Linux内存管理 一个进程究竟占用多少空间？-VSS/RSS/PSS/USS
Linux内存管理 一个进程究竟占用多少空间？-VSS/RSS/PSS/USS
sunsky
发布于 2020-08-20 17:52:02
发布于 2020-08-20 17:52:02
关键词：VSS、RSS、PSS、USS、_mapcount、pte_present、mem_size_stats。
在Linux里面，一个进程占用的内存有不同种说法，可以是VSS/RSS/PSS/USS四种形式，这四种形式首字母分别是Virtual/Resident/Proportional/Unique的意思。
VSS是单个进程全部可访问的地址空间，其大小可能包括还尚未在内存中驻留的部分。对于确定单个进程实际内存使用大小，VSS用处不大。
RSS是单个进程实际占用的内存大小，RSS不太准确的地方在于它包括该进程所使用共享库全部内存大小。对于一个共享库，可能被多个进程使用，实际该共享库只会被装入内存一次。
进而引出了PSS，PSS相对于RSS计算共享库内存大小是按比例的。N个进程共享，该库对PSS大小的贡献只有1/N。
USS是单个进程私有的内存大小，即该进程独占的内存部分。USS揭示了运行一个特定进程在的真实内存增量大小。如果进程终止，USS就是实际被返还给系统的内存大小。
综上所属，VSS>=RSS>=PSS>=USS。
给你画张图来给你看：
1. 创建一个共享库
创建一个test.c文件和test.h文件。
#include "test.h"
void itoa1(int *num)
{
if(*num>=65&&*num<=88)
{
*num=*num - 65+'a';
}
}编译libtest.so库文件，将libtest.so拷贝到/lib/x86_64-linux-gnu/。这样程序在运行时就可以找到此库文件。
gcc test.c -fPIC -shared -o libtest.so
头文件放在sleep.c同一个目录。
#ifndef __TEST_H_
#define __TEST_H_
extern void itoa1(int *);
#endif编译sleep.c连接到libtest.so库“gcc sleep.c -ltest -o sleep”。
#include<stdio.h>
#include<unistd.h>
#include"test.h"
void main()
{
int num = 66;
itoa1(&num);
sleep(1000);
}2. procrank
procrank是Android下的工具，通过工具可以看到进程内存的不同形式占用。
从procrank_linux.git下载代码，然后make编译。
sudo procrank查看各进成的VSS/RSS/PSS/USS占用情况。
procrank通过解析/proc/kpagecount来计算每个进程占用的内存。通过如下的代码可以看出VSS/RSS/PSS/USS都是怎么来的。
这也就不难明白vss>=rss>=pss>=uss。
int pm_map_usage_flags(pm_map_t *map, pm_memusage_t *usage_out,
uint64_t flags_mask, uint64_t required_flags) {
uint64_t *pagemap;
size_t len, i;
uint64_t count;
pm_memusage_t usage;
int error;
if (!map || !usage_out)
return -1;
error = pm_map_pagemap(map, &pagemap, &len);-----------------------------------len是一个vma区域的页面数量。
if (error) return error;
pm_memusage_zero(&usage);
for (i = 0; i < len; i++) {
usage.vss += map->proc->ker->pagesize;--------------------------------------vss会一直累加len个pagesize。
if (!PM_PAGEMAP_PRESENT(pagemap[i]))----------------------------------------判断对应的物理页面是否存在。
continue;
if (!PM_PAGEMAP_SWAPPED(pagemap[i])) {
...
error = pm_kernel_count(map->proc->ker, PM_PAGEMAP_PFN(pagemap[i]),
&count);---------------------------------------count是对应物理页面的使用者。
if (error) goto out;
usage.rss += (count >= 1) ? map->proc->ker->pagesize : (0);------------只要有人使用，增加pagesize。
usage.pss += (count >= 1) ? (map->proc->ker->pagesize / count) : (0);--如果多人使用，取1/count的pagesize；如果单人使用，取整个pagesize。
usage.uss += (count == 1) ? (map->proc->ker->pagesize) : (0);----------如果只有一个人使用那么，增加pagesize到uss。
} else {
usage.swap += map->proc->ker->pagesize;
}
}
memcpy(usage_out, &usage, sizeof(usage));
error = 0;
out:
free(pagemap);
return error;
}3. /proc/xxx/smaps解析
smem分析系统内存使用是通过smaps的，procrank是通过分析/proc/kpagemap。
smaps的一个核心数据结构是，
struct mem_size_stats {
unsigned long resident;----------RSS，有对应的物理页面。
unsigned long shared_clean;------多个进程共享，是干净页面
unsigned long shared_dirty;------多个进程共享，是脏页
unsigned long private_clean;-----进程独占，是干净页面
unsigned long private_dirty;-----进程独占，是脏页
unsigned long referenced;
unsigned long anonymous;---------匿名页面
unsigned long anonymous_thp;
unsigned long swap;--------------换出页面
unsigned long shared_hugetlb;
unsigned long private_hugetlb;
u64 pss;-------------------------PSS部分，但是左移了PSS_SHIFT。
u64 swap_pss;
};核心函数是show_smap()，他处理一个vma的内容，整个进程可能需要调用多次show_smap()。
/*
* Tasks
*/
static const struct pid_entry tid_base_stuff[] = {
...
