Memray: A Powerful Memory Profiler for Python Applications

Introdução

Memray, desenvolvido pela Bloomberg, é um profiler de memória robusto para aplicações Python. Ele se destaca por sua capacidade de rastrear alocações de memória não apenas no código Python, mas também em módulos de extensão nativos e no próprio interpretador Python. Com Memray, os desenvolvedores podem obter uma visão detalhada do uso da memória, facilitando a identificação de vazamentos e gargalos de alocação.

As principais características do Memray incluem:

• Rastreamento Preciso: Monitora cada chamada de função, fornecendo uma representação exata da pilha de chamadas, ao contrário de profilers baseados em amostragem.
• Suporte Nativo: Lida com chamadas nativas em bibliotecas C/C++, garantindo que a pilha de chamadas completa esteja presente nos resultados.
• Desempenho Elevado: Apresenta uma sobrecarga mínima no desempenho da aplicação durante o profiling.
• Relatórios Versáteis: Gera diversos tipos de relatórios, incluindo flame graphs interativos, tabelas e visualizações em tempo real.
• Compatibilidade com Threads: Funciona perfeitamente com threads Python e threads nativas (por exemplo, threads C++ em extensões C).

Memray é uma ferramenta essencial para analisar alocações em aplicações, descobrir a causa de alto uso de memória, encontrar vazamentos de memória e identificar hotspots de código que geram muitas alocações. É importante notar que Memray funciona apenas em Linux e macOS.

Instalação

Memray requer Python 3.7+ e pode ser facilmente instalado usando pip:

python3 -m pip install memray

Como Memray contém uma extensão C, ele é distribuído como wheels binários. Se um wheel binário não estiver disponível para o seu sistema (Linux x86/x64 ou macOS), você precisará garantir que todas as dependências estejam satisfeitas para a compilação a partir do código-fonte. As dependências binárias incluem libdebuginfod-dev (para Linux), libunwind (para Linux) e liblz4.

Exemplos de Uso

Memray oferece várias maneiras de perfilar suas aplicações Python.

Uso via CLI

A forma mais comum é usar a ferramenta de linha de comando para executar seu script e gerar um relatório:

python3 -m memray run -o output.bin my_script.py
python3 -m memray flamegraph output.bin

Isso gerará um arquivo HTML com um flame graph da utilização da memória.

Plugin Pytest

Para integrar Memray em sua suíte de testes, você pode usar o pytest-memray:

pytest --memray tests/

Você também pode definir limites de memória para seus testes:

import pytest

@pytest.mark.limit_memory("24 MB")
def test_foobar():
    # do some stuff that allocates memory
    pass

Modo Nativo

Para rastrear funções C/C++ nativas, adicione o argumento --native ao comando run:

memray run --native my_script.py

Isso fornecerá uma visão holística das alocações, incluindo aquelas feitas por extensões C.

Modo Live

O modo live permite monitorar interativamente o uso da memória em tempo real em uma interface baseada em terminal:

memray run --live my_script.py

API Programática

Memray também pode ser usado programaticamente dentro do seu código Python:

import memray

with memray.Tracker("output_file.bin"):
    print("Allocations will be tracked until the with block ends")

Para mais detalhes, consulte a documentação da API.

Porquê usar Memray?

Memray é uma ferramenta indispensável para qualquer desenvolvedor Python preocupado com o desempenho e a eficiência da memória. Sua capacidade de rastrear alocações com precisão em todos os níveis, desde o código Python até as extensões nativas, o torna superior a muitos outros profilers. A variedade de relatórios visuais, como os flame graphs, e o modo live interativo, permitem uma depuração e otimização rápidas e eficazes. Se você precisa encontrar vazamentos de memória, entender o consumo de memória de sua aplicação ou otimizar o uso de recursos, Memray oferece as ferramentas necessárias para o trabalho.

Links

• Repositório GitHub: bloomberg/memray
• Documentação Oficial: Memray Documentation
• PyPI: Memray no PyPI