psutil——用Python读取系统资源与管理进程

2026-10-27 约 4400 字预计阅读 9 分钟

/images/202610/2/adrien-olichon-Ap0PNBjhz44-unsplash.jpg

你有没有遇到这些问题？

想知道电脑当前的CPU使用率和内存占用，却不想解析操作系统命令的输出。
开发一个Python CLI工具，希望在运行时展示CPU、内存和磁盘状态。
某个程序运行越来越慢，想找出占用内存最多的进程。
编写自动化脚本，需要检查某个进程是否存在，或者等待进程退出。
希望同一份Python代码能够在Windows、Linux和macOS上运行。

这些需求看起来很普通，但如果只使用Python标准库，往往需要组合不同的系统接口，甚至通过subprocess调用操作系统命令，再自行解析文本。有没有一种更加统一的解决方案？

今天介绍的psutil，就是专门解决这类问题的Python第三方库。项目名称来自Process and System Utilities。它提供统一的Python API，用于获取系统资源信息、查询进程状态以及执行部分进程管理操作。支持Windows、Linux、macOS等多个操作系统。

项目地址：giampaolo/psutil

官方文档：psutil Documentation

1. psutil 能做什么？

可以把 psutil 的主要能力分成五类。

功能	常用 API	应用场景
CPU	`cpu_percent()`、`cpu_count()`	系统负载监控
内存	`virtual_memory()`、`swap_memory()`	内存占用分析
磁盘	`disk_usage()`、`disk_io_counters()`	磁盘空间和 I/O 监控
网络	`net_io_counters()`、`net_connections()`	网络流量与连接分析
进程	`process_iter()`、`Process()`	进程查询与管理

对于开发者来说，最有价值的地方不仅是 API 数量多，而是它把不同操作系统上的许多系统信息封装成了统一的 Python 接口。

当然，跨平台并不意味着所有指标在所有系统上都完全一致。某些字段、权限要求和操作能力仍然取决于操作系统。

2. 安装与快速上手

2.1 安装 psutil

使用 pip：

`1`	`python -m pip install psutil`

如果你的项目使用 uv：

`1`	`uv add psutil`

2.2 查看系统基本信息

新建 quick_start.py：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15


import psutil

print("CPU 逻辑核心数:", psutil.cpu_count())
print("CPU 物理核心数:", psutil.cpu_count(logical=False))

memory = psutil.virtual_memory()

print(f"总内存: {memory.total / 1024**3:.2f} GiB")
print(f"可用内存: {memory.available / 1024**3:.2f} GiB")
print(f"内存使用率: {memory.percent}%")

disk = psutil.disk_usage("/")

print(f"磁盘总容量: {disk.total / 1024**3:.2f} GiB")
print(f"磁盘已使用: {disk.percent}%")

运行：

`1`	`python quick_start.py`

在 Windows 上，磁盘路径应替换为有效的盘符，例如：

1

disk = psutil.disk_usage("C:\\")

我们也可以很方便地查看磁盘使用情况：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25


import psutil

total_capacity = 0
total_used = 0

for partition in psutil.disk_partitions():
    try:
        disk = psutil.disk_usage(partition.mountpoint)
        total_capacity += disk.total
        total_used += disk.used
        usage_percent = disk.used / disk.total * 100
        print(f"\t磁盘名称: {partition.mountpoint}")
        print(f"\t磁盘总容量: {disk.total / 1024**3:.2f} GiB")
        print(f"\t磁盘已使用: {disk.used / 1024**3:.2f} GiB")
        print(f"\t磁盘使用率: {usage_percent:.2f}%")
    except (PermissionError, OSError):
        continue

if total_capacity > 0:
    usage_percent = total_used / total_capacity * 100
    print(f"所有磁盘总容量: {total_capacity / 1024**3:.2f} GiB")
    print(f"所有磁盘已使用: {total_used / 1024**3:.2f} GiB")
    print(f"整体磁盘使用率: {usage_percent:.2f}%")
else:
    print("未找到可用磁盘")

