N8N / PAMIĘĆ
Ile RAM zużywa n8n? Start, spoczynek i webhooki
Trzy świeże instalacje n8n, 621 odczytów pamięci i 300 poprawnych webhooków. Wyniki dla aplikacji i runnera razem, z jawnymi ograniczeniami.
Środowisko i zakresn8n 2.41.3, task runner 2.41.3 i SQLite. Pomiar z 29.09.2026 na współdzielonym VPS-ie ze swapem. Wynik nie określa minimalnego rozmiaru serwera.
Pytanie i scenariusz
Sprawdziliśmy, jak zmienia się odczyt pamięci podczas pierwszego startu, krótkiego spoczynku i prostych webhooków. Każdy z trzech przebiegów miał nowy wolumen, własne konto testowe i losowe poświadczenie Header Auth.
Workflow składa się z Webhook, Edit Fields i Respond to Webhook. Zwraca dwa pola JSON. Nie zawiera Code node, modeli AI, plików binarnych, zewnętrznych API ani równoległych zadań. Runner jest uruchomiony, ale ten workflow nie obciąża go tak jak zadania kodu.
Jak przebiegały fazy?
Start mierzyliśmy od powrotu docker compose up -d do poprawnych odpowiedzi readiness oraz rest/settings. Pobieranie obrazów nie wchodziło do tej fazy. Odczyty rozdzielała przerwa 0,5 s plus czas obsługi.
Po założeniu konta, imporcie i publikacji workflow wykonaliśmy rozgrzewkę oraz próbę bez tokena. Ten etap konfiguracji jest poza tabelą. Następnie zebraliśmy 20 próbek spoczynku, 100 kolejnych wywołań z odczytem po każdym i 20 próbek po zakończeniu. Przerwy wynosiły odpowiednio 1 s, 0,1 s i 1 s, poza narzutem samych operacji.
Co oznacza MiB w tabeli?
Z Docker Engine API odczytaliśmy usage i odjęliśmy inactive_file, zgodnie z konwencją linuksowego docker stats. Następnie zsumowaliśmy wartości n8n oraz runnera. To nie RSS jednego procesu ani zużycie całego VPS-a.
Mediana łączy próbki danej fazy z trzech przebiegów. Maksimum jest najwyższym zaobserwowanym odczytem; krótkie skoki między próbkami mogły pozostać niewidoczne. Jeden MiB to 1 048 576 bajtów.
Co zobaczyliśmy?
Najwyższy odczyt wyniósł 498,25 MiB podczas startu. Mediana w fazie webhooków wyniosła 308,71 MiB. Wszystkie 300 żądań pomiarowych zwróciło oczekiwany JSON, żądania bez tokena były odrzucane, a n8n nie restartowało się w żadnym przebiegu.
Maksimum spoczynku było wyższe niż maksimum późniejszych webhooków. Fazy następują po sobie, a pamięć może zmieniać się m.in. przez garbage collection. Nie wynika z tego, że obsługa żądań zmniejsza zapotrzebowanie na RAM.
Jak wykorzystać wynik?
Traktuj go jako punkt odniesienia dla małego workflow, potem zmierz własne zadania. Uwzględnij system operacyjny, Docker, inne usługi, równoległość i zapas. Wynik poniżej 512 MiB nie oznacza, że VPS z 512 MiB będzie odpowiedni.
Trzy krótkie przebiegi nie wykrywają długotrwałych wycieków i nie opisują dużych danych. HTTP działał po loopback bez TLS, host był współdzielony i miał swap. Nie publikujemy z tego testu deklaracji przepustowości.
Powtórz pomiar
Potrzebujesz Linuxa, Pythona 3, Docker Compose i dostępu do /var/run/docker.sock. Skrypt tworzy prywatne pliki tymczasowe oraz losowo nazwane projekty. Po każdej próbie usuwa swój projekt z testowym wolumenem.
Uwaga: Wybierz środowisko testowe z zapasem pamięci. results.json zostanie nadpisany. Skrypt korzysta z wewnętrznych endpointów edytora sprawdzonych na wskazanej wersji; obrazy pozostają w cache.
python3 run_lab.pyWyniki pomiaru
Trzy przebiegi, próbki sumowane po odjęciu inactive_file. Maksimum dotyczy odczytów, nie gwarantowanego szczytu zużycia.
| Faza | Odczyty | Mediana MiB | Najwyższy odczyt MiB |
|---|---|---|---|
| Start | 201 | 234,69 | 498,25 |
| Spoczynek po konfiguracji | 60 | 290,19 | 438,07 |
| Sekwencyjne webhooki | 300 | 308,71 | 318,73 |
| Po zakończeniu pracy | 60 | 309,28 | 311,59 |
Środowisko
- Data pomiaru
- 29.09.2026
- n8n / runner
- 2.41.3 / 2.41.3; pełne digests w results.json
- Docker / Compose
- 29.5.1 / 5.1.3
- n8n
- 768 MiB RAM, 1536 MiB RAM+swap, heap Node 512 MiB, 1 CPU
- Runner
- 192 MiB RAM, 0,25 CPU
- Baza / połączenie
- Nowa SQLite dla każdej próby, HTTP loopback, bez TLS i CDN
Pobierz i sprawdź u siebie
ZIP zawiera instrukcję README.md, skrypt, konfigurację, próbki i surowe wyniki.
Pobierz ZIP (22,8 KiB) ↓Zawartość i suma SHA-256
README.mdresults.jsonrun_lab.pyworkflow.json
94b3387a435681ae085f2550f475a83530b78840aeb8c42311833d6c323b592c
Źródła i dokumentacja
Data publikacji: 29.09.2026.