性能测试，python 内存分析工具 -memray

Memray是一个由彭博社开发的、开源内存剖析器；开源一个多月，已经收获了超8.4k的star，是名副其实的明星项目。今天我们就给大家来推荐这款python内存分析神器。

Memray可以跟踪python代码、本机扩展模块和python解释器本身中内存分配，可以生成多种不同类型的报告，帮助您分析python代码内存使用情况。

工具的主要特点：

• 跟踪每个函数的调用，能够准确的跟踪调用栈

• 能跟踪c/c++库的调用

• 分析速度很快

• 收集内存数据，输出各种图标

• 使用python线程

• 与本地线程一起工作

可以帮助解决的问题：

• 分析应用程序中内存分配，发现高内存使用率的原因

• 查找内存泄漏的原因

• 查找导致内存大量分配的代码热点

►►►

memray安装

• 环境要求：python3.7+以上版本，linux系统（仅支持linux系统）

• 安装：pip3 install memray

memray使用

memray使用帮助

python3 -m memray --help

如果你想学习性能测试，我这边给你推荐一套视频，这个视频可以说是B站播放全网第一的性能测试教程，同时在线人数到达1000人，并且还有笔记可以领取及各路大神技术交流：798478386     

15天学会性能测试，通俗易懂详细教学，Jmeter性能测试实战（集群压测，全链路压测，性能调优，瓶颈分析）极速掌握，干就完事！_哔哩哔哩_bilibili15天学会性能测试，通俗易懂详细教学，Jmeter性能测试实战（集群压测，全链路压测，性能调优，瓶颈分析）极速掌握，干就完事！共计27条视频，包括：1.【性能测试】什么是性能测试以及性能测试的价值和目的、2.【性能测试】真实企业性能测试指标详解以及指标测算、3.【性能测试】真实企业中性能测试流程以及细节剖析等，UP主更多精彩视频，请关注UP账号。https://www.bilibili.com/video/BV1B14y1D7X9/?spm_id_from=333.337.search-card.all.click 

参数	作用
run	运行指定的应用程序并跟踪内存使用情况
flamegraph	在html报告中，用火焰图方式，显示内存使用情况
table	在html报告文件中，用表格的方式显示内存分析情况
live	用实时屏幕显示方式，显示各种内存使用情况
tree	在终端中，用树形结构显示内存使用情况
parse	用debug模式，显示每一行的内存使用情况
summary	汇总终端运行期间的内存使用概况
stats	在终端中非常详细的显示内存使用情况

 

run命令使用

• python3 -m memray run --help 获取帮助

参数	作用
-oOUTPU,--output OUTPUT	指定输出结果到哪里
--live	启动实时跟踪会话模式
--live-remote	启动实时跟踪会话并等待客户端连接
--live-port LIVE_PORT,  -p LIVE_PORT	启动实时跟踪时要使用的端口
--native	跟踪C/C++堆栈
--follow-fork	跟踪脚本分叉的子进程中的分配
--trace-python-allocators	记录pymalloc分配器的分配情况
-q, --quiet	运行时不显示任何特定于跟踪的输出
-f, --force	强制复购已有文件
--compress-on-exit	跟踪完成后使用 lz4 压缩生成的文件
--no-compress	不使用 lz4 压缩生成的文件
-c	作为字符串传入的程序
-m	将库模块作为脚本运行

 

• python3 -m memray run xxx.py  直接分析某个py文件的内存使用情况，就会在当前路径下生成一个 ‘memray-py文件名.进程id.bin’ 的内存使用记录文件。当然，也可以跟上-o outFiPath 指定输出路径。如果运行的py文件是模块代码，也可以使用-m xxx.py 方式运行。

‘memray-py文件名.进程id.bin’ 文件，可以通过 python3 -m memray flamegraph memray-py文件名.进程id.bin 转换为一份html-火焰图报告

如上图，从上往下，显示了程序的调用过程，宽度，代表函数占用内存多少。

• python3 -m memray run --native xxxx.py 会跟踪分析python代码中调用底层的C/C++函数消耗的内存情况

• python3 -m memray run --trace-python-allocators xxx.py 跟踪分析python程序内存分配器pymalloc的情况

这个看上去，和没有加参数，效果差不多，但是，实际上是完全不一样的。这种方式，会深入跟踪内存分配，python常见的内存分配器有四种（malloc、free、realloc、pymalloc），这个参数，在python出现内存溢出时，就非常有用了。但是，加了这个参数，运输速度会变慢，收集的数据生成的文件会更大。

• python3 -m memray run --live xxx.py 用实时屏幕模式显示跟踪的内存数据。

默认时，根据Total memory的数据从大到小，往下排列；按"O"，可以根据私有内存从大到小，排序显示内存对象；按“A”，则根据内存分配次数量从高到底排序。

有了这个统计数据，就能快速定位到哪些对象，占用内存大，哪些对象被频繁的分配内存。这些对象，就是重点分析对象。

flamegraph命令---生成火焰图报告

• python3 -m memray flamegraph --help 获取帮助

• python3 -m memray flamegraph xxx.bin 生成火焰图

table命令--生成表格报告

• python3 -m memray table --help 获取帮助

• python3 -m memray table xxxx.bin 把bin文件转换为表格报告

tree命令--生成树形报告

• python3 -m memray tree --help 获取帮助

• python3 -m memray tree xxxx.bin 把bin文件转换为树形报告

summary命令--生成概要报告

• python3 -m memray summary --help 获取帮助

• python3 -m memray summary xxxx.bin 对bin文件进行分析，生成概要报告

stats命令---生成详细统计报告

• python3 -m memray stats --help 获取帮助

• python3 -m memray stats xxxx.bin 对bin文件进行分析，生成详细报告