命令查看Linux服务器内存、CPU、显卡、硬盘使用情况

大致结果类似下图：

Mem行（单位均为M）：

(-/+ buffers/cache)行：

Swap行指交换分区。

实际上不要看free少就觉得内存不足了，buffers和cached都是可以在使用内存时拿来用的，应该以(-/+ buffers/cache)行的free和used来看。只要没发现swap的使用，就不用太担心，如果swap用了很多，那就要考虑增加物理内存了。

大致结果类似下图：

上方文字部分的红框为总的CPU占用百分率，下方的表格是每个进程的CPU占用率，在表格第一行可以看到红框中占用率超过了150%，这是因为服务器是多核CPU，而该进程使用了多核。

大致结果类似下图：

表格中会显示显卡的一些信息，第一行是版本信息，第二行是标题栏，第三行就是具体的显卡信息了，如果有多个显卡，会有多行，每一行的信息值对应标题栏对应位置的信息。

需要注意的一点是显存占用率和GPU占用率是两个不一样的东西，类似于内存和CPU，两个指标的占用率不一定是互相对应的。

在下面就是每个进程使用的GPU情况了。

大致结果如下图：

表格中每一行代表一个文件系统，各列意义如下：

要查看具体某个文件或者文件夹的大小的话，可以使用下面的命令：

du命令可以查看文件或文件夹的磁盘使用空间，而-h参数的意思是使用GB、MB等易读的格式。如果不带--max-depth参数，那么将循环列出文件夹下所有文件和文件夹占用的空间，带此参数，则是指定深入目录的层数。

如果要看文件夹下所有文件的大小，可以使用*：

查看作者首页

nvcc 编译代码

nvcc -o squareSum squareSum.cu运行结果：

CUDA initialized.

(GPU) sum:29909398 time:787124792

(CPU) sum:29909398 time:10000

从执行的结果可以看出， GPU 中运行的程序居然要比 CPU 中的消耗的时钟周期还要多得多。这是有原因的。

因为程序之中并没有使用 CUDA 并行执行的优势。

这里分析一下 GPU 运行的性能。

此 GPU 消耗的时钟周期： 787124792 cycles

GeForce G 103M 的 clockRate： 1.6 GHz

所以可以计算出 GPU 上运行时间是： 时钟周期 / clockRate = 0.49195 s

1 M 个 int 型数据有 4M Byte 的数据量，实际使用的 GPU 内存带宽是：数据量 / 运行时间 = 8.13 MB/s

可见这个程序没有很好的发挥 GPU 的性能，使用的内存带宽很小。

没有有效利用 GPU 性能的原因？？？

在 CUDA 中，一般的数据复制到的显卡内存的部份，称为 global memory。这些内存是没有 cache 的，而且，存取 global memory 所需要的时间（即 latency）是非常长的，通常是数百个 cycles。

由于我们的程序只有一个 thread，所以每次它读取 global memory 的内容，就要等到实际读取到数据、累加到 sum 之后，才能进行下一步。这就是为什么它的表现会这么的差。实际上 GPU 一直在等待上一个数据运行的结束，然后再拷贝一个内存数据，所以使用的时钟周期自然就长了。

由于 global memory 没有 cache，所以要避开巨大的 latency 的方法，就是要利用大量的 threads。假设现在有大量的 threads 在同时执行，那么当一个 thread 读取内存，开始等待结果的时候，GPU 就可以立刻切换到下一个 thread，并读取下一个内存位置。因此，理想上当 thread 的数目够多的时候，就可以完全把 global memory 的巨大 latency 隐藏起来了。

你这个需要下载一些软件才能看到独立显卡温度的，因为本身电脑是不带显示温度的软件，你可以用GPU Z软件和鲁大师都可以，如果需要详细参数也可以下载一个adid64软件，这样就能看到显卡温度之如查看其它的硬件参数，

---