如何检测不同运行时长Python脚本的CPU和内存资源占用情况？

psutil完全可以满足你的需求，只需要调整调用方式避免阻塞即可，以下是具体实现逻辑：

调整psutil的cpu_percent调用逻辑 #

psutil.cpu_percent()传入interval=0参数时不会阻塞等待，而是返回上一次调用该函数到本次调用之间的CPU使用率，完全适配毫秒级的进程监控场景：

• 使用psutil.Popen()启动目标脚本作为子进程
• 进程启动后立刻调用一次子进程的cpu_percent(interval=0)初始化统计基准，这次返回值无实际意义
• 以1~10ms的间隔轮询子进程状态，每次轮询时记录cpu_percent(interval=0)和memory_info().rss的数值
• 子进程退出后，取CPU采样的平均值/峰值、内存采样的峰值作为对应脚本的资源占用指标

超短时长脚本优化方案 #

对于运行时长小于10ms的脚本，轮询采样可能无法覆盖完整生命周期，可改用进程累计CPU时间计算整体使用率：

• 启动子进程时记录系统时间t1，子进程退出时记录系统时间t2，计算总运行时长runtime = t2 - t1
• 读取子进程退出后的cpu_times()属性，累加用户态CPU时间user和内核态CPU时间system得到总CPU消耗时间cpu_total
• 整体CPU使用率计算公式为 (cpu_total / runtime) * 100%
• 内存指标可读取进程退出前最后一次采样的RSS值，或对应平台的进程内存峰值统计接口

参考实现代码 #

import psutil
import time

def monitor_script(script_cmd):
    # 启动目标脚本子进程
    proc = psutil.Popen(script_cmd, shell=False)
    # 初始化CPU统计基准
    proc.cpu_percent(interval=0)
    start_time = time.perf_counter()
    
    cpu_samples = []
    memory_samples = []
    
    while proc.is_running():
        try:
            cpu_samples.append(proc.cpu_percent(interval=0))
            memory_samples.append(proc.memory_info().rss)
            time.sleep(0.001) # 采样间隔可根据需求调整
        except psutil.NoSuchProcess:
            break
    
    runtime = time.perf_counter() - start_time
    # 统计最终指标
    avg_cpu = sum(cpu_samples) / len(cpu_samples) if cpu_samples else 0
    peak_memory = max(memory_samples) if memory_samples else 0
    # 基于累计CPU时间计算的CPU使用率
    cpu_times = proc.cpu_times()
    total_cpu = cpu_times.user + cpu_times.system
    total_cpu_usage = (total_cpu / runtime) * 100 if runtime > 0 else 0

    return {
        "runtime_s": round(runtime, 6),
        "avg_cpu_percent": round(avg_cpu, 2),
        "total_cpu_percent": round(total_cpu_usage, 2),
        "peak_memory_kb": round(peak_memory / 1024, 2)
    }

测试注意事项 #

• 单个脚本建议重复运行10~100次取统计平均值，消除系统调度带来的随机误差
• 测试期间关闭无关后台进程，避免资源抢占影响测试结果
• 若需要更高精度的指标，可配合操作系统原生工具辅助测试，比如Linux下的time命令、perf工具，Windows下的性能计数器等

内容的提问来源于stack exchange，提问作者learnPyt