输出中的 CPU 核心数、内存容量和磁盘容量取决于实际机器，这里不预设固定数值。

短短几行代码，就能完成一次基本的系统资源检查。

3. 核心 API 实战

3.1 监控 CPU 使用率

最直接的接口是：

1
2
3
4
5


import psutil

usage = psutil.cpu_percent(interval=1)

print(f"CPU 使用率: {usage:.1f}%")

这里的 interval=1 表示采样间隔为 1 秒。调用会等待采样完成，然后返回这段时间内计算得到的 CPU 使用率。

如果希望查看每个逻辑 CPU 的使用率：

1
2
3
4
5
6
7
8
9


import psutil

usage = psutil.cpu_percent(
    interval=1,
    percpu=True,
)

for index, percent in enumerate(usage):
    print(f"CPU {index}: {percent:.1f}%")

需要注意，CPU 使用率是通过一段时间内的系统计数器变化计算出来的，并不是简单读取一个永远准确的实时数值。

如果使用非阻塞模式：

1

psutil.cpu_percent(interval=None)

第一次调用通常会返回没有实际参考意义的初始值，应该忽略。后续调用才适合用于计算两个采样时刻之间的 CPU 使用率。

适用场景： 系统监控、任务执行状态展示、长时间运行的 CLI 工具。

3.2 查看系统内存

1
2
3
4
5
6
7
8


import psutil

memory = psutil.virtual_memory()

print(f"总内存: {memory.total / 1024**3:.2f} GiB")
print(f"已使用: {memory.used / 1024**3:.2f} GiB")
print(f"可用内存: {memory.available / 1024**3:.2f} GiB")
print(f"使用率: {memory.percent:.1f}%")

这里有一个值得注意的细节：available 通常比 free 更适合用于判断系统是否面临内存压力。

操作系统可能把暂时未使用的内存用于缓存，并在需要时回收这些资源。因此，free 很低，并不一定代表系统内存即将耗尽。

如果要做内存不足的预警，可以根据 available 或 percent 设计判断条件，而不是仅仅检查 free。

例如：

1
2
3
4
5
6
7
8
9


import psutil

memory = psutil.virtual_memory()

if memory.percent >= 90:
    print("警告：系统内存使用率较高")

if memory.available < 1024**3:
    print("警告：系统可用内存不足 1 GiB")

这里的阈值只是演示值，实际系统应结合负载、机器规格和业务需求进行调整。

3.3 找出占用内存最多的进程

这是 psutil 非常实用的能力之一。

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36


import psutil

processes = []

for process in psutil.process_iter(
    ["pid", "name", "memory_info"]
):
    try:
        info = process.info
        memory_info = info["memory_info"]

        if memory_info is None:
            continue

        processes.append({
            "pid": info["pid"],
            "name": info["name"] or "Unknown",
            "rss": memory_info.rss,
        })

    except (psutil.NoSuchProcess, psutil.AccessDenied):
        continue

processes.sort(
    key=lambda item: item["rss"],
    reverse=True,
)

for process in processes[:10]:
    memory_mb = process["rss"] / 1024**2

    print(
        f'{process["pid"]:>7} '
        f'{memory_mb:>10.2f} MiB '
        f'{process["name"]}'
    )

这段代码做了四件事：

遍历当前可访问的进程。
获取进程 PID、名称和内存信息。
按 RSS 从高到低排序。
输出内存占用最高的十个进程。

其中 RSS 是 Resident Set Size，表示进程驻留在物理内存中的内存规模。

为什么要使用 process_iter()，而不是先调用 pids()，再逐个构造进程对象？

因为进程可能在遍历过程中启动或退出。process_iter() 更适合遍历当前进程，并且可以在迭代时请求需要的属性。

另外，进程可能在两次系统调用之间退出，或者因为权限不足而无法读取信息。因此，处理 NoSuchProcess 和 AccessDenied 是系统工具开发中很重要的一步。