REG("smaps", S_IRUGO, proc_tid_smaps_operations),
...
};
const struct file_operations proc_tid_smaps_operations = {
.open = tid_smaps_open,
.read = seq_read,
.llseek = seq_lseek,
.release = proc_map_release,
};
static int tid_smaps_open(struct inode *inode, struct file *file)
{
return do_maps_open(inode, file, &proc_tid_smaps_op);
}
static const struct seq_operations proc_tid_smaps_op = {
.start = m_start,
.next = m_next,
.stop = m_stop,
.show = show_tid_smap
};
static int show_tid_smap(struct seq_file *m, void *v)
{
return show_smap(m, v, 0);
}
static int show_smap(struct seq_file *m, void *v, int is_pid)
{
struct vm_area_struct *vma = v;
struct mem_size_stats mss;
struct mm_walk smaps_walk = {
.pmd_entry = smaps_pte_range,-------------------------------核心函数，用于便利整个vma区域更新mem_size_stats，也即下面的mss。
#ifdef CONFIG_HUGETLB_PAGE
.hugetlb_entry = smaps_hugetlb_range,
#endif
.mm = vma->vm_mm,
.private = &mss,
};
memset(&mss, 0, sizeof mss);
/* mmap_sem is held in m_start */
walk_page_vma(vma, &smaps_walk);
show_map_vma(m, vma, is_pid);
seq_printf(m,
"Size: %8lu kB\n"
"Rss: %8lu kB\n"
"Pss: %8lu kB\n"
"Shared_Clean: %8lu kB\n"
"Shared_Dirty: %8lu kB\n"
"Private_Clean: %8lu kB\n"
"Private_Dirty: %8lu kB\n"
"Referenced: %8lu kB\n"
"Anonymous: %8lu kB\n"
"AnonHugePages: %8lu kB\n"
"Shared_Hugetlb: %8lu kB\n"
"Private_Hugetlb: %7lu kB\n"
"Swap: %8lu kB\n"
"SwapPss: %8lu kB\n"
"KernelPageSize: %8lu kB\n"
"MMUPageSize: %8lu kB\n"
"Locked: %8lu kB\n",
(vma->vm_end - vma->vm_start) >> 10,--------------------本vma占用的虚拟地址空间
mss.resident >> 10,-------------------------------------实际在内存中占用的空间
(unsigned long)(mss.pss >> (10 + PSS_SHIFT)),-----------实际上包含下面private_clean+private_dirty，和按比例均分的shared_clean、shared_dirty。
mss.shared_clean >> 10,--------------------------------共享的干净页面
mss.shared_dirty >> 10,--------------------------------共享的脏页
mss.private_clean >> 10,--------------------------------独占的干净页面
mss.private_dirty >> 10,--------------------------------独占的脏页
mss.referenced >> 10,-----------------------------------
mss.anonymous >> 10,------------------------------------匿名页面大小
mss.anonymous_thp >> 10,
mss.shared_hugetlb >> 10,
mss.private_hugetlb >> 10,
mss.swap >> 10,
(unsigned long)(mss.swap_pss >> (10 + PSS_SHIFT)),
vma_kernel_pagesize(vma) >> 10,
vma_mmu_pagesize(vma) >> 10,
(vma->vm_flags & VM_LOCKED) ?
(unsigned long)(mss.pss >> (10 + PSS_SHIFT)) : 0);
show_smap_vma_flags(m, vma);
m_cache_vma(m, vma);
return 0;
}下面来看看是如何更新一个vma区域的vss/rss/pss/uss的。
其中smaps_account()和procrank的pm_map_usage_flags()有着相近的逻辑。
对PSS和USS最重要的区分参数是page->_mapcount。
static int smaps_pte_range(pmd_t *pmd, unsigned long addr, unsigned long end,
struct mm_walk *walk)
{
struct vm_area_struct *vma = walk->vma;
pte_t *pte;
spinlock_t *ptl;
if (pmd_trans_huge_lock(pmd, vma, &ptl) == 1) {
smaps_pmd_entry(pmd, addr, walk);
spin_unlock(ptl);
return 0;
}
if (pmd_trans_unstable(pmd))
return 0;
/*
* The mmap_sem held all the way back in m_start() is what
* keeps khugepaged out of here and from collapsing things
* in here.
