概述
在维护 Ubuntu 及各类 Linux 服务器时，评估系统负载与健康状况的第一道工序往往就是排查内存余量，而 free 则是运维工程师使用频率最高的核心检测工具。本文将从零开始梳理 free 常用单位转换参数，深入拆解 available 与 buff/cache 背后的内核调度机制，并结合动态压测演示如何在实战中精准捕捉内存的瞬时波动。
1. 内存基准排查与友好读数选项 (-h, -m, -g)
通过执行 free，内核会直接吐出物理内存（RAM）与交换分区（Swap）的总量、消耗量以及未分配容量的统计摘要。
若在不附加任何标志位的情况下裸跑该命令，终端默认会以 KiB（Kibibyte）为度量标准展示原始数值，这种长数字排版在日常快速巡检时并不直观。
⚙️ [高频参数速查]
-b : 强制以最底层的字节数（Byte）打印所有指标。-k : 以千字节（KiB）为计算尺度展现内存分布（系统缺省模式）。-m : 将各字段数据规整为兆字节（MiB）规格输出。-g : 以吉字节（GiB）为计量规格输出结果。--mega : 按照十进制标准（1MB = 1,000,000B）而非二进制（1024进位制）呈现兆字节。--giga : 按照十进制千进制（1GB = 1,000,000,000B）格式呈现吉字节。-h : 启用人类易读（Human-readable）格式，自适应匹配并追加单位后缀（如 B、Ki、Mi、Gi、Ti）。-w : 开启宽屏（wide）展现模式，避免合并统计，单独罗列 buffers 与 cache 列。-c [次数] : 限制刷新轮次，达到预设计数后自动退出监控。-s [秒数] : 设定轮询周期，按指定秒级间隔自动循环输出最新内存状态。-t : 在表格底端额外追加一行 Total 统计，汇总统合物理内存与 Swap 的综合指标。
在线上日常维护工作中，带上 -h 参数的 free -h 是最受工程师青睐的搭配方式。
该指令会依据当前内存量级智能选用 GiB、MiB 或 KiB 进行数值换算，大幅削减了人工换算大整数的时间成本，能以极高效率反映服务器整体资源吃紧与否。
当需要编写自动化 Shell 巡检脚本或监控探针时，free -m 往往是更标准的选择。
它能确保表格中的所有指标均统一落入 MiB 标尺，整齐纯净的数值格式极大地方便了使用 awk、grep 等文本工具进行正则抓取或阈值比对。
2. 字段含义全景拆解：free 与 available 的本质区别及 Buff/Cache 机制
运行 free -h 后展现在屏幕上的表格包含多列数据，理清每一列的真实含义至关重要。
不少初学者常误把 free 列当作系统能够分配的全部余量，但实际上该字段仅表示完全未被内核触及的“绝对闲置物理页”。
相对地，available 才是更具实操参考价值的指标——它综合考量了系统当前可以在不触发 OOM 且无需大幅拖慢性能的前提下，从现有缓存中立刻借调并让渡给新任务的最大可用内存估算量。
因此，评估一台机器是否真正面临内存枯竭，唯一的黄金衡量标尺应当是 available 而非 free。
如果希望更加透彻地洞察系统的 I/O 缓冲分布，可以组合使用 free -h -w 指令，从而将原本混杂在一起的 buff/cache 列解耦为独立的两个维度。
其中 buffers 承载着 Linux 内核在进行块设备底层读写与文件系统元数据交互时所开辟的临时过渡区。
而 cache（通常指 Page Cache）则是内核为了消除磁盘 I/O 瓶颈，将曾经读取过的文件块长久驻留在内存中所构筑的高速镜像。
这两部分内存并未被“死锁”，一旦系统遇到突发的进程分配申请，内核均具备瞬间回收这部分空间以保障应用运转的能力。
所有衍生自 free 的报表数据，归根结底都来源于内核暴露出来的 /proc/meminfo 虚拟文件，我们可以直接提取其前 10 行信息作为数据溯源的比对基准：head -n 10 /proc/meminfo。
包括 MemTotal、MemFree、MemAvailable 等在内的各种核心指标，其底层原生测算均由本文件提供支撑。
在面对复杂的线上异动或者对监控采集器的数据准确性存疑时，直接核查该虚拟节点能够提供最具说服力的底层证据。
3. 动态追踪内存走势与全局汇总 (-s, -c, -t)
当服务器同时部署有大量物理内存和辅助 Swap 空间时，运行 free -h -t 可以让输出报表新增一行醒目的 Total 汇总行。
这允许系统管理员无需心算即可快速总览整机的“物理 + 交换”资源底池，在宏观容量规划与集群配置评估阶段能够带来极大的便利。
为了捕捉短时间内可能出现的内存泄露或激增突刺，可以通过组合使用采样参数发起连续跟踪，例如 free -h -s 2 -c 3 代表以 2 秒为时间步长（-s 2）循环探测，并累计输出 3 组快照（-c 3）。
在执行某个重量级脚本或启动复杂微服务栈时，借助这种轻量级轮询可以非常直观地复盘内存随着业务执行展开而发生的阶段性变化。
4. 动手实操：构造内存负载并观测指标动态迁移
为了验证上述理论并亲眼见证内核的内存调配动作，我们借助轻量级压测工具 stress 来注入确定性的负载。首先在测试节点上完成组件的部署。
在正式触发压力前，先打下一份基础基线记录：执行 free -h。
基线数据显示当前机器 used 占用为 5.2GiB，纯闲置的 free 保持在 1.2GiB，而系统可直接调配的 available 余量在 2.0GiB 左右，整体运行工况处于健康状态。
紧接着下发压测指令：stress --vm 1 --vm-bytes 256M --timeout 5s。该指令会拉起 1 个工作子进程，尝试在内存中迅速划拨出 256MB 的空间并持续锁定读写 5 秒钟，从而给宿主机营造可控的局部内存收紧情境。
在工作负载施加后紧接着二次抓取快照：free -h。
通过对比前后数值可以清晰看到：used 字段从 5.2GiB 上浮至 5.3GiB，与此同时完全未分配的 free 由 1.2GiB 回落到了 1.0GiB，代表真正可用裕度的 available 亦从 2.0GiB 同步下调至 1.9GiB，这一系列联动实证了 Linux 内核在面对突发内存申请时积极调整资源池的动态响应过程。
深入吃透 free 命令不仅仅是死记几个常用的标志位，更关键的是建立起对 free、available 以及 buff/cache 相互转换逻辑的正确认知。熟练把握这些核心指标，能帮助你在排查服务器性能瓶颈时摆脱“内存误报警”的困扰，快准稳地诊断出真实负载瓶颈。