数据学习
登录
注册
原创博客
期刊会议
学术世界
期刊出版社
领域期刊
SCI/SCIE/SSCI/EI简介
期刊列表
会议列表
所有期刊分区
学术期刊信息检索
JCR期刊分区查询
CiteScore期刊分区查询
中科院期刊分区查询
领域期刊分区
管理 - UTD24期刊列表
管理 - AJG(ABS)期刊星级查询
管理 - FMS推荐期刊列表
计算机 - CCF推荐期刊会议列表
高校期刊分区
南大核心(CSSCI)
合工大小核心
合工大大核心
AI资源仓库
AI领域与任务
AI研究机构
AI学术期刊
AI论文快讯
AI数据集
AI开源工具
AI模型
AI模型概览图
AI模型月报
AI基础大模型
AI预训练大模型
数据推荐
网址导航
我的网址导航
程序员必备网站
Bloomberg发布的最新的memray——Python内存分析器是什么?
标签:
#python#
#开源#
#性能提升#
时间:2022/04/21 08:58:47
作者:小木
Bloomberg在2022年4月开源了Memray,这是一个Python的内存分析器。它可以跟踪Python代码、本地扩展模块和Python解释器本身的内存分配情况。它可以生成几种不同类型的报告,帮助你分析捕获的内存使用数据。虽然通常作为CLI工具使用,但它也可以作为一个库来执行更细化的剖析任务。

这个库的特点: - 🕵️跟踪每个函数调用,所以它可以准确地表示调用堆栈,不像采样分析器不够准确。 - ℭ 还能处理C/C++库中的本地调用,因此整个调用栈都会出现在结果中。 - 🏎 速度极快! 剖析在应用程序中引起最小的减速。追踪本地代码会慢一些,但这可以根据需要启用或禁用。 - 📈 它可以对收集的内存使用数据生成各种报告,如火焰图。 - 🧵 与Python线程一起工作。 - 👽🧵与本地线程(例如C++扩展中的线程)一起工作。

Memray可以帮助解决以下问题。 - 分析应用程序中的分配,帮助发现高内存使用率的原因。 - 查找内存泄漏。 - 找到代码中导致大量(内存)分配的热点(hotspots)。 - 注意,Memray只在Linux上工作,不能安装在其他平台上。 除了这些官方的优点,还有几个值得注意的内容: 1、完全开源,采用Apache 2协议,商业使用友好; 2、对于长时间运行的python代码尤其友好,可以深度分析分配的内存使用情况; 3、对于native代码的分析也很厉害,所以可以看numpy和pandas的运行情况,它还拥有live模式,直接观看内存的消耗情况 注意一点的是,正在运行的python代码是不可以追踪的,创作者认为这种情况看不到“回溯”的内存使用。所以目前还不支持这种模式。 GitHub地址:https://github.com/bloomberg/memray
欢迎大家关注DataLearner官方微信,接受最新的AI技术推送
相关博客
最热博客