Linux系统监控:用smem工具分析VSS/RSS/PSS/USS内存占用(含常用命令)

news2026/3/25 2:03:29
Linux系统监控深入解析smem工具的内存分析实战在服务器运维和性能调优的日常工作中内存使用情况分析往往是排查系统瓶颈的关键环节。不同于简单的free或top命令专业运维人员需要更精细的内存指标来定位问题。本文将全面介绍smem这一专业内存分析工具从基础概念到实战技巧帮助您掌握VSS、RSS、PSS、USS等核心指标的解读方法。1. 内存指标解析从概念到实践1.1 四大内存指标详解Linux系统中的内存统计包含多个维度每个指标都反映了不同的内存使用特征VSS (Virtual Set Size)虚拟内存占用总量包含进程申请的所有虚拟地址空间。这个数字往往最大因为它包含了实际使用的物理内存共享库占用的内存已分配但未实际使用的虚拟内存RSS (Resident Set Size)常驻物理内存大小表示进程当前实际占用的物理内存。但需要注意包含进程独占内存包含共享库的全部占用未按比例分配可能因共享内存导致统计值虚高PSS (Proportional Set Size)比例化常驻内存是最具参考价值的指标之一PSS 独占内存 (共享内存 / 共享进程数)例如三个进程共享3MB库则每个进程计入1MBUSS (Unique Set Size)进程独占的物理内存完全不包含任何共享部分。这个指标特别适合评估进程真实内存开销内存泄漏排查计算终止进程可释放的内存量1.2 指标对比与应用场景指标包含共享内存统计方式典型应用场景VSS是总量统计评估虚拟内存需求RSS是全量计入快速查看物理内存占用PSS按比例分配加权计算真实内存压力评估USS否独占统计内存泄漏分析提示在容器化环境中PSS和USS尤为重要因为它们能准确反映单个容器的实际内存占用。2. smem工具安装与基础使用2.1 跨平台安装方法根据不同Linux发行版安装方式略有差异# Debian/Ubuntu sudo apt install smem # RHEL/CentOS sudo yum install smem # Arch Linux sudo pacman -S smem # 从源码编译 wget https://www.selenic.com/smem/download/smem-1.4.tar.gz tar xvf smem-1.4.tar.gz cd smem-1.4 sudo python setup.py install安装后验证smem --version2.2 基础命令实战查看系统整体内存概况smem -t -k输出示例PID User Command Swap USS PSS RSS 1234 root /usr/lib/firefox/firefox 1.2M 45.3M 48.1M 52.6M 5678 mysql /usr/sbin/mysqld 0.0K 112.4M 115.2M 118.7M关键参数说明-t显示总计行-k以MB/GB为单位显示-w宽格式输出显示完整命令3. 高级分析技巧3.1 按用户聚合统计分析各用户的内存占用情况smem -u -k -t示例输出User Count Swap USS PSS RSS root 42 3.2M 512.4M 525.1M 558.3M mysql 1 0.0K 112.4M 115.2M 118.7M3.2 进程树形展示可视化进程层级关系smem -t -k --tree输出结构... ├─chrome (3 processes) USS: 215M PSS: 228M │ ├─chrome --typerenderer │ ├─chrome --typegpu-process │ └─chrome --typeutility └─docker (5 processes) USS: 178M PSS: 192M3.3 自定义输出格式筛选特定字段并格式化输出smem -c pid user pss rss command -s pss -r | head -10常用字段pid进程IDuser运行用户command进程命令vss/rss/pss/uss各内存指标4. 实战案例内存泄漏排查4.1 监控内存增长定期采样并记录PSS变化watch -n 60 smem -P my_app -c timestamp pss -t -k memory.log4.2 对比分析使用smemstat进行时间维度对比smem --diff -p $(pidof my_app) -i 3004.3 自动化报警脚本示例监控脚本#!/bin/bash THRESHOLD500 # MB APP_PSS$(smem -P my_app -c pss -t -k | tail -1 | awk {print $1}) if (( $(echo $APP_PSS $THRESHOLD | bc -l) )); then echo 内存超标: $APP_PSS MB | mail -s 内存告警 adminexample.com smem -P my_app -s pss -r /tmp/mem_report.txt fi5. 性能优化建议5.1 共享内存优化识别共享内存使用大户smem -s pss -r | awk $5 ~ /lib/ {print $0} | head -20优化方法更新到最新版共享库考虑静态链接减少共享依赖评估内存压缩技术5.2 容器环境特别考量在Docker中准确统计smem -P docker -c command pss uss -k -t --containerdocker关键点容器内进程的USS即真实内存成本注意共享页统计的准确性结合cgroup数据交叉验证5.3 长期监控方案集成到Prometheus监控系统# 导出为Prometheus格式 smem -c pid pss uss --prometheus配合Grafana展示关键指标sum(process_resident_memory_bytes{jobsmem}) by (instance)