3.4 检查某个进程是否存在

假设我们开发一个自动化工具，需要判断某个程序是否正在运行。

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22


import psutil

def is_process_running(name: str) -> bool:
    target = name.casefold()

    for process in psutil.process_iter(["name"]):
        try:
            process_name = process.info["name"]

            if process_name and process_name.casefold() == target:
                return True

        except (psutil.NoSuchProcess, psutil.AccessDenied):
            continue

    return False


if is_process_running("python.exe"):
    print("目标进程正在运行")
else:
    print("未发现目标进程")

这个示例使用不区分大小写的完整名称比较。

实际项目中需要根据操作系统、可执行文件名称和业务需求调整匹配方式。更重要的是：发现某个进程，并不代表它一定是你要控制的那个实例。

如果要对进程执行停止、重启等操作，应进一步确认 PID、启动参数或其他身份信息，避免误操作。

4. 动手实现：一个轻量级系统监控 CLI

前面介绍的 API 都很简单，但如果把它们组合起来，就可以构建一个真正有用的开发者工具。我们来实现一个迷你系统监控程序：每秒刷新一次 CPU、内存和磁盘使用率，按 Ctrl+C 退出。

新建 monitor.py：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39


import time

import psutil


def format_bytes(size: int) -> str:
    """将字节数转换为便于阅读的单位"""
    value = float(size)

    for unit in ("B", "KiB", "MiB", "GiB", "TiB"):
        if value < 1024 or unit == "TiB":
            return f"{value:.1f} {unit}"

        value /= 1024

    return f"{value:.1f} TiB"


def main() -> None:
    # 初始化 CPU 采样状态
    psutil.cpu_percent(interval=None)

    try:
        while True:
            cpu = psutil.cpu_percent(interval=1)
            memory = psutil.virtual_memory()

            print(
                f"CPU: {cpu:5.1f}% | "
                f"Memory: {memory.percent:5.1f}% | "
                f"Available: {format_bytes(memory.available)}"
            )

    except KeyboardInterrupt:
        print("\n监控已结束")


if __name__ == "__main__":
    main()

运行：

`1`	`python monitor.py`

终端会持续显示类似这样的数据：

这里有几个值得注意的设计点：

单一职责： format_bytes() 只负责格式化字节数。
持续采样： 通过循环定期获取系统状态。
优雅退出： 使用 KeyboardInterrupt 处理用户中断。
易于扩展： 后续可以加入 Rich 表格、磁盘监控、进程排名和日志输出。

当前版本为了保持示例简单，每次 CPU 采样会阻塞约一秒。如果未来需要同时采集更多指标、执行后台任务或提供 Web API，就应该进一步设计采样周期、数据缓存与展示层之间的关系。

