性能最强的工作站。HP Z840工作站可提供卓越的处理能力、专业显卡、最大的内存和内部存储容量，为您带来超凡的工作体验。它应用了第三代至强E5-2600系列专业处理器，双路配置保证了出色的处理能力。同时搭载的大容量内存使得工作站在运算上没有瓶颈，为了实现存储性能加速，借助创新的快速存储解决方案&&HPZ Turbo Drive，缩短了计算响应时间，变革了 HP Z840 处理大型文件的方式，使得 Z840工作站能胜任目前主流的任何需求。
2、软件平台
软件及系统
ANSYS软件是融结构、流体、电场、磁场、声场分析于一体的大型有限元分析软件。它能与多数CAD软件接口实现数据的共享和交换，是现代产品设计中的高级CAE工具之一。ANSYS Mechanical是ANSYS产品家族中的结构及热分析模块。
三、CAE应用测试
1、基本测试
本次测试选用锯床底座模型，线单元为6909，面单元为2601，属于中等复杂模型。载入模型耗时18秒，缩放、旋转、拖动都相当流畅。
2、网格划分
此次测试节点数和网格数分别达到了79892，计算过程共耗时26分17秒，测试结果表明HP Z840工作站完全能够胜更复杂更高精度的网格划分。
3、应力求解
应力求解就是根据工程或产品设计要求对有限元分析结果进行分析进而论证设计的合理性，以满足客户对产品的设计需求。
通过分析锯床底座模型的测试过程，我们发现影响CAE仿真性能的因素很多，但归纳起来主要有以下三个方面。
（1）高性能处理器
（2）高带宽大内存
（3）高速存储磁盘
下面笔者就一一阐述这些因素对CAE仿真的具体影响。
四、硬件设备对CAE仿真性能的影响
●高性能处理器缩短求解时间
作为计算机的心脏，CPU的选择至关重要。HP Z840可配备1125W的电源，支持2颗当今性能最强劲的英特尔至强E5 2600系列第三代CPU，其中E5-2699v3处理器为18核心36线程，拥有45MB三级缓存和两条9.6GT/s QPI互联总线，总线频率为2133。在CAE这类对计算性能要求极高的应用中，需要在短时间内对大量数据进行频繁的调用和处理。测试表明，HP Z840工作站搭配两个14处理器就能很好的满足2000万以上单元格规模的CAE运算需求。
Z840CPU配置列表及QPI
依托HP Z840工作站极其强劲的计算性能，使得CAE仿真分析中求解大型阵列方程与数据密集型计算变得轻而易举！
●大内存高带宽提升计算效率
ANSYS Mechanical不仅要作复杂3D有限元模型的图形处理，还要进行高性能并行浮点运算。内存容量的大小，不仅决定能求解多大规模的有限元模型，而且对于特定的模型，还将决定其使用的内存模式，从而决定求解性能。 ANSYS Mechanical缺省的求解器是Sparse Direct Solver。其缺省的内存模式optimal out-of-core，求解过程中自动根据内存容量确定存放到内存和磁盘中数据的比例。对于特定的题目，内存越大，求解过程中读写磁盘越少，求解时间越短。如果内存足够大，可使用in-core模式，求解过程中将数据全部放在内存中，尽可能避免磁盘的读写，从而成倍地提升求解速度。
Z840内存架构图
借助于HP Z840高达2TB的内存容量与极高的带宽，让CAE求解完全可以不依赖低速磁盘的读写，从而极大的缩短计算时间。
●高速存储磁盘缩短求解时间
上述对内存需求分析，是针对最基本的线性静力问题，如果遇到动力学问题，其对内存的需求一般会增加百分之几十到几倍。即便是线性静力问题，几千万自由度甚至上亿的装配问题也已经非常普遍，特别是最近流行的从CAD直接导入CAE中、直接划分网格，导致有限元模型的求解规模越来越大。尤其在求解模态等动力学问题时，缺省使用Block Lanczos算法，即使用in-core模式，对磁盘的持续反复读写也在所难免。因此提升磁盘的持续读写性能，同样是缩短ANSYS Mechanical整体求解时间的有效手段。
HP Z Turbo Drive G2存储解决方案
利用惠普无以伦比的HP Z Turbo Drive G2存储解决方案，成为缩短ANSYS Mechanical整体求解时间的有效手段。另外随着HP Z Turbo Drive Quad Pro革命性存储解决方案的推出，相信CAE仿真分析中磁盘对性能的影响必将成为历史。
综上所述，CPU、内存、磁盘是决定ANSYSMechanical计算性能的3个关键因素，而Z840作为惠普工作站旗舰机型，其在设计之初就将如CPU、内存等关键部件的协作性能调配到最佳。除此之外，惠普Z840在稳定性、兼容性以及可扩展性上亦表现非凡。其内部模块设计方便管理升级，革命性的HP Z Cooler散热解决方案及优化排风系统满足长时间开机运算的环保及降噪要求。惠普工作站继续与ANSYS一起，根据ANSYS Mechanical对系统资源的需求的特性、分析求解的问题的种类和规模、资金预算等诸多因素，结合最新的技术，为不同用户配置适合自身需求的&完美&的工作站整体仿真解决方案。
Copyright & 2012 .
All rights reserved. 粤ICP备
地址：深圳市深南中路大中华国际金融中心C座2205室
电话：2 传真：2在Android开发中，有哪些好的内存优化方式？如何避免 Out Of Memory(OOM) ？ - 知乎662被浏览<strong class="NumberBoard-itemValue" title="4分享邀请回答83 条评论分享收藏感谢收起35添加评论分享收藏感谢收起解决Spark本地模式outofmemory问题
在做Kaggle比赛的时候，中间处理之后的训练数据有5000多万条数据，结果Spark 本地模式运行的时候，一直报出out of memory 问题。我在程序中使用了DataFrame.rdd.collect()方法。RDD的Collect()方法把RDD的数据全部放入到数组中进行返回，5000多万条数据全部放入到数组当中进行返回。当然会内存溢出。
通过打印GC日志发现，Eden区域和老年代的空间使用全部都是100%。没办法，电脑8g内存，我通过调大堆的内存，发现还是内存溢出，内存还是不够存下这么多条数据。我想了一下解决方法。
这是一种简单暴力的方法，自己可以再去买一个8G内存条，然后把堆得空间通过-Xms??M -Xmx??M -Xmn??M来设置尽可能大一点。尽量设置为最大的空间。这样看看能不能解决，如果还是不能解决的话，说明你的数据太大了。
我调用RDD重新分区函数将RDD重新分为了20个分区，然后通过RDD的saveAsTextFile方法将它们存到了20个文件当中去了。然后，跑程序的时候，我一个文件一个文件的来进行读取。然后一行一行的使用数据。结果是程序可以跑了，但是非常慢。没钱买内存条，只用这种方法。
解决方法2运行到3000多万条数据的时候，发现程序运行的很慢，通过jstat命令发现新生代的内存用完了。这块我还在考虑，等我之后想到了完美的办法，在来完善这个问题。