Saltar al contenido

Código de salida 137 en GitHub Actions: solución de memoria

Última actualización · Publicado por primera vez

Process completed with exit code 137 significa que un proceso de su job fue terminado con SIGKILL, y en GitHub Actions el motivo habitual es que el runner se quedó sin memoria. El número es 128 más 9, donde 9 es la señal SIGKILL. A continuación: cómo confirmar que se trata de memoria, cuánta RAM tienen los runners y soluciones para Node, Jest, Gradle y Docker.

El mensaje exacto

Error: Process completed with exit code 137.

Un paso de shell muestra esto cuando su comando, o algo que este lanzó, murió por SIGKILL. En la salida de Docker también puede ver Killed o OOMKilled: true. Existen otras causas de 137 (un kill -9, un tiempo de espera al detener un contenedor, un job cancelado), pero quedarse sin memoria es, con mucha diferencia, la más común en CI.

¿Cuánta memoria tiene un runner?

Según la referencia de runners de GitHub, consultada en octubre de 2026:

RepositorioRunner Linux estándarRAM
Público4 CPU16 GB
Privado2 CPU8 GB

Muchas compilaciones que funcionan en un portátil de 16 o 32 GB fallan en un runner de repositorio privado con 8 GB, sobre todo cuando una herramienta inicia un worker por cada núcleo de CPU detectado.

Confirme que se trata de falta de memoria

- name: Memory check after failure
  if: failure()
  run: |
    free -m
    sudo dmesg | grep -i -E "killed process|out of memory" | tail

Si dmesg muestra Out of memory: Killed process, ya tiene la respuesta. Registre también el uso de memoria cada pocos segundos durante la compilación:

- run: |
    (while true; do date +%T; free -m | sed -n 2p; sleep 5; done) &

Causas y soluciones

1. Compilaciones de Node.js y bundlers

El límite de heap por defecto de Node depende de la versión y de la memoria del sistema, y los bundles grandes pueden alcanzarlo. Aumente el límite, pero manténgalo por debajo de la RAM del runner:

- run: npm run build
  env:
    NODE_OPTIONS: --max-old-space-size=6144

También puede reducir el consumo desactivando los source maps en CI, o ejecutando la comprobación de tipos y la compilación en pasos separados.

2. Jest, Vitest u otros test runners con demasiados workers

Cada worker es un proceso completo que mantiene su propio entorno de pruebas, y las pruebas con fugas hacen que crezca.

- run: npx jest --maxWorkers=2 --logHeapUsage
- run: npx jest --runInBand   # slowest, lowest memory

Localice las fugas con --detectOpenHandles y --logHeapUsage. Jest 29 y versiones posteriores también admiten --workerIdleMemoryLimit=1GB, que reinicia los workers que crecen demasiado. El sharding de pruebas reparte las pruebas entre varios jobs, lo que también divide el uso de memoria.

3. Gradle y Maven

El daemon de Gradle, el daemon del compilador de Kotlin y las JVM de las pruebas reservan cada uno su propio heap, y juntos pueden superar los 8 GB.

- run: ./gradlew build --no-daemon
  env:
    GRADLE_OPTS: -Xmx2g

En gradle.properties:

org.gradle.jvmargs=-Xmx2g -XX:MaxMetaspaceSize=512m
org.gradle.workers.max=2
kotlin.daemon.jvm.options=-Xmx1g

En Maven use MAVEN_OPTS: -Xmx2g y -T 1 en lugar de un número elevado de hilos. Si las pruebas bifurcan JVM, defina forkCount y argLine con -Xmx en Surefire.

4. Compilaciones de Docker y contenedores de servicio

Un contenedor alcanzó su límite de memoria, o lo hizo el host. Los pasos de compilación dentro de docker build (por ejemplo, Rust o C++ con mucho paralelismo) son el caso típico. Reduzca el paralelismo (cargo build -j2, make -j2) y establezca límites explícitos en los servicios que consumen mucha memoria:

services:
  es:
    image: elasticsearch:8.15.0
    env:
      ES_JAVA_OPTS: -Xms512m -Xmx512m

5. Una fuga de memoria en su propio código o en sus pruebas

Si la memoria sube con cada archivo de pruebas, la causa está en el código. Corrija la fuga o reinicie los workers con más frecuencia.

6. Un job cancelado o con tiempo agotado

Cancelar una ejecución, o un paso que alcanza el [timeout-minutes](/errors/timeout-minutes), también termina los procesos. Descarte primero la cancelación por concurrencia (vea The operation was canceled).

Cuando el ajuste no basta

Use una máquina con más RAM. Las opciones son un larger runner de GitHub (vea la documentación de larger runners) o un proveedor de runners. La máquina Linux por defecto de compiler.dev es de 8 vCPU / 16 GB, una VM nueva por job, a $0.008 por minuto a octubre de 2026, y se cambia con runs-on: [self-hosted, Linux, compiler-ci]. Consulte los precios y el selector de tamaño de runner. Si el job también se queda sin disco, vea No space left on device. Una caída completa del runner tiene otro aspecto; vea lost communication.

Cómo prevenirlo

  1. Registre el pico de memoria en CI y establezca un umbral de alerta por debajo de la RAM del runner.
  2. Pase límites explícitos de heap y de workers a cada herramienta en lugar de depender de la detección automática.
  3. Ejecute el linting, las comprobaciones de tipos, las compilaciones y las pruebas como jobs separados.
  4. Ejecute un solo proceso pesado a la vez en runners pequeños.
  5. Revise las actualizaciones de dependencias que aumenten el tamaño de los bundles o la memoria de las pruebas.

Preguntas frecuentes

¿Qué significa el código de salida 137?

El proceso recibió SIGKILL. 137 equivale a 128 + 9. En CI casi siempre se debe al asesino de falta de memoria (OOM killer) del kernel.

¿El código de salida 137 es lo mismo que 143?

No. 143 es SIGTERM (128 + 15), una solicitud de parada ordenada que suele enviarse al cancelar. 137 es un cierre forzado.

¿Por qué funciona en local?

Su portátil tiene más RAM y un número distinto de núcleos. Los runners tienen una memoria fija y más reducida.

¿Añadir swap ayudará?

Puede retrasar el cierre, pero ralentiza mucho la build. Reduzca el uso de memoria o utilice una máquina más potente.