使用smem，它是ps的替代方案，ps计算每个进程的USS和PSS。你可能想要PSS。

USS-独特的集合大小。这是该进程独有的非共享内存量（将其视为U表示唯一内存）。它不包括共享内存。因此，这将低估进程使用的内存量，但当您想忽略共享内存时，这很有用。PSS-比例设置大小。这就是你想要的。它将唯一内存（USS）与共享内存的比例除以共享该内存的进程数相加。因此，它将为您提供每个进程实际使用多少物理内存的准确表示——共享内存真正表示为共享内存。想象一下P代表物理内存。

这与ps和其他实用程序报告的RSS相比如何：

RSS-常驻集大小。这是每个进程使用的共享内存加上非共享内存的数量。如果任何进程共享内存，这将超额报告实际使用的内存量，因为相同的共享内存将被计数多次-再次出现在共享相同内存的其他进程中。因此，它相当不可靠，特别是当高内存进程有很多分叉时——这在服务器中很常见，比如Apache或PHP（FastCGI/FPM）进程。

注意：smem还可以（可选）输出饼图等图形。你不需要这些。如果您只想从命令行使用它，就像您可能使用ps-Av一样，那么您不需要安装Python和Matplotlib推荐的依赖项。

我正在使用htop；这是一个非常好的控制台程序，类似于Windows任务管理器。

使用时间。

不是Bash内置时间，而是您可以找到的时间，例如/usr/bin/time。

下面是它的内容，在一个简单的ls上：

$ /usr/bin/time --verbose ls
(...)
Command being timed: "ls"
User time (seconds): 0.00
System time (seconds): 0.00
Percent of CPU this job got: 0%
Elapsed (wall clock) time (h:mm:ss or m:ss): 0:00.00
Average shared text size (kbytes): 0
Average unshared data size (kbytes): 0
Average stack size (kbytes): 0
Average total size (kbytes): 0
Maximum resident set size (kbytes): 2372
Average resident set size (kbytes): 0
Major (requiring I/O) page faults: 1
Minor (reclaiming a frame) page faults: 121
Voluntary context switches: 2
Involuntary context switches: 9
Swaps: 0
File system inputs: 256
File system outputs: 0
Socket messages sent: 0
Socket messages received: 0
Signals delivered: 0
Page size (bytes): 4096
Exit status: 0

没有任何简单的计算方法。但有些人试图得到一些好的答案：

ps_mem.pyGitHub上的ps_mem.py

还有三种方法可以尝试：

ps aux—排序设备它按%MEM对输出进行排序。ps aux | awk“｛打印$2，$4，$11｝”|排序-k2r |头-n 15它使用管道进行排序。顶部-a它开始按%MEM排序

（摘自此处）

这里再次投票支持Valgrind，但我想补充一点，您可以使用Alleyoop这样的工具来帮助您解释Valgrind生成的结果。

我一直使用这两种工具，并且总是有简洁、无泄漏的代码来自豪地展示它；）