问使用psutil.Process.memory_info内存与使用Pandas.memory_usage不同

EN

以下是与您的问题相关的参考资料：使用rss或vms跟踪内存。RSS和VMS的关系有点混乱。您可以在详细信息中了解这些概念。您还应该知道如何计算这和这中的总内存使用量。

**TO SUMMARIZE AND COMPLEMENT MY OPINION**

RSS:

驻留集大小用于显示在RAM中为进程分配了多少内存。记住- It doesn't include memory which is swapped out。

它涉及来自共享库的内存，包括所有堆栈和堆内存。

VMS:

虚拟内存大小包括进程可以访问的所有内存。其中包括；

交换内存，分配但未使用的内存，共享库中的内存。

示例：

假设一个Process-X有一个500 K的二进制文件，并且链接到2500 K的共享库，有200 K的堆栈/堆分配，其中100 K实际上在内存中(rest被交换或未使用)，它实际上只加载了共享库的1000 K和它自己的二进制文件的400 K：

RSS: 400K + 1000K + 100K = 1500K
VMS: 500K + 2500K + 200K = 3200K

在本例中，由于部分内存是共享的，许多进程可能会使用它，所以如果将所有的RSS值加起来，您可以很容易地得到比系统更多的空间。

正如你所看到的，当你简单的运行这个；

import os
import psutil
process = psutil.Process(os.getpid())
print("vms: ", process.memory_info().vms)
print("rss:", process.memory_info().rss)

输出：

vms: 7217152 rss: 13975552

通过简单地添加，import pandas as pd，您可以看到不同之处。

import os
import psutil
import pandas as pd
process = psutil.Process(os.getpid())
print("vms: ", process.memory_info().vms)
print("rss:", process.memory_info().rss)

这是输出：

vms: 276295680 rss: 54116352

因此，在程序实际使用之前，分配的内存也可能不在RSS中。所以，如果你的程序预先分配了一堆内存，那么随着时间的推移使用它；

• 您可以看到RSS上升，VMS保持不变。

现在，无论您使用df.memory_usage().sum()还是Process.memory_info，我相信RSS确实包含了来自动态链接库的内存。因此，它们的RSS之和将超过实际使用的内存。