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

run命令使用

• python3 -m memray run --help 获取帮助

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

最后感谢每一个认真阅读我文章的人，礼尚往来总是要有的，这些资料，对于【软件测试】的朋友来说应该是最全面最完整的备战仓库，虽然不是什么很值钱的东西，如果你用得到的话可以直接拿走：

这些资料，对于【软件测试】的朋友来说应该是最全面最完整的备战仓库，这个仓库也陪伴上万个测试工程师们走过最艰难的路程，希望也能帮助到你！