VSCode运行代码性能监控：查看实时CPU与内存占用

VSCode 原生并不提供实时显示用户代码CPU/内存占用的功能——它只管自己的进程，管不了你跑的脚本。要真正监控 `python script.py` 或 `node index.js` 的资源消耗，得绕过编辑器界面，直接对接系统进程，或者在代码里埋点。

不少开发者以为VSCode能像任务管理器一样，直接在状态栏看到脚本的CPU和内存占用——醒醒，它只显示编辑器自身的资源，跟你写的代码是两码事儿。想监控 python script.py 或 node index.js 的真实消耗，必须绕开VSCode的UI层，直接对接到系统进程，或者在代码里主动上报。

用 Developer: Open Process Explorer 看“谁在吃资源”，但不是你的代码

这个命令（Ctrl+Shift+P → 输入 Developer: Open Process Explorer）能列出所有VSCode子进程：主进程、renderer、extensionHost、shared-process。但它不显示你运行的脚本进程，除非你用Code Runner扩展并启用了进程托管模式（默认关）。常见误解是以为 extensionHost 下面那个高内存条目就是你刚运行的Python脚本——其实那很可能是语言服务器或Prettier在后台解析。

• 它只反映VSCode自身组件的RSS内存和采样CPU百分比，单位是MB和百分比，没有时间轴。
• 若你在终端手动执行 python main.py，该进程完全游离于这个视图之外。
• 真正想定位“我的代码是否内存泄漏”，得去系统任务管理器里找 python.exe 或 node 进程，而不是盯着extensionHost看。

在终端里用系统命令查你代码的真实资源

VSCode集成终端就是普通shell，所有系统级监控命令都有效。关键是要在代码启动后，立刻拿到它的PID，再持续采样。

• Linux/macOS：python script.py & echo $! > /tmp/my_pid; top -p $(cat /tmp/my_pid) —— 启动后台进程并用 top 锁定监控。
• Windows PowerShell：$p = Start-Process python -ArgumentList "script.py" -PassThru; Measure-Command { Get-Process -Id $p.Id } | Select-Object TotalSeconds —— 获取执行耗时，再配合 Get-Process -Id $p.Id 查内存。
• 跨平台更稳的做法：用 psutil（Python）或 process.memoryUsage()（Node.js）在代码里主动上报，比外部轮询准得多。

为什么 Resource Monitor 扩展显示的不是你代码的资源

Resource Monitor 扩展（作者 stefanmaierhofer）在状态栏显示的 CPU% 和 Memory MB，本质是调用系统命令查整个 code 进程组的RSS，不是你 run 出来的子进程。它甚至无法区分renderer和extensionHost的内存归属。

• macOS上若VSCode运行在Rosetta模拟层，ps 可能误报内存值，数字偏高20–30%。
• 刷新间隔默认2秒，高负载时采样本身会抬高CPU，形成正反馈。
• 它没有API给你导出数据，也不能点击跳转到对应进程详情页——纯属“看着方便，信不得”。

嵌入式监控才是最准的，尤其对Python/Node.js

如果你真关心某段逻辑的峰值内存或CPU时间，别依赖外部工具采样，直接在代码里拿原生指标：

• Python：psutil.Process().memory_info().rss 获取当前RSS；tracemalloc 跟踪内存分配源头；time.perf_counter() 替代 time.time() 测精确耗时。
• Node.js：process.memoryUsage().heapUsed 是V8堆内存，但实际物理内存要看 process.memoryUsage().rss；CPU时间需用 process.cpuUsage() 差值计算。
• 注意：psutil 默认只对本进程有效，跨进程（如子shell）要显式传PID；process.cpuUsage() 返回的是累计ticks，不是百分比，得自己除以elapsed time。

真正容易被忽略的点：VSCode的“运行”动作（比如点击 ▶️）多数时候只是起个shell子进程，它和编辑器主进程完全隔离。你以为在监控“VSCode里的代码”，其实你监控的是操作系统里的另一个独立进程——所有精度问题、PID丢失、采样延迟，根源都在这个边界上。