psutil函数均为同步阻塞调用，无原生async支持，直接await会阻塞事件循环；必须通过loop.run_in_executor提交至线程池执行，且cpu_percent需两次调用并注意线程安全与预热间隔。
为什么不能直接 await psutil 的函数
psutil 所有获取系统信息的函数（如 psutil.cpu_percent()、psutil.virtual_memory()）都是同步阻塞调用，底层通过读取 /proc 或调用系统 API 实现，没有原生 async 版本。强行在 async 函数里直接调用它们，会阻塞整个事件循环——哪怕只采集一次，也可能拖慢其他协程。
常见错误现象：asyncio.sleep(0) 无法让出控制权，监控任务卡住，其他异步任务响应延迟升高。
- 必须用
loop.run_in_executor()将 psutil 调用提交到线程池执行 - 不要用
concurrent.futures.ProcessPoolExecutor：psutil 多数函数在子进程里行为异常（例如psutil.process_iter()可能漏进程或报PermissionError） - 线程池大小建议设为
1或2：系统监控本身是 I/O 密集型伪计算，不是 CPU 密集型，开太多线程反而增加上下文切换开销
如何安全地在 asyncio 中采集 CPU 和内存数据
关键在于分离「采样触发」和「数据获取」：事件循环负责定时调度，线程池负责执行 psutil 调用。注意 psutil.cpu_percent() 需要两次调用才能返回有效值（首次返回 0.0，第二次才计算差值），所以必须在同一线程/进程中连续调用。
实操建议：
立即学习“Python免费学习笔记（深入）”；
- 用
asyncio.Lock()保护共享的 cpu_percent 上下文（避免多个协程并发调用导致内部状态错乱） - 首次调用
psutil.cpu_percent(percpu=False)后，至少等待 0.1 秒再调第二次，否则可能返回 0.0；但不要用await asyncio.sleep(0.1)—— 应该在 executor 里用time.sleep(0.1) - 内存数据（
psutil.virtual_memory()）可直接调用，无需预热
示例片段（核心逻辑）：
import asyncio
import psutil
from concurrent.futures import ThreadPoolExecutor
<p>executor = ThreadPoolExecutor(max_workers=1)</p><p>async def get_cpu_and_memory():
loop = asyncio.get_running_loop()</p><h1>第一次 cpu_percent 调用（预热）</h1><pre class="brush:php;toolbar:false;">await loop.run_in_executor(executor, psutil.cpu_percent, False)
await asyncio.sleep(0.1) # 等待间隔，确保下次能算出变化
cpu = await loop.run_in_executor(executor, psutil.cpu_percent, False)
mem = await loop.run_in_executor(executor, psutil.virtual_memory)
return {"cpu": cpu, "memory_percent": mem.percent}
采集频率高时容易触发的 PermissionError 和 ProcessLookupError
高频调用 psutil.process_iter() 或遍历所有进程的内存信息（如 p.info['memory_info']）时，在 Linux 上常遇到 PermissionError: [Errno 13] Permission denied，或 ProcessLookupError: process no longer exists。这不是权限配置问题，而是竞态条件：进程在你获取句柄后瞬间退出，或被其他用户拥有且未授权读取。
- 永远用
try/except包裹单个进程的属性访问，而不是整个process_iter()循环 - 避免使用
psutil.process_iter(attrs=['...'])一次性拉取大量字段——它内部仍会逐个访问进程，失败概率更高；改用基础迭代 + 按需获取 - 如果只需统计总数（如总进程数、僵尸进程数），用
len(list(psutil.process_iter()))更稳妥，但注意这本身也会触发大量系统调用，应限制频率（如 ≥5 秒一次）
如何把异步监控集成进 FastAPI 或后台服务
别在 @app.on_event("startup") 里直接 asyncio.create_task() 启动无限采集循环——若未正确处理取消逻辑，服务重启时任务会泄漏，占用线程池资源。
- 用
asyncio.Task保存监控任务引用，并在 shutdown 时显式task.cancel()+await task - 线程池（
ThreadPoolExecutor）也应在 shutdown 时调用shutdown(wait=True)，否则 Python 解释器退出时可能引发RuntimeError: cannot schedule new futures after shutdown - 如果用 uvicorn 运行 FastAPI，确保
workers > 1时每个 worker 进程独立初始化自己的 executor 和监控任务（psutil 不跨进程共享状态）
真正容易被忽略的一点：psutil 的某些方法（如 psutil.net_io_counters()）在容器环境（Docker/K8s）中默认只能看到当前网络命名空间的数据，若需宿主机全局网络指标，需以 hostNetwork: true 或挂载 /proc 并设置 privileged: true——但这带来安全风险，多数场景应改用 cgroup v2 接口或专门的 exporter。