5. 深入一步：psutil 的设计有什么值得学习？

5.1 统一 API，隔离操作系统差异

不同操作系统获取进程信息的底层机制并不相同。

如果自己编写系统监控程序，就可能需要分别处理 Windows API、Linux 系统接口和 macOS 的实现细节。

psutil 把这些差异封装在库内部，让调用者使用统一的 Python API。

这是一种很典型的工程设计思路：

把变化留在底层适配层，把稳定的接口交给上层业务。

这种思想也适用于设备驱动封装、数据库适配器、文件系统抽象和硬件通信层。

5.2 `process_iter()`：不要假设进程始终存在

进程是动态资源。

你读取一个进程的信息时，它可能已经退出；你准备读取下一个属性时，也可能遇到权限限制。

因此，系统监控代码不能只考虑正常情况，还必须处理资源消失和访问失败等边界条件。

这不仅是 psutil 的使用技巧，也是编写可靠系统工具的一项基本原则。

5.3 系统指标不等于业务指标

CPU 使用率很高，不一定说明程序有问题。

内存使用率很高，也不一定意味着存在内存泄漏。

这些数据只是诊断线索。要分析具体问题，还需要结合进程级指标、程序日志、任务耗时、I/O 情况，以及应用本身的业务状态。

例如，发现内存持续增长后，可以进一步分析 Python 对象、堆分配、缓存和资源释放情况，而不是直接认定是内存泄漏。

5.4 跨平台封装也有边界

psutil 的统一接口并不能消除所有平台差异。

某些指标可能只在特定操作系统上可用；某些操作需要更高权限；容器环境中读取到的系统资源信息，也可能受到容器配置和操作系统隔离机制的影响。

因此，开发跨平台工具时，应该明确哪些能力是通用的，哪些能力需要平台适配，并对不可用的指标提供合理处理方式。

6. 什么时候应该使用 psutil？

需求	是否适合
编写跨平台系统监控工具	非常适合
查询进程、CPU、内存和磁盘信息	非常适合
开发自动化运维脚本	适合
分析某个 Python 函数的执行耗时	可以配合其他性能分析工具
分析 Python 对象的内存分配	通常需要 `tracemalloc` 等工具
实现专业级性能分析器	可以作为系统信息采集层，但不够全面
管理高权限系统服务	需要额外考虑权限、安全和平台差异

如果你的目标是获取系统和进程层面的信息，psutil 通常是一个很好的起点。

如果你的目标是分析 Python 代码内部的函数调用耗时、对象分配或者内存泄漏，则应该结合 cProfile、tracemalloc 等工具。

不同工具负责不同层次的问题，组合使用往往比试图让一个库解决所有问题更有效。

7. 总结

psutil 是一个很适合纳入 Python 开发者工具箱的第三方库。

它的价值不只是让我们用几行代码获取 CPU 和内存数据，更在于它展示了如何把复杂的系统能力封装成统一接口，以及如何在系统资源管理中处理动态变化、权限限制和跨平台差异。

如果准备继续学习，可以沿着这条路线深入：

用 psutil 实现系统资源监控 CLI。
使用 Rich 为终端添加实时表格和进度展示。
使用 Typer 增加命令行参数与子命令。
为监控逻辑编写 pytest 单元测试。
研究 psutil 的源码，理解不同操作系统上的信息采集实现。

这样，一个小小的第三方库就能成为学习 Python、系统编程、CLI 工程化和软件设计的切入点。

8. 参考

GitHub：giampaolo/psutil
官方文档：psutil Documentation
官方 API 参考：API Reference

psutil——用Python读取系统资源与管理进程

1. psutil 能做什么？

2. 安装与快速上手

2.1 安装 psutil

2.2 查看系统基本信息

3. 核心 API 实战

3.1 监控 CPU 使用率

3.2 查看系统内存

3.3 找出占用内存最多的进程

3.4 检查某个进程是否存在

4. 动手实现：一个轻量级系统监控 CLI

5. 深入一步：psutil 的设计有什么值得学习？

5.1 统一 API，隔离操作系统差异

5.2 `process_iter()`：不要假设进程始终存在

5.3 系统指标不等于业务指标

5.4 跨平台封装也有边界

6. 什么时候应该使用 psutil？

7. 总结

8. 参考

相关内容

目录

psutil——用Python读取系统资源与管理进程

1. psutil 能做什么？

2. 安装与快速上手

2.1 安装 psutil

2.2 查看系统基本信息

3. 核心 API 实战

3.1 监控 CPU 使用率

3.2 查看系统内存

3.3 找出占用内存最多的进程

3.4 检查某个进程是否存在

4. 动手实现：一个轻量级系统监控 CLI

5. 深入一步：psutil 的设计有什么值得学习？

5.1 统一 API，隔离操作系统差异

5.2 process_iter()：不要假设进程始终存在

5.3 系统指标不等于业务指标

5.4 跨平台封装也有边界

6. 什么时候应该使用 psutil？

7. 总结

8. 参考

相关内容

5.2 `process_iter()`：不要假设进程始终存在