Problèmes de mémoire insuffisante sur n8n Cloud après la récente mise à jour

Bonjour à la communauté n8n,

Je suis confronté à un grave problème de manque de mémoire sur mon instance n8n Cloud après la récente mise à jour de n8n.

Mes workflows fonctionnaient parfaitement jusqu’au 18 mai et s’exécutaient de manière fiable depuis les 6 derniers mois. Je n’ai apporté aucune modification à mes workflows, nœuds, identifiants, configurations ou variables d’environnement au cours de la semaine passée.

Après la récente mise à jour de version de n8n, plusieurs workflows de production ont commencé à échouer lors de l’exécution. Lorsque ces workflows s’exécutent, l’instance devient instable ou ne répond plus, les automatisations cessent de fonctionner, et l’instance finit par manquer de mémoire.

J’ai déjà essayé de supprimer les exécutions enregistrées, de réduire l’historique d’exécution et de supprimer les nœuds d’attente pour réduire l’utilisation de la mémoire, mais le problème persiste. Même après avoir supprimé les exécutions, lorsque les workflows s’exécutent à nouveau, l’instance manque toujours de mémoire ou s’arrête brutalement.

Cela a commencé uniquement après la mise à jour, je voudrais donc comprendre s’il y a eu une récente modification dans n8n Cloud concernant la gestion de la mémoire, le comportement d’exécution, les exécutions enfants, la concurrence des workflows ou le comportement des nœuds.

J’apprécierais des conseils de la part de l’équipe n8n ou de la communauté sur la façon de déboguer ce problème et d’identifier ce qui cause le pic de mémoire.

Je voudrais également savoir si quelqu’un d’autre fait face au même problème après la récente mise à jour, ou si cela n’affecte que mon instance.

Quel est le message d’erreur, le cas échéant ?

Le problème principal est que l’instance manque de mémoire lors de l’exécution des workflows.

Dans la liste d’exécution, les workflows s’affichent comme Erreur.

Voici quelques IDs d’exécution ayant échoué récemment :

ID d’exécution : 1074560
Statut : Erreur
Démarré : 21 mai, 12:53:34
Durée d’exécution : 11.722 s

ID d’exécution : 1074559
Statut : Erreur
Démarré : 21 mai, 12:53:31
Durée d’exécution : 5.182 s

Workflow :

Ces workflows sont en production, je ne peux donc pas partager le fichier JSON complet du workflow publiquement car il contient de la logique métier, des identifiants et des intégrations.

Sortie renvoyée par le dernier nœud

Les workflows échouent avant de se terminer correctement. Le statut d’exécution indique Erreur, et le problème principal est le comportement de manque de mémoire au niveau de l’instance.

Dans certains cas, les exécutions échouent très rapidement, par exemple en quelques millisecondes. Dans d’autres cas, elles s’exécutent pendant plusieurs secondes avant d’échouer.

L’instance devient également instable ou ne répond plus lorsque les workflows s’exécutent.

Informations sur votre configuration n8n

Version de n8n :
Version n8n Cloud mise à jour avec la dernière version

Base de données :
Base de données gérée par n8n Cloud.

Paramètre n8n EXECUTIONS_PROCESS :
Géré par n8n Cloud / non configuré directement par moi.

Exécution de n8n via :
n8n Cloud.

Système d’exploitation :
Géré par n8n Cloud / non applicable.

Notes supplémentaires

J’ai récemment payé pour le plan annuel suivant et je suis actuellement sur le Plan Pro 1. Les workflows étaient stables avant la récente mise à jour. Ce problème a commencé après la mise à jour, sans aucune modification de ma part.

J’aimerais savoir :

  1. Comment puis-je identifier quel workflow ou nœud cause le pic de mémoire ?
  2. Y a-t-il eu une récente mise à jour n8n qui a modifié l’utilisation de la mémoire, la gestion des exécutions, la concurrence des workflows ou le comportement des nœuds ?
  3. Existe-t-il une solution de contournement, un correctif, une option de restauration antérieure ou un paramètre recommandé pour stabiliser l’instance ?

bienvenue dans la communauté n8n @Asher_TMT
1- non
2- je n’ai pas trouvé de régressions
3- Pour stabiliser en attendant l’investigation, essayez de lancer moins de choses en même temps, réduire la taille des données traitées, éviter les fichiers volumineux dans le workflow et diviser les flux très lourds en parties plus petites. Si un traitement est très lourd, il peut être judicieux de déplacer cette étape vers un service externe et laisser n8n se charger uniquement de l’orchestration.

et n’utilisez pas de nœuds Loop. Surtout avec une grande quantité d’éléments. Ils sont très gourmands en ressources de traitement.

Depuis la dernière mise à jour, nous avons considérablement réduit les choses, mais la partie préoccupante est que les workflows fonctionnaient bien depuis les 6 derniers mois. J’ai précédemment traité des charges beaucoup plus lourdes, et N8N n’a jamais planté. Maintenant, même si je traite seulement environ 60% de cette charge, cela continue de planter.

@Asher_TMT
Les workflows qui ont commencé à échouer après la mise à jour ont-ils un traitement binaire/des nœuds AI/des boucles ou une concurrence élevée ? Et le comportement s’améliore-t-il si vous réduisez temporairement les exécutions parallèles ?

Je constate ce schéma cette semaine sur plusieurs instances n8n Cloud. Ce n’est pas un problème de configuration de workflow, mais cela ressemble à une régression mémoire dans la dernière mise à jour.

Deux questions de diagnostic :

  • Tes workflows utilisent-ils des Sub-Workflow Nodes ? Il y a actuellement un schéma de fuite mémoire connu à ce niveau.

  • Le crash se produit-il toujours au même nœud ou de manière aléatoire ?

Comme mesure immédiate, réduis les exécutions parallèles à 1 dans les paramètres du workflow — cela stabilisera l’instance pendant que tu debugs.

Si tu me donnes les types de nœuds utilisés (aucun identifiant de connexion nécessaire), je pourrai t’aider de manière plus ciblée.

Bonjour @Kemal_Automation !
D’après le guide de la communauté, nous ne pouvons pas répéter des réponses qui existent déjà dans le fil.
Peux-tu s’il te plaît évaluer ta réponse pour confirmer s’il y a des redondances avec les réponses enregistrées ?