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2441806.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

SpringBoot-17-MyBatis动态SQL标签之常用标签

文章目录 1 代码1.1 实体User.java1.2 接口UserMapper.java1.3 映射UserMapper.xml1.3.1 标签if1.3.2 标签if和where1.3.3 标签choose和when和otherwise1.4 UserController.java2 常用动态SQL标签2.1 标签set2.1.1 UserMapper.java2.1.2 UserMapper.xml2.1.3 UserController.ja…

wordpress后台更新后 前端没变化的解决方法

使用siteground主机的wordpress网站,会出现更新了网站内容和修改了php模板文件、js文件、css文件、图片文件后,网站没有变化的情况。 不熟悉siteground主机的新手,遇到这个问题,就很抓狂,明明是哪都没操作错误&#x…

网络编程(Modbus进阶)

思维导图 Modbus RTU(先学一点理论) 概念 Modbus RTU 是工业自动化领域 最广泛应用的串行通信协议,由 Modicon 公司(现施耐德电气)于 1979 年推出。它以 高效率、强健性、易实现的特点成为工业控制系统的通信标准。 包…

UE5 学习系列(二)用户操作界面及介绍

这篇博客是 UE5 学习系列博客的第二篇,在第一篇的基础上展开这篇内容。博客参考的 B 站视频资料和第一篇的链接如下: 【Note】:如果你已经完成安装等操作,可以只执行第一篇博客中 2. 新建一个空白游戏项目 章节操作,重…

IDEA运行Tomcat出现乱码问题解决汇总

最近正值期末周,有很多同学在写期末Java web作业时,运行tomcat出现乱码问题,经过多次解决与研究,我做了如下整理: 原因: IDEA本身编码与tomcat的编码与Windows编码不同导致,Windows 系统控制台…

利用最小二乘法找圆心和半径

#include <iostream> #include <vector> #include <cmath> #include <Eigen/Dense> // 需安装Eigen库用于矩阵运算 // 定义点结构 struct Point { double x, y; Point(double x_, double y_) : x(x_), y(y_) {} }; // 最小二乘法求圆心和半径 …

使用docker在3台服务器上搭建基于redis 6.x的一主两从三台均是哨兵模式

一、环境及版本说明 如果服务器已经安装了docker,则忽略此步骤,如果没有安装,则可以按照一下方式安装: 1. 在线安装(有互联网环境): 请看我这篇文章 传送阵>> 点我查看 2. 离线安装(内网环境):请看我这篇文章 传送阵>> 点我查看 说明&#xff1a;假设每台服务器已…

XML Group端口详解

在XML数据映射过程中&#xff0c;经常需要对数据进行分组聚合操作。例如&#xff0c;当处理包含多个物料明细的XML文件时&#xff0c;可能需要将相同物料号的明细归为一组&#xff0c;或对相同物料号的数量进行求和计算。传统实现方式通常需要编写脚本代码&#xff0c;增加了开…

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器的上位机配置操作说明

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器专为工业环境精心打造&#xff0c;完美适配AGV和无人叉车。同时&#xff0c;集成以太网与语音合成技术&#xff0c;为各类高级系统&#xff08;如MES、调度系统、库位管理、立库等&#xff09;提供高效便捷的语音交互体验。 L…

(LeetCode 每日一题) 3442. 奇偶频次间的最大差值 I (哈希、字符串)

题目&#xff1a;3442. 奇偶频次间的最大差值 I 思路 &#xff1a;哈希&#xff0c;时间复杂度0(n)。 用哈希表来记录每个字符串中字符的分布情况&#xff0c;哈希表这里用数组即可实现。 C版本&#xff1a; class Solution { public:int maxDifference(string s) {int a[26]…

