Linux系统内存管理的特点详解-电子发烧友网

在Windows下资源管理器查看内存使用的情况，如果使用率达到80%以上，再运行大程序就能感觉到系统不流畅了，因为在内存紧缺的情况下使用交换分区，频繁地从磁盘上换入换出页会极大地影响系统的性能。而当我们使用free命令查看Linux系统内存使用情况时，会发现内存使用一直处于较高的水平，即使此时系统并没有运行多少软件。这正是Windows和Linux在内存管理上的区别，乍一看，Linux系统吃掉我们的内存（Linux ate my ram），但其实这也正是其内存管理的特点。

free命令介绍

下面为使用free命令查看我们实验室文件服务器内存得到的结果，-m选项表示使用MB为单位：

输出的第二行表示系统内存的使用情况：

Mem： total（总量）= 3920MB，

used（已使用）= 1938MB，

free（空闲）= 1982MB，

shared（共享内存）= 0MB，

buffers = 497MB，

cached = 1235MB

注：前面四项都比较好理解，buffer 和 cache找不到合适的词来翻译，它们的区别在于：

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.

即buffer用于存放要输出到磁盘的数据，而cache是从磁盘读出存放到内存中待今后使用的数据。它们的引入均是为了提供IO的性能。

输出的第三行表示在第二行的基础上-/+ buffers/cache得到的：

– buffers/cache used = Mem used – buffers – cached = 1938MB – 497MB – 1235MB = 205MB

+ buffers/cache free = Mem free + buffers + cached = 1982MB + 497MB + 1235MB = 3714MB

输出的第三行表示交换分区使用的情况：

Swap：total（总量）= 4095MB

used（使用）= 0MB

free（空闲）= 4095MB

由于系统当前内存还比较充足，并未使用到交换分区。

上面输出的结果比较难理解的可能是第三行，为什么要向用户展示这行数据呢？内存使用量减去系统buffer/cached的内存表示何意呢？系统空闲内存加上buffer/cached的内存又表示何意？

内存的分类

我们把内存分为三类，从用户和操作系统的角度对其使用情况有不同的称呼：

Memory that is	You’d call it	Linux calls it
taken by applications	Used	Used
available for applications, and used for something	Free	Used
not used for anything	Free	Free

上表中something代表的正是free命令中”buffers/cached”的内存，由于这块内存从操作系统的角度确实被使用，但如果用户要使用，这块内存是可以很快被回收被用户程序使用，因此从用户角度这块内存应划为空闲状态。

再次回到free命令输出的结果，第三行输出的结果应该就能理解了，这行的数字表示从用户角度看系统内存的使用情况。因此，如果你用top或者free命令查看系统的内存还剩多少，其实你应该将空闲内存加上buffer/cached的内存，那才是实际系统空闲的内存。

buffers/cached好处

Linux

内存管理做了很多精心的设计，除了对dentry进行缓存（用于VFS，加速文件路径名到inode的转换），还采取了两种主要Cache方式：Buffer Cache和Page Cache，目的就是为了提升磁盘IO的性能。从低速的块设备上读取数据会暂时保存在内存中，即使数据在当时已经不再需要了，但在应用程序下一次访问该数据时，它可以从内存中直接读取，从而绕开低速的块设备，从而提高系统的整体性能。

而Linux会充分利用这些空闲的内存，设计思想是内存空闲还不如拿来多缓存一些数据，等下次程序再次访问这些数据速度就快了，而如果程序要使用内存而系统中内存又不足时，这时不是使用交换分区，而是快速回收部分缓存，将它们留给用户程序使用。

因此，可以看出，buffers/cached真是百益而无一害，真正的坏处可能让用户产生一种错觉——Linux耗内存！其实不然，Linux并没有吃掉你的内存，只要还未使用到交换分区，你的内存所剩无几时，你应该感到庆幸，因为Linux缓存了大量的数据，也许下一次你就从中受益！

实验证明

下面通过实验来验证上面的结论：

我们先后读入一个大文件，比较两次读入的实践：

1.首先生成一个1G的大文件