Python 为什么concurrent.futures会增加VM内存？

我发现，当我使用Python的

concurrent.futures.ThreadPoolExecutor

时，vms内存使用量（正如psutil报告的那样）会显著增加

In [1]: import psutil

In [2]: psutil.Process().memory_info().vms / 1e6
Out[2]: 360.636416

In [3]: from concurrent.futures import ThreadPoolExecutor

In [4]: e = ThreadPoolExecutor(20)

In [5]: psutil.Process().memory_info().vms / 1e6
Out[5]: 363.15136

In [6]: futures = e.map(lambda x: x + 1, range(100))

In [7]: psutil.Process().memory_info().vms / 1e6
Out[7]: 1873.580032

In [8]: e.shutdown()

In [9]: psutil.Process().memory_info().vms / 1e6
Out[9]: 1722.51136

---

这似乎与线程的数量成一定比例。

您可能会遇到这种情况（假设您在Linux上）：

这可能会使虚拟内存的大小膨胀，即使RSS没有增加多少

---

（顺便提一下，VM在其他情况下可能会产生误导，例如CUDA，其中驱动程序扩展进程的虚拟内存空间，以便与系统中的所有CUDA设备创建统一的地址空间。）

注意，其他内存属性，如

rss

，返回的值更适中