工作區離線 (503) – 緊急 - 首次測試期間記憶體限制已達到?

大家好,

希望有人能幫忙或至少指點我正確的方向。

我的 n8n Cloud 工作區已經離線超過一小時,一直顯示經典的 503「工作區正在重啟」畫面,但它顯示我的實例在線。我很快就要展示這個工作流程的演示。

發生了什麼: 我第一次運行我的工作流程,它涉及 Gmail 觸發器下載 PDF 附件 + 3 個 AI agent 節點(Claude/Anthropic)。看起來它在首次運行時達到了內存限制,工作區就再也沒有恢復過。

我已經嘗試過的:

  • 等待、刷新、不同的瀏覽器、無痕模式 — 仍然是 503

  • 檢查 status.n8n.cloud — 沒有全球事件

  • 手動重啟實例。

  • 聯繫支持 — 收到一個 AI 機器人的回覆,告訴我「優化我的工作流程」。我已經要求升級給人工,但還沒有回覆。

令人沮喪的部分: 我知道修復方法是什麼(減少令牌限制、以不同的方式處理附件)— 我只是無法進入編輯器應用它,因為工作區已經宕機。

有人經歷過這種情況並找到無需等待支持就能讓實例恢復的方法嗎?有沒有辦法從管理面板強制重啟它,我是否遺漏了什麼?

任何幫助都非常感謝 :folded_hands:

我的 n8n 設置信息:

  • n8n 版本:最新版本

  • 數據庫:默認

  • EXECUTIONS_PROCESS 設置:默認(Cloud 管理)

  • 運行 n8n 方式:n8n Cloud

  • 操作系統:macOS

請從 help@n8n.io 尋求協助

@PaulRocks 503 stuck-loop 通常表示你的 pod 在重啟時因為 OOMing 而卡住,因為當 n8n 將其恢復時,失敗的工作流會自動觸發——它會崩潰、重試、再崩潰。你有沒有試過在 app.n8n.cloud 管理員中使用 Suspend → Resume 循環?這是 cloud 唯一公開的自助式強制重啟方式,而 suspend 步驟可以防止自動觸發,讓 pod 在任何工作流運行之前乾淨地啟動。

感謝提示。我試過從管理面板中使用「重新啟動工作區」按鈕,但結果相同,仍然卡在503迴圈中。這證實了你所說的,pod在重新啟動時在任何東西加載之前就崩潰了。

老實說,我正在考慮只是創建一個新的n8n Cloud帳戶,從頭重建工作流程來趕上本週的演示截止時間,但這會讓我付出第二筆訂閱費用。不理想,但我的選擇已經不多了。

或者升級目前的方案可能是唯一的真正修復,因為會有640 MIB?

N8N支援一般需要多長時間才能回答?如果是一天內,我可以等待。如果是兩天或更長時間,這對我來說會非常複雜。

@PaulRocks 先別升級或新開帳戶,技術支援通常可以重啟 pod。寄信到 help@n8n.io,主旨寫「URGENT 503 crash loop」並附上你的實例 URL,提一下你已經知道工作流程是 OOM 的原因,只需要重啟 pod 並在恢復時將工作流程設為非作用中。這樣就不會立刻再崩潰,你有時間修復後再重新啟動。

真正的潛在問題是記憶體壓力——Gmail 附件下載加上 3 個 AI 節點堆積在記憶體裡,對於入門方案來說太重了。等你恢復後,要嘛簡化附件處理,要嘛升級方案。先示範,最佳化放後面。

好的,我試試看,謝謝

更新已恢復運作 :+1: 感謝協助

快速提問 — 我應該修改工作流程的哪些部分,以確保在 Starter (320 MiB) 上不會再發生這種情況?

目前設定:

  • Gmail 觸發器,設有 downloadAttachments: true(11 個 PDF)

  • 3 個依序執行的 Anthropic Claude 代理程式(maxTokens 設定為 4096 和 8192)

  • 2 個代理程式上的結構化輸出解析器

  • 工作流程透過整個鏈傳遞所有資料

你提到停用 downloadAttachments 並改為透過二進位端點進行串流 — 你能解釋一下實務上是如何運作的嗎?我只需要稍後在實際需要讀取附件時按 ID 參考它們嗎?

我也樂於接受有關 Cloud 上 AI 密集型工作流程的任何其他記憶體最佳化提示。再次感謝 :folded_hands:

是的,完全同意——在 Gmail 觸發器上關閉 downloadAttachments,這樣它只會觸發元資料(訊息 ID + 附件 ID + 檔案名稱)。下游的話,在 SplitInBatches 迴圈內添加一個 Gmail「取得訊息附件」節點,批次大小設為 1,這樣記憶體裡一次只有一個 PDF,而不是全部 11 個堆疊在一起。

還有另外兩件事可以試試。如果你不是真的需要那麼長的長度,就把 maxTokens 從 4096/8192 降低到 1024-2048,可以大幅減少每次代理呼叫的記憶體用量。還有在每個 AI 步驟之後放一個 Set 節點,只保留你後續需要的欄位——n8n 預設會將所有輸入資料帶過每個節點,所以每個代理輸出都會堆疊在之前的所有承載資料上面。