Python进程使用的总内存？

时间：2009-06-02 09:50:40

标签： python memory-management

Python程序有没有办法确定它目前使用多少内存？我已经看过关于单个对象的内存使用情况的讨论，但我需要的是该进程的总内存使用量，以便我可以确定何时需要开始丢弃缓存数据。

12 个答案:

答案 0 :(得分：233)

Here是适用于各种操作系统的有用解决方案，包括Linux，Windows 7等：

import os
import psutil
process = psutil.Process(os.getpid())
print(process.memory_info().rss)  # in bytes

在我目前的Python 2.7安装中，最后一行应该是

print(process.get_memory_info()[0])

代替（API发生了变化）。

注意：如果尚未安装，请执行pip install psutil。

答案 1 :(得分：174)

对于基于Unix的系统（Linux，Mac OS X，Solaris），您可以使用标准库模块resource中的getrusage()函数。生成的对象具有属性ru_maxrss，它为调用进程提供峰值内存使用情况：

>>> resource.getrusage(resource.RUSAGE_SELF).ru_maxrss
2656  # peak memory usage (kilobytes on Linux, bytes on OS X)

Python docs没有注明单位。请参阅特定系统的man getrusage.2页面以检查设备的值。在Ubuntu 18.04上，该单位以千字节为单位。在Mac OS X上，它是字节。

getrusage()函数也可以resource.RUSAGE_CHILDREN来获取子进程的使用，并且（在某些系统上）resource.RUSAGE_BOTH用于总（自我和子进程）进程使用。

如果您只关心Linux，您可以阅读/proc/self/status或/proc/self/statm文件，如此问题的其他答案和this一样。

答案 2 :(得分：62)

在Windows上，您可以使用WMI（home page，cheeseshop）：


def memory():
    import os
    from wmi import WMI
    w = WMI('.')
    result = w.query("SELECT WorkingSet FROM Win32_PerfRawData_PerfProc_Process WHERE IDProcess=%d" % os.getpid())
    return int(result[0].WorkingSet)

在Linux上（来自python cookbook http://code.activestate.com/recipes/286222/：

import os
_proc_status = '/proc/%d/status' % os.getpid()

_scale = {'kB': 1024.0, 'mB': 1024.0*1024.0,
          'KB': 1024.0, 'MB': 1024.0*1024.0}

def _VmB(VmKey):
    '''Private.
    '''
    global _proc_status, _scale
     # get pseudo file  /proc/<pid>/status
    try:
        t = open(_proc_status)
        v = t.read()
        t.close()
    except:
        return 0.0  # non-Linux?
     # get VmKey line e.g. 'VmRSS:  9999  kB\n ...'
    i = v.index(VmKey)
    v = v[i:].split(None, 3)  # whitespace
    if len(v) < 3:
        return 0.0  # invalid format?
     # convert Vm value to bytes
    return float(v[1]) * _scale[v[2]]


def memory(since=0.0):
    '''Return memory usage in bytes.
    '''
    return _VmB('VmSize:') - since


def resident(since=0.0):
    '''Return resident memory usage in bytes.
    '''
    return _VmB('VmRSS:') - since


def stacksize(since=0.0):
    '''Return stack size in bytes.
    '''
    return _VmB('VmStk:') - since

答案 3 :(得分：28)

在unix上，您可以使用ps工具对其进行监控：

$ ps u -p 1347 | awk '{sum=sum+$6}; END {print sum/1024}'

其中1347是某个进程ID。此外，结果以MB为单位。

答案 4 :(得分：3)

import os, win32api, win32con, win32process
han = win32api.OpenProcess(win32con.PROCESS_QUERY_INFORMATION|win32con.PROCESS_VM_READ, 0, os.getpid())
process_memory = int(win32process.GetProcessMemoryInfo(han)['WorkingSetSize'])

答案 5 :(得分：3)

我喜欢it，谢谢@bayer。我现在获得了一个特定的流程计数工具。

# Megabyte.
$ ps aux | grep python | awk '{sum=sum+$6}; END {print sum/1024 " MB"}'
87.9492 MB

# Byte.
$ ps aux | grep python | awk '{sum=sum+$6}; END {print sum " KB"}'
90064 KB

附上我的流程清单。

$ ps aux  | grep python
root       943  0.0  0.1  53252  9524 ?        Ss   Aug19  52:01 /usr/bin/python /usr/local/bin/beaver -c /etc/beaver/beaver.conf -l /var/log/beaver.log -P /var/run/beaver.pid
root       950  0.6  0.4 299680 34220 ?        Sl   Aug19 568:52 /usr/bin/python /usr/local/bin/beaver -c /etc/beaver/beaver.conf -l /var/log/beaver.log -P /var/run/beaver.pid
root      3803  0.2  0.4 315692 36576 ?        S    12:43   0:54 /usr/bin/python /usr/local/bin/beaver -c /etc/beaver/beaver.conf -l /var/log/beaver.log -P /var/run/beaver.pid
jonny    23325  0.0  0.1  47460  9076 pts/0    S+   17:40   0:00 python
jonny    24651  0.0  0.0  13076   924 pts/4    S+   18:06   0:00 grep python

参考

答案 6 :(得分：3)

