怎么查看Python进程实时内存占用？任务管理器与psutil方法

一、查看 Python 内存前必须理清的核心指标

很多开发者在排查 Python 内存时，常发现不同工具汇报的数值差异很大：系统监控显示占用了几百兆，但 Python 内部排查对象大小却只有几十兆。这是因为操作系统管理的内存与 Python 解释器内部对象所处的层次不同。

操作系统视角下的进程内存由以下几个核心部分构成：

• 物理常驻内存（RSS / Resident Set Size）：当前进程在物理 RAM 中真实驻留的内存页大小。任务管理器中常见的“内存 / 工作集”列即对应或包含该项。它包含了与其他进程共享的动态库。
• 独占物理内存（USS / Unique Set Size）：该 Python 进程独自占有的物理内存。如果此时关闭该进程，操作系统可以立刻全额回收的物理空间正是 USS。
• 虚拟内存大小（VMS / Virtual Memory Size）：进程向系统申请的虚拟地址空间总量，包括实际分配但尚未载入物理内存的页面以及文件映射空间。
• 共享内存（Shared Memory）：多个进程共用的只读代码段或系统动态链接库（如 libc、Python 解释器自身的二进制映射）。在 RSS 中通常会包含这部分开销。

二、通过系统任务管理器排查 Python 进程内存

系统自带的任务监视器（Windows 任务管理器、macOS 活动监视器、Linux htop）最大的优势是零侵入性，无论脚本是否在运行，都可以随时打开观察。

1. 前置步骤：确认目标脚本的进程 PID

在开发或生产环境中，后台常常同时运行着多个 Python 实例（如 VS Code 插件后台、系统守护脚本等）。若只看进程名称 python.exe，极易认错对象。最稳妥的方法是在脚本启动时打印当前进程编号：

import os

print(f"当前 Python 进程 PID: {os.getpid()}")

如果脚本已经在后台运行且未打印 PID，可以在终端通过命令辅助查找：

• Windows：运行 wmic process where "name='python.exe'" get ProcessId,CommandLine 列出每个 Python 进程对应的命令行参数。
• Linux / macOS：运行 ps aux | grep python，通过命令行的脚本路径定位对应的 PID。

2. 在 Windows 任务管理器中精准读取

1. 按下快捷键 Ctrl + Shift + Esc 打开任务管理器。
2. 点击顶部或左侧的“详细信息（Details）”标签页。注意不要仅停留在“进程”概览页，详细信息页才支持按 PID 排序。
3. 在表头任意列右键，点击“选择列（Select columns）”，勾选“PID”、“工作集(内存)”以及“专用工作集(内存)”。
4. 点击 PID 列排序列出目标进程。其中，“专用工作集”剔除了跨进程共享的动态库，最能准确反映当前 Python 脚本自身的物理内存消耗。

三、使用 psutil 在 Python 代码中实时监控

如果希望在特定业务函数执行前后打点、每隔数秒自动记录内存水位，或者在内存暴涨时触发报警与日志导出，使用跨平台的 psutil 模块是最优解。

1. 安装 psutil

在项目使用的 Python 环境中安装依赖：

pip install psutil

2. 获取当前进程的单次内存快照

psutil.Process() 在不传入参数时默认绑定当前进程。调用 memory_info() 能够返回一个命名元组，单位为字节（Byte）：

import os
import psutil

# 绑定当前进程
process = psutil.Process(os.getpid())

# 获取内存信息（字节）
mem_info = process.memory_info()

# 换算为常用单位 MB (MiB)
rss_mb = mem_info.rss / (1024 * 1024)
vms_mb = mem_info.vms / (1024 * 1024)

print(f"进程 PID: {process.pid}")
print(f"常驻物理内存 (RSS): {rss_mb:.2f} MB")
print(f"虚拟内存占用 (VMS): {vms_mb:.2f} MB")

3. 读取更准确的独占内存（USS）

如果操作系统支持（Windows、Linux 及部分 macOS 环境），可以调用 process.memory_full_info() 获取 uss 属性。USS 剔除了共享库占用，是评估进程真实私有内存的最准确数值：

try:
    full_info = process.memory_full_info()
    uss_mb = full_info.uss / (1024 * 1024)
    print(f"独占物理内存 (USS): {uss_mb:.2f} MB")
except (psutil.AccessDenied, AttributeError):
    print("当前平台或权限不支持获取 USS，建议以 RSS 为准")

4. 搭建定时轮询的实时监控函数

在长时间运行的爬虫、批处理脚本或模型推理任务中，可以通过定时循环采样来观测内存趋势。以下是一个轻量、开箱即用的实时采样函数：

import time
import os
import psutil

def track_memory(interval_sec=1.0, count=5):
    """
    按指定间隔采样并输出当前 Python 进程的物理与独占内存
    :param interval_sec: 采样间隔（秒）
    :param count: 采样次数
    """
    process = psutil.Process(os.getpid())
    print(f"开始监控进程 [PID: {process.pid}], 采样间隔: {interval_sec}s")
    print("-" * 52)
    print(f"{'采样时间':<12} | {'常驻内存 (RSS)':<16} | {'独占内存 (USS)':<16}")
    print("-" * 52)

    for _ in range(count):
        # 兼容性读取
        mem = process.memory_info()
        rss = mem.rss / (1024 * 1024)
        
        try:
            uss = process.memory_full_info().uss / (1024 * 1024)
            uss_str = f"{uss:8.2f} MB"
        except (AttributeError, psutil.AccessDenied):
            uss_str = "    N/A"

        now_str = time.strftime("%H:%M:%S")
        print(f"{now_str:<12} | {rss:8.2f} MB        | {uss_str}")
        time.sleep(interval_sec)

if __name__ == "__main__":
    # 模拟业务运行期间的内存监测
    track_memory(interval_sec=1.5, count=4)

四、为什么 del 变量后任务管理器中的内存没有立即下降？

这是在监控 Python 内存时最常见到的疑问：在代码中调用了 del large_list 甚至显式调用了 gc.collect()，但在任务管理器或 psutil 中查看，RSS 并没有明显回落。

背后的核心机制是 Python 的内存管理体系（pymalloc 内存池）：

• 对象池机制：对于小于 512 字节的小对象（如普通数字、字符串、小元组等），Python 会在底层向系统申请 256KB 大小的内存池（Arena）。对象被销毁后，这部分内存会由 Python 内部空闲列表接管留作后续创建新对象使用，而不会立即把物理页退还给操作系统内核。
• 只有全空整块才还给系统：只有当一整个 Arena 内的所有内存池块全部被清空时，Python 才会调用操作系统的 free 接口将内存页归还给系统。
• 排查建议：判断程序是否存在内存泄漏，不应看某一次 del 是否立竿见影回落，而应看多轮任务循环迭代后，整体内存基线是否稳定，或者是否呈现无上限的持续阶梯式攀升。

五、任务管理器与 psutil 方案对比与选择建议

针对不同的排查场景，两种方式各自具备明确的分工：