*/
pte = pte_offset_map_lock(vma->vm_mm, pmd, addr, &ptl);
for (; addr != end; pte++, addr += PAGE_SIZE)
smaps_pte_entry(pte, addr, walk);
pte_unmap_unlock(pte - 1, ptl);
cond_resched();
return 0;
}
static void smaps_pte_entry(pte_t *pte, unsigned long addr,
struct mm_walk *walk)
{
struct mem_size_stats *mss = walk->private;
struct vm_area_struct *vma = walk->vma;
struct page *page = NULL;
if (pte_present(*pte)) {----------------------------------页面在内存中
page = vm_normal_page(vma, addr, *pte);
} else if (is_swap_pte(*pte)) {---------------------------页面被swap出
swp_entry_t swpent = pte_to_swp_entry(*pte);
if (!non_swap_entry(swpent)) {
int mapcount;
mss->swap += PAGE_SIZE;
mapcount = swp_swapcount(swpent);
if (mapcount >= 2) {
u64 pss_delta = (u64)PAGE_SIZE << PSS_SHIFT;
do_div(pss_delta, mapcount);
mss->swap_pss += pss_delta;
} else {
mss->swap_pss += (u64)PAGE_SIZE << PSS_SHIFT;
}
} else if (is_migration_entry(swpent))
page = migration_entry_to_page(swpent);
}
if (!page)----------------------------------------------如果页面不存在，就不用更新mss其他信息了；如果存在，调用smaps_account()更新mss。
return;
smaps_account(mss, page, PAGE_SIZE, pte_young(*pte), pte_dirty(*pte));
}
static void smaps_account(struct mem_size_stats *mss, struct page *page,
unsigned long size, bool young, bool dirty)
{
int mapcount;
if (PageAnon(page))
mss->anonymous += size;------------------------匿名页面对anonymous做出贡献。
mss->resident += size;
/* Accumulate the size in pages that have been accessed. */
if (young || page_is_young(page) || PageReferenced(page))
mss->referenced += size;
mapcount = page_mapcount(page);--------------------page->_mapcount
if (mapcount >= 2) {-------------------------------mapcount大于1的情况，共享映射。对PSS做出1/mapcount贡献。
u64 pss_delta;
if (dirty || PageDirty(page))
mss->shared_dirty += size;
else
mss->shared_clean += size;
pss_delta = (u64)size << PSS_SHIFT;------------这里pss采用PSS_SHIFT是为了降低误差。
do_div(pss_delta, mapcount);-------------------根据mapcount取部分值。
mss->pss += pss_delta;
} else {-------------------------------------------mapcount为1的情况，都是独占。对USS做出贡献。
if (dirty || PageDirty(page))
mss->private_dirty += size;
else
mss->private_clean += size;
mss->pss += (u64)size << PSS_SHIFT;------------当count为1，对PSS的贡献是100%。
}
}可以看出：
USS = Private_Clean + Private_Dirty
PSS = USS + (Shared_Clean + Shared_Dirty)/n
RSS = Private_Clean + Private_Dirty + Shared_Clean + Shared_Dirty
4. 使用procrank和smaps验证
首先启动一个sleep，然后启动同一sleep的另一个实例，使用procrank记录其内存使用情况如下。
可以看出sleep-23693的VSS和RSS前后没有变化，但是PSS减少了5K，USS减少了8K。
PID Vss Rss Pss Uss cmdline
...23693 6444K 1200K 98K 88K ./sleep
------ ------ ------
2278152K 2055080K TOTAL
RAM: 8054884K total, 603152K free, 112804K buffers, 5333808K cached, 615288K shmem, 358960K slab
PID Vss Rss Pss Uss cmdline
...
