LangGraph 的 checkpointer 越跑越占内存

LangGraph 用 MemorySaver 跑线上服务，4 小时内存从 1.2GB 涨到 6GB，thread_id 每条会话一个，历史快照全部驻留不释放。

一开始怀疑是「没有清理过期会话的策略」，查了一圈，方向不对。

把日志和配置对完，能解释这个现象的基本就这几处。MemorySaver 把所有快照放在进程内存里。少数情况下是每个 superstep 都会写一份状态快照。

还有一种情况，消息列表本身随轮次线性增长。

上来先统计当前 thread 数量与内存占比

python -c "import psutil;print(psutil.Process().memory_info().rss/1024/1024)"

随后换成 PostgresSaver 把状态落到库

python -c "from langgraph.checkpoint.postgres import PostgresSaver;print(PostgresSaver)"

接着按天清理超过 7 天的 thread

python -c "print('delete from checkpoints where created_at < now() - interval 7 day')"

给状态里的消息列表加上限并压测内存

python -c "print({'max_messages':30,'trim':'drop_oldest'})"

白天有业务在跑，能验证的部分都压到了晚上做。

当时还开着另一个排查窗口，两边日志对照着看才定位到。

改完先别撤，确认这几项。连续跑 4 小时内存稳定在 1.5GB 左右，thread 数量不再无限增长。

这里还有个坑。会话状态别放在进程内存里，落库加清理策略是标配，否则上线时间越长越危险。拖得越久，排查成本越高，因为现场状态会被后续操作覆盖。