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

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

如果您的代码是C或C++，您可能可以使用getrusage（），它会返回有关进程内存和时间使用情况的各种统计信息。

但并非所有平台都支持这一点，并将为内存使用选项返回0值。

相反，您可以查看在/proc/[pid]/statm中创建的虚拟文件（其中[pid]被您的进程id替换）。

此文件看起来像一个包含7个整数的文本文件。您可能对该文件中的第一个（所有内存使用）和第六个（数据内存使用）数字最感兴趣。

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。

如果进程没有占用太多内存（可能是因为您希望是这样，或者其他命令给出了这个初始指示），并且进程可以承受短时间的停止，您可以尝试使用gcore命令。

gcore <pid>

检查生成的核心文件的大小，以了解特定进程正在使用多少内存。

如果进程使用数百兆字节或千兆字节，这将不会太好，因为根据I/O性能，核心生成可能需要几秒钟或几分钟才能创建。在核心创建过程中，进程被停止（或“冻结”）以防止内存更改。所以要小心。

还要确保生成核心的装载点有足够的磁盘空间，并且系统不会对在该特定目录中创建的核心文件做出负面反应。