23736 6444K 1172K 103K 88K ./sleep
23693 6444K 1200K 93K 80K ./sleep
------ ------ ------
2332373K 2108276K TOTAL
RAM: 8054884K total, 572488K free, 113088K buffers, 5357752K cached, 613880K shmem, 358968K slab由上面的分析可知，RSS = Private_Clean + Private_Dirty + Shared_Clean + Shared_Dirty，将sleep-23693的smaps累积也确实是1200KB。同样也可以求出USS的大小为88KB。但是PSS涉及到libc的引用计数一直在变化中，没有计算。
然后查看sleep-23693前后smaps的变化，可以看出Pss部分减少了共2(test)+1(libc)+2(libtest)=5KB，因为可执行文件sleep和libtest.so的大小要和sleep-23736均分。
Uss减少主要是sleep可执行文件和共享库libtest.so，本来都是sleep-23693独占，在执行sleep-23736之后，就不能算独占内存了。所以减去4+4=8。
00400000-00401000 r-xp 00000000 08:08 9452266 /home/al/sharedlib/sleep
Size: 4 kB
KernelPageSize: 4 kB
MMUPageSize: 4 kB
Rss: 4 kB
Pss: 4 kB---------------------------------------------------2 KB，因为要和sleep-23736均分4/2=2KB。
Shared_Clean: 0 kB---------------------------------------------------4 KB，本来独占内存变成共享内存，两个共享者。
Shared_Dirty: 0 kB
Private_Clean: 4 kB---------------------------------------------------0 KB
Private_Dirty: 0 kB
Referenced: 4 kB
Anonymous: 0 kB
LazyFree: 0 kB
AnonHugePages: 0 kB
ShmemPmdMapped: 0 kB
Shared_Hugetlb: 0 kB
Private_Hugetlb: 0 kB
Swap: 0 kB
SwapPss: 0 kB
Locked: 4 kB---------------------------------------------------2 KB
VmFlags: rd ex mr mw me dw sd
...
7ffba85b2000-7ffba8799000 r-xp 00000000 08:06 136724 /lib/x86_64-linux-gnu/libc-2.27.so
Size: 1948 kB
KernelPageSize: 4 kB
MMUPageSize: 4 kB
Rss: 952 kB
Pss: 9 kB---------------------------------------------------8 KB，使用此库者太多，无法统计。
Shared_Clean: 952 kB
Shared_Dirty: 0 kB
Private_Clean: 0 kB
Private_Dirty: 0 kB
Referenced: 952 kB
Anonymous: 0 kB
LazyFree: 0 kB
AnonHugePages: 0 kB
ShmemPmdMapped: 0 kB
Shared_Hugetlb: 0 kB
Private_Hugetlb: 0 kB
Swap: 0 kB
SwapPss: 0 kB
Locked: 9 kB---------------------------------------------------8 KB
VmFlags: rd ex mr mw me sd
...
7ffba89a3000-7ffba89a4000 r-xp 00000000 08:06 142918 /lib/x86_64-linux-gnu/libtest.so
Size: 4 kB
KernelPageSize: 4 kB
MMUPageSize: 4 kB
Rss: 4 kB
Pss: 4 kB---------------------------------------------------2 KB，因为原来独占4KB，变成均分后2KB。
Shared_Clean: 0 kB---------------------------------------------------4 KB
Shared_Dirty: 0 kB
Private_Clean: 4 kB---------------------------------------------------0 KB
Private_Dirty: 0 kB
Referenced: 4 kB
Anonymous: 0 kB
LazyFree: 0 kB
AnonHugePages: 0 kB
ShmemPmdMapped: 0 kB
Shared_Hugetlb: 0 kB
Private_Hugetlb: 0 kB
Swap: 0 kB
SwapPss: 0 kB
Locked: 4 kB---------------------------------------------------2 KB
VmFlags: rd ex mr mw me sd top | grep app名称
ps | grep app名称
procrank | grep app名称
dumpsys meminfo app名称
前两个命令只能查到VSS RSS内存占用信息
而后面两个命令可以查出 PSS USS内存占用.
dumpsys meminfo 可以查出native和dalvik分别占用多少内存
linux 上可以用: smem
5. 小结
通过上面的分析，可以看出VSS只是一个虚拟空间大小，对内存实际占用量意义不大。
RSS是对于计算一个进程内存占用量，会有一点误解。因为像libc这种大部头库文件，共享者很多，都算在一个进程头上不科学。
这时候PSS就更加科学了，除了自己独占的内存，再加上分到的共享部分。
USS在计算一个新加入的进程导致系统内存增量很有用处，因为共享部分已经存在，并不是由其导致的。
参考文档：
《Using procrank to measure memory usage on embedded Linux》
https://unix.stackexchange.com/questions/116327/loading-of-shared-libraries-and-ram-usage
本文参与 腾讯云自媒体分享计划，分享自作者个人站点/博客。
原始发表：2020-08-13 ，如有侵权请联系 cloudcommunity@tencent.com 删除
评论
登录后参与评论
推荐阅读
目录
相关产品与服务
轻量应用服务器
轻量应用服务器（TencentCloud Lighthouse）是新一代开箱即用、面向轻量应用场景的云服务器产品，助力中小企业和开发者便捷高效的在云端构建网站、Web应用、小程序/小游戏、游戏服、电商应用、云盘/图床和开发测试环境，相比普通云服务器更加简单易用且更贴近应用，以套餐形式整体售卖云资源并提供高带宽流量包，将热门开源软件打包实现一键构建应用，提供极简上云体验。