Linux上当前进程的当前内存使用情况，Python 2，Python 3和pypy，没有任何导入：

def getCurrentMemoryUsage():
    ''' Memory usage in kB '''

    with open('/proc/self/status') as f:
        memusage = f.read().split('VmRSS:')[1].split('\n')[0][:-3]

    return int(memusage.strip())

在Linux 4.4和4.9上测试过，但即使是早期的Linux版本也应该可以使用。

查看man proc并在/proc/$PID/status文件中搜索信息，它会提到某些字段的最低版本（例如Linux 2.6.10 for“VmPTE”），但是“VmRSS”字段（我在这里使用的）没有这样的提及。因此，我认为自早期版本以来就一直存在。

答案 7 :(得分：3)

比/proc/self/status更容易使用：/proc/self/statm。它只是一个用空格分隔的列表，其中包含几个statistics。我无法确定两个文件是否总是存在。

  

/ proc / [pid] / statm

     

提供有关内存使用情况的信息，以页为单位。                 列为：

     
      
  • 大小（1）程序总大小                            （与/ proc / [pid] / status中的VmSize相同）
    •   
  • 居民（2）居民集合大小                            （与/ proc / [pid] / status中的VmRSS相同）
    •   
  • 共享的（3）个常驻共享页面数（即由文件支持）                            （与/ proc / [pid] / status中的RssFile + RssShmem相同）
    •   
  • 文本（4）文本（代码）
    •   
  • lib（5）库（从Linux 2.6开始不使用；始终为0）
    •   
  • 数据（6）数据+堆栈
    •   
  • dt（7）脏页（自Linux 2.6起未使用；始终为0）
    •   

这是一个简单的例子：

from pathlib import Path
from resource import getpagesize

PAGESIZE = getpagesize()
PATH = Path('/proc/self/statm')


def get_resident_set_size() -> int:
    """Return the current resident set size in bytes."""
    # statm columns are: size resident shared text lib data dt
    statm = PATH.read_text()
    fields = statm.split()
    return int(fields[1]) * PAGESIZE


data = []
start_memory = get_resident_set_size()
for _ in range(10):
    data.append('X' * 100000)
    print(get_resident_set_size() - start_memory)

这会产生一个看起来像这样的列表：

0
0
368640
368640
368640
638976
638976
909312
909312
909312

您可以看到在大约分配了3个100,000字节后，它跳了约300,000字节。

答案 8 :(得分：2)

下面是我的函数装饰器，它允许在函数调用之前跟踪此进程消耗了多少内存，在函数调用之后使用了多少内存，以及函数执行的时间。 

import time
import os
import psutil


def elapsed_since(start):
    return time.strftime("%H:%M:%S", time.gmtime(time.time() - start))


def get_process_memory():
    process = psutil.Process(os.getpid())
    return process.get_memory_info().rss


def track(func):
    def wrapper(*args, **kwargs):
        mem_before = get_process_memory()
        start = time.time()
        result = func(*args, **kwargs)
        elapsed_time = elapsed_since(start)
        mem_after = get_process_memory()
        print("{}: memory before: {:,}, after: {:,}, consumed: {:,}; exec time: {}".format(
            func.__name__,
            mem_before, mem_after, mem_after - mem_before,
            elapsed_time))
        return result
    return wrapper

所以，当你用它装饰一些功能时

from utils import track

@track
def list_create(n):
    print("inside list create")
    x = [1] * n
    return x

您将能够看到此输出：

inside list create
list_create: memory before: 45,928,448, after: 46,211,072, consumed: 282,624; exec time: 00:00:00

答案 9 :(得分：2)

对于Python 3.6和psutil 5.4.5，更容易使用here中列出的memory_percent()函数。

import os
import psutil
process = psutil.Process(os.getpid())
print(process.memory_percent())

答案 10 :(得分：2)

对于Unix系统，如果您传递-v，则命令time（/ usr / bin / time）将为您提供该信息。请参见下面的Maximum resident set size，它是程序执行期间使用的最大（峰值）实际（非虚拟）存储器：< / p> 

$ /usr/bin/time -v ls /

    Command being timed: "ls /"
    User time (seconds): 0.00
    System time (seconds): 0.01
    Percent of CPU this job got: 250%
    Elapsed (wall clock) time (h:mm:ss or m:ss): 0:00.00
    Average shared text size (kbytes): 0
    Average unshared data size (kbytes): 0
    Average stack size (kbytes): 0
    Average total size (kbytes): 0
    Maximum resident set size (kbytes): 0
    Average resident set size (kbytes): 0
    Major (requiring I/O) page faults: 0
    Minor (reclaiming a frame) page faults: 315
    Voluntary context switches: 2
    Involuntary context switches: 0
    Swaps: 0
    File system inputs: 0
    File system outputs: 0
    Socket messages sent: 0
    Socket messages received: 0
    Signals delivered: 0
    Page size (bytes): 4096
    Exit status: 0

答案 11 :(得分：1)

使用sh和os进入python bayer的答案。

float(sh.awk(sh.ps('u','-p',os.getpid()),'{sum=sum+$6}; END {print sum/1024}'))

答案以兆字节为单位。

相关问题
最新问题