free命令输出详解

简介:

      下面是free的运行结果,一共有4行。为了方便说明,我们加上了列号。这样可以把free的输出看成一个二维数组FO(Free Output)。例如:

FO[2][1] = 999212

FO[3][2] = 305404

                          1          2          3         4         5           6
1
                       total       used       free     shared    buffers     cached
2 Mem:                  999212     967476     31736          0      50668     223000
 -/+ buffers/cache:               693808     305404
4 Swap:                 2048276    154524     1893752    

  free的输出一共有四行,第四行为交换区的信息,分别是交换的总量(total),使用量(used)和有多少空闲的交换区(free),这个比较清楚,不说太多。
  free输出地第二行和第三行是比较让人迷惑的。这两行都是说明内存使用情况的。第一列是总量(free),第二列是使用量(free),第三列是可用量(free)。第一行的输出时从操作系统(OS)来看的。也就是说,从OS的角度来看,计算机上一共有:

·         999212KB(缺省时free的单位为KB)物理内存,即FO[2][1];

·         在这些物理内存中有967476KB(即FO[2][2])被使用了;

·         还用31736KB(即FO[2][3])是可用的;

这里得到第一个等式:

·         FO[2][1] = FO[2][2] + FO[2][3]

FO[2][4]表示被几个进程共享的内存的,现在已经deprecated,其值总是0(当然在一些系统上也可能不是0,主要取决于free命令是怎么实现的)。
FO[2][5]表示被OS buffer住的内存。FO[2][6]表示被OS cache的内存。在有些时候buffer和cache这两个词经常混用。不过在一些比较低层的软件里是要区分这两个词的,看老外的洋文:

·         A buffer is something that has yet to be "written" to disk.

·         A cache is something that has been "read" from the disk and stored for later use.

也就是说buffer是用于存放要输出到disk(块设备)的数据的,而cache是存放从disk上读出的数据。这二者是为了提高IO性能的,并由OS管理。
Linux和其他成熟的操作系统(例如windows),为了提高IO read的性能,总是要多cache一些数据,这也就是为什么FO[2][6](cached memory)比较大,而FO[2][3]比较小的原因。我们可以做一个简单的测试:

·         释放掉被系统cache占用的数据;

echo 3 >/proc/sys/vm/drop_caches

·         读一个大文件,并记录时间;

·         关闭该文件;

·         重读这个大文件,并记录时间;

第二次读应该比第一次快很多。原来我做过一个BerkeleyDB的读操作,大概要读5G的文件,几千万条记录。在我的环境上,第二次读比第一次大概可以快9倍左右。
  free输出的第二行是从一个应用程序的角度看系统内存的使用情况。

·         对于FO[3][2],即-buffers/cache,表示一个应用程序认为系统被用掉多少内存;

·         对于FO[3][3],即+buffers/cache,表示一个应用程序认为系统还有多少内存;

因为被系统cache和buffer占用的内存可以被快速回收,所以通常FO[3][3]比FO[2][3]会大很多。
这里还用两个等式:

·         FO[3][2] = FO[2][2] - FO[2][5] - FO[2][6]

·         FO[3][3] = FO[2][3] + FO[2][5] + FO[2][6]

这二者都不难理解。
  free命令由procps.*.rpm提供(在Redhat系列的OS上)。free命令的所有输出值都是从/proc/meminfo中读出的。
在系统上可能有meminfo(2)这个函数,它就是为了解析/proc/meminfo的。procps这个包自己实现了meminfo()这个函数。可以下载一个procps的tar包看看具体实现,现在最新版式3.2.8。




本文转自 fenghao.cn 51CTO博客,原文链接:http://blog.51cto.com/linuxguest/652081,如需转载请自行联系原作者
目录
相关文章
|
缓存
内存学习(三):物理地址空间
内存学习(三):物理地址空间
379 0
|
前端开发 应用服务中间件 Linux
Gin-Vue-Admin 线上部署
Gin-Vue-Admin 线上部署
938 0
Gin-Vue-Admin 线上部署
|
SQL 存储 缓存
Mybatis的一级缓存,二级缓存过期时间分析
Mybatis的一级缓存,二级缓存过期时间分析
836 0
|
存储 关系型数据库 MySQL
PostgreSQL与MySQL优劣势比较浅谈
PostgreSQL与MySQL优劣势比较浅谈
1667 0
|
12月前
|
JavaScript 前端开发
vue动态添加style样式
vue动态添加style样式
626 61
|
10月前
|
JSON 资源调度 网络性能优化
vue3中使用mqtt数据传输(封装)
vue3中使用mqtt数据传输(封装)
500 4
|
SQL XML Java
【MyBatis】 MyBatis与MyBatis-Plus的区别
【MyBatis】 MyBatis与MyBatis-Plus的区别
6853 0
【MyBatis】 MyBatis与MyBatis-Plus的区别
|
关系型数据库 MySQL 测试技术
MySQL 报错 ERROR 1709: Index column size too large
MySQL 报错 ERROR 1709: Index column size too large
544 4
|
前端开发
CSS小技巧之圆形虚线边框
CSS小技巧之圆形虚线边框
280 0
|
存储 缓存 负载均衡
图解一致性哈希算法,看这一篇就够了!
近段时间一直在总结分布式系统架构常见的算法。前面我们介绍过布隆过滤器算法。接下来介绍一个非常重要、也非常实用的算法:一致性哈希算法。通过介绍一致性哈希算法的原理并给出了一种实现和实际运用的案例,带大家真正理解一致性哈希算法。
23955 64
图解一致性哈希算法,看这一篇就够了!