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

我建议您使用top。你可以在这个页面上找到关于它的一切。它能够为您的流程提供所有必要的KPI，还可以捕获到文件中。

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

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）

如果您想要比使用Valgrind进行评测更快的东西，并且您的内核更旧，而且您不能使用smaps，那么一个带有显示进程驻留集选项的ps（使用ps-o rss，命令）可以让您快速、合理地了解所使用的非交换内存的实际数量。

尝试pmap命令：

sudo pmap -x <process pid>