bloomberg/memray

这是什么？

核心功能

• 01逐次追踪函数调用，调用栈比采样式分析器更准确
• 02通过 --native 同时追踪 Python 代码与 C/C++ 原生扩展的分配
• 03生成火焰图、HTML 表格、终端树形视图和摘要报告
• 04实时终端界面，可在程序运行时查看内存分配
• 05支持附加到已运行的 Python 进程进行追踪
• 06可通过 Tracker 上下文管理器以库的形式调用

适用场景

• 排查 Python 服务或脚本内存占用过高的原因
• 定位长时间运行应用中的内存泄漏
• 找出分配大量内存的代码热点
• 分析依赖 numpy、pandas 等 C 扩展的 Python 程序

快速上手

1. 1

   从 PyPI 用 pip 安装 Memray

   python3 -m pip install memray
2. 2

   在分析器下运行你的脚本以记录内存分配

   python3 -m memray run my_script.py
3. 3

   从结果文件生成 HTML 火焰图

   memray flamegraph memray-my_script.py.2369.bin

使用前须知

• !仅支持 Linux 和 macOS，无法在 Windows 上安装。
• !从源码构建需要 libunwind、lz4 和 libdebuginfod 等系统库。

标签

常见问题

memray 是什么？

面向 Python 的内存分析器，可追踪 Python 代码、原生扩展及解释器自身的内存分配，并生成多种报告。 Memray 是一款面向 Python 的内存分析器，可记录 Python 代码、C/C++ 原生扩展模块以及解释器自身发起的内存分配，并将采集数据生成火焰图、表格、树形视图和终端摘要等报告。它最常以命令行形式通过 `memray run` 使用，也可以作为库，通过 Tracker 上下文管理器进行更细粒度的分析。

memray 可以免费使用吗？用的什么许可证？

memray 以 Apache-2.0 许可证开源。用于商业产品前，请先确认许可证条款。

memray 还在维护吗？

活跃维护中。memray 最近一次提交是在 2026年10月19日。

memray 适合用来做什么？

排查 Python 服务或脚本内存占用过高的原因 定位长时间运行应用中的内存泄漏 找出分配大量内存的代码热点 分析依赖 numpy、pandas 等 C 扩展的 Python 程序

memray 怎么安装和运行？

从 PyPI 用 pip 安装 Memray: python3 -m pip install memray 在分析器下运行你的脚本以记录内存分配: python3 -m memray run my_script.py 从结果文件生成 HTML 火焰图: memray flamegraph memray-my_script.py.2369.bin

在哪里获取 memray？

源代码和安装说明在 GitHub 上：https://github.com/bloomberg/memray