Python 如何准确查看程序内存占用情况

准备环境与基础工具

监控 Python 程序内存主要依赖两个轻量级第三方库：psutil 用于获取当前进程及操作系统的内存视图，memory_profiler 用于精细化到每一行代码的内存分配记录。若需重现文中的矩阵运算测试案例，建议同时安装 numpy。

pip install psutil memory_profiler numpy

逐行分析代码内存变化

当需要定位具体某段逻辑为何吃掉大量内存时，memory_profiler 是最直观的工具。它可以通过装饰器自动拦截函数执行，并在控制台输出每行代码带来的内存增减量。

第1步：编写带分析标记的测试脚本

打开文本编辑器，新建脚本文件（如 mem_test.py）。在目标函数顶部添加 @profile 装饰器，引入必要的系统模块进行前后内存值对比与手动垃圾回收验证：

import numpy as np
import os
import psutil
import gc
from memory_profiler import profile

@profile
def test_memory():
    # 创建一个较大的二维数组，观察内存突增
    a = np.full(shape=(600, 700), fill_value=99.0)
    return a

if __name__ == '__main__':
    obj = test_memory()
    # 打印当前进程的实际物理内存占用(RSS)，单位MB
    print('A：%.2f MB' % (psutil.Process(os.getpid()).memory_info().rss / 1024 / 1024))

    del obj
    gc.collect()  # 强制触发垃圾回收，确保内存正确释放
    print('B：%.2f MB' % (psutil.Process(os.getpid()).memory_info().rss / 1024 / 1024))

第2步：通过终端运行并查看详细报告

保存脚本后，不要直接在 IDE 内部运行（部分集成环境会拦截分析器的标准输出）。在项目根目录打开终端，执行标准模块调用命令：

python -m memory_profiler mem_test.py

终端将按列输出详细的分析报表。表头依次代表：行号、当前累计内存(MiB)、该行导致的增量(MiB)以及执行次数。执行完毕后，脚本底部会打印您自定义的前后对比结果：

A：56.83 MB
B：53.83 MB

可见数据块被销毁且 GC 执行后，常驻内存稳定回落，证明内存分配机制正常。若发现某一行增量异常偏高，即可针对性进行数据结构重构或分块处理。

实时监控当前进程与系统内存

除了单函数剖析，开发者常需在长运行服务中定期打印资源水位。psutil 提供了一致跨平台的接口来查询虚拟内存池分布。

第1步：获取操作系统总内存信息

调用 virtual_memory() 可直接拉取宿主机的完整内存画像，包含总量、可用量、已用百分比及交换空间状态。这在容器化部署或云服务器调优时极为常用。

第2步：绑定当前 PID 查看独立开销

结合 Process(os.getpid()) 可锁定当前脚本自身的物理内存峰值。以下是一段可直接复用的监控封装逻辑：

import psutil
import os

info = psutil.virtual_memory()
print(f'当前程序已分配内存：{psutil.Process(os.getpid()).memory_info().rss} Bytes')
print(f'系统总内存：{info.total} Bytes')
print(f'系统内存整体占比：{info.percent}%')
print(f'CPU 核心数：{psutil.cpu_count()}')

在实际业务中，可将上述 print 语句替换为日志记录组件，设定固定频率轮询。当 rss 数值呈单调递增且不随任务结束下降时，通常意味着存在引用未释放或闭包缓存导致的内存泄漏。

完成判断与排错建议

成功建立监控后，可通过以下特征确认工具生效：
- 终端输出出现清晰的 Line # Mem Usage Increment 表格；
- 手动删除大对象并调用 gc.collect() 后，RSS 数值回归基线；
- 系统级查询返回的百分比与任务管理器/系统监视器显示一致。

若遇到 ModuleNotFoundError，请检查是否在当前 Python 虚拟环境中执行了安装命令。对于高并发 Web 服务，建议在压测阶段同步开启此监控模块，避免生产环境因突发流量导致 OOM（Out Of Memory）崩溃。

以上就是 Python 查看程序内存占用情况的详细内容，更多关于 Python 性能优化与资源监控的资料请关注本站其它相关文章！