如何准确识别R会话的RAM使用量？gc()与top结果不符

gc()只统计R内部管理的对象内存（也就是输出里Ncells和Vcells对应的数值），但top里的RES是操作系统层面统计的整个R进程占用的物理内存——它包含了R程序本身的代码、依赖的共享库、未被gc彻底回收的内存碎片、以及R内部的缓存数据等，所以两者数值自然会有差距。

根据你的需求（是要R内部对象内存，还是整个进程的系统内存），可以用以下几种方法：

方法1：跨平台的进程内存统计（推荐） #

使用ps包可以直接获取操作系统层面的进程内存数据，和top的RES对应：

# 首次使用先安装包
install.packages("ps")
library(ps)

# 获取当前R进程的内存信息
mem_info <- ps_memory_info(ps_pid())
# rss就是和top中RES对应的物理内存（单位字节），转换为GB
mem_info$rss / 1024^3

返回的结果会和top显示的RES值基本一致。

方法2：另一个跨平台工具包 #

processx包也能实现同样的功能：

install.packages("processx")
library(processx)

mem_info <- process_memory(process_self())
# 同样取rss转换为GB
mem_info$rss / 1024^3

方法3：Linux/macOS直接读取系统文件 #

不需要额外安装包，直接通过系统命令读取进程状态文件：

# 获取VmRSS值（单位KB），转换为GB
rss_kb <- as.numeric(sub("VmRSS:\\s+(\\d+)\\s+.*", "\\1", system(paste0("cat /proc/", Sys.getpid(), "/status | grep VmRSS"), intern=TRUE)))
rss_gb <- rss_kb / 1024 / 1024
print(rss_gb)

方法4：Windows专属 #

如果是Windows系统，用内置的memory.size()：

# 当前使用内存（MB）
memory.size()
# 转换为GB
memory.size() / 1024
# 历史峰值内存
memory.size(max=TRUE)

• 如果想统计R中对象实际占用的内存，gc()是准确的；如果要查看整个R进程占用的系统物理内存，用上面的方法1-3（跨平台）更合适。
• 内存统计会有微小波动，因为操作系统会动态分配内存，多次取平均值会更准确。

内容的提问来源于stack exchange，提问作者econfin