【大模型RAG】拍照搜题技术架构速览:三层管道、两级检索、兜底大模型

摘要 拍照搜题系统采用“三层管道&#xff08;多模态 OCR → 语义检索 → 答案渲染&#xff09;、两级检索&#xff08;倒排 BM25 向量 HNSW&#xff09;并以大语言模型兜底”的整体框架&#xff1a; 多模态 OCR 层 将题目图片经过超分、去噪、倾斜校正后&#xff0c;分别用…

【Axure高保真原型】引导弹窗

今天和大家中分享引导弹窗的原型模板&#xff0c;载入页面后&#xff0c;会显示引导弹窗&#xff0c;适用于引导用户使用页面&#xff0c;点击完成后&#xff0c;会显示下一个引导弹窗&#xff0c;直至最后一个引导弹窗完成后进入首页。具体效果可以点击下方视频观看或打开下方…

接口测试中缓存处理策略

在接口测试中&#xff0c;缓存处理策略是一个关键环节&#xff0c;直接影响测试结果的准确性和可靠性。合理的缓存处理策略能够确保测试环境的一致性&#xff0c;避免因缓存数据导致的测试偏差。以下是接口测试中常见的缓存处理策略及其详细说明&#xff1a; 一、缓存处理的核…

龙虎榜——20250610

上证指数放量收阴线&#xff0c;个股多数下跌&#xff0c;盘中受消息影响大幅波动。 深证指数放量收阴线形成顶分型&#xff0c;指数短线有调整的需求&#xff0c;大概需要一两天。 2025年6月10日龙虎榜行业方向分析 1. 金融科技 代表标的&#xff1a;御银股份、雄帝科技 驱动…

观成科技:隐蔽隧道工具Ligolo-ng加密流量分析

1.工具介绍 Ligolo-ng是一款由go编写的高效隧道工具&#xff0c;该工具基于TUN接口实现其功能&#xff0c;利用反向TCP/TLS连接建立一条隐蔽的通信信道&#xff0c;支持使用Let’s Encrypt自动生成证书。Ligolo-ng的通信隐蔽性体现在其支持多种连接方式&#xff0c;适应复杂网…

铭豹扩展坞 USB转网口 突然无法识别解决方法

当 USB 转网口扩展坞在一台笔记本上无法识别,但在其他电脑上正常工作时,问题通常出在笔记本自身或其与扩展坞的兼容性上。以下是系统化的定位思路和排查步骤,帮助你快速找到故障原因: 背景: 一个M-pard(铭豹)扩展坞的网卡突然无法识别了,扩展出来的三个USB接口正常。…

未来机器人的大脑:如何用神经网络模拟器实现更智能的决策?

编辑&#xff1a;陈萍萍的公主一点人工一点智能 未来机器人的大脑&#xff1a;如何用神经网络模拟器实现更智能的决策&#xff1f;RWM通过双自回归机制有效解决了复合误差、部分可观测性和随机动力学等关键挑战&#xff0c;在不依赖领域特定归纳偏见的条件下实现了卓越的预测准…

Linux应用开发之网络套接字编程(实例篇)

服务端与客户端单连接 服务端代码 #include <sys/socket.h> #include <sys/types.h> #include <netinet/in.h> #include <stdio.h> #include <stdlib.h> #include <string.h> #include <arpa/inet.h> #include <pthread.h> …

华为云AI开发平台ModelArts

华为云ModelArts&#xff1a;重塑AI开发流程的“智能引擎”与“创新加速器”&#xff01; 在人工智能浪潮席卷全球的2025年&#xff0c;企业拥抱AI的意愿空前高涨&#xff0c;但技术门槛高、流程复杂、资源投入巨大的现实&#xff0c;却让许多创新构想止步于实验室。数据科学家…

深度学习在微纳光子学中的应用

深度学习在微纳光子学中的主要应用方向 深度学习与微纳光子学的结合主要集中在以下几个方向&#xff1a; 逆向设计 通过神经网络快速预测微纳结构的光学响应&#xff0c;替代传统耗时的数值模拟方法。例如设计超表面、光子晶体等结构。 特征提取与优化 从复杂的光学数据中自…