INFORME DE LABORATORIO: MONITOREO Y GESTIÓN DE MEMORIA EN WINDOWS Y LINUX

Facultad de Ingeniería - Ingeniería en Informática y Sistemas

1. Introducción Este informe tiene como objetivo analizar el uso de la memoria RAM y virtual en sistemas operativos Windows y Linux. Se realizaron monitoreos mediante herramientas avanzadas y simulaciones con Python para evaluar el comportamiento del sistema ante distintos escenarios de consumo de memoria.

2. Análisis General del Uso de Memoria¶

Monitoreo con herramientas avanzadas:

• Windows: Se utilizaron herramientas como System Information, Performance Monitor, Resource Monitor y Process Explorer.

• Linux: Se ejecutaron comandos como free -m, cat /proc/meminfo, htop, vmstat 1 10 y smem -t.

• Ir a memory

• performance monitor

1. resmon

1. process explorer

Simulación con Python:

import psutil

memoria = psutil.virtual_memory()
swap = psutil.swap_memory()

print(f"  Memoria Total: {memoria.total / (1024**3):.2f} GB")
print(f"  Memoria Disponible: {memoria.available / (1024**3):.2f} GB")
print(f"  Uso de Memoria: {memoria.percent}%")
print(f"  Uso de SWAP: {swap.percent}%")

3. Monitoreo de Procesos que Más Memoria Consumen¶

Monitoreo con herramientas avanzadas:

• Windows: Task Manager y Process Explorer.

• Linux: ps aux --sort=-%mem | head -10 y htop.

TASK MANAGER

PROCESS EXPLORER

Simulación con Python:

procesos = sorted(psutil.process_iter(attrs=['pid', 'name', 'memory_info']), key=lambda p: p.info['memory_info'].rss, reverse=True)
print("    Top 10 procesos que más memoria consumen:")
for proceso in procesos[:10]:
    print(f"PID: {proceso.info['pid']} | {proceso.info['name']} | Memoria: {proceso.info['memory_info'].rss / (1024 ** 2):.2f} MB")

4. Simulación de Alto Consumo de Memoria¶

Monitoreo con herramientas avanzadas:

• Windows: Resource Monitor y Performance Monitor.

• Linux: htop y iotop.

MONITOREO CON RESMON

PERFMON

Simulación con Python:

import time
print("        Reservando 500 MB de memoria...")
memoria = [0] * (500 * 1024 * 1024 // 4)
input("   Memoria reservada. Presiona Enter para liberarla...")
memoria = None
print("   Memoria liberada.")
time.sleep(2)

5. Simulación de Fuga de Memoria¶

Monitoreo con herramientas avanzadas:

• Windows: Process Explorer y Performance Monitor.

• Linux: htop y valgrind --tool=massif python script.py.

MONITOREANDO PRIVATE BYTES

Simulación con Python:

import time
lista = []
print("    Simulando fuga de memoria...")
for _ in range(1000):
    lista.append([0] * (1024 * 1024))
    time.sleep(0.1)
print("  Fin del programa.")

6. Análisis de Swapping (Memoria Virtual)¶

Monitoreo con herramientas avanzadas:

• Windows: Task Manager y Process Explorer.

• Linux: vmstat 1 10 y swapon -s.

Simulación con Python:

print("    Forzando uso de swap...")
memoria = []
for _ in range(5):
    memoria.append(bytearray(500 * 1024 * 1024))
    time.sleep(2)
print("   Swap en uso.")
input("Presiona Enter para liberar la memoria...")
memoria = None

FORZANDO CON PYTHON

7. Análisis de Páginas de Memoria

Monitoreo con herramientas avanzadas:

• Windows: Performance Monitor y Resource Monitor.

• Linux: vmstat 1 10 y cat /proc/vmstat | grep pgfault.

8. Conclusiones Tras la realización de este laboratorio, se logró:

El presente laboratorio permitió comprender a profundidad cómo los sistemas operativos administran la memoria RAM y virtual, facilitando la identificación de problemas de rendimiento y posibles cuellos de botella en el uso de los recursos. A través del monitoreo con herramientas avanzadas, se pudo examinar el estado inicial del sistema, identificar los procesos con mayor consumo y analizar cómo estos afectan el desempeño del equipo.

Las simulaciones en Python fueron fundamentales para observar en tiempo real el comportamiento de la memoria ante distintos escenarios. Se logró simular situaciones de alto consumo, fugas de memoria y uso excesivo del swapping, demostrando cómo estos fenómenos pueden afectar la estabilidad del sistema y su rendimiento general. En particular, la simulación de swapping evidenció la importancia de contar con una adecuada configuración de memoria virtual para evitar ralentizaciones significativas.

El análisis de fallos de página permitió conocer cómo el sistema gestiona la memoria en ejecución y cómo el uso eficiente de la RAM puede minimizar el impacto en el rendimiento. Se constató que la optimización de los procesos y la detección temprana de problemas de memoria son esenciales para garantizar un funcionamiento eficiente y estable.

En conclusión, la aplicación de estas técnicas de monitoreo y simulación es clave en la administración de sistemas informáticos en entornos de producción. Se recomienda su uso frecuente para la prevención de problemas de rendimiento, optimización del consumo de memoria y mejora en la estabilidad de los sistemas operativos, tanto en entornos personales como empresariales.

DESPUES DE HABER CERRADO TODO