memray火焰图看不到Python函数名是因为默认不采集Python帧信息，需添加--record-python-allocations参数启用，但会带来2–3倍性能开销。
memray flamegraph 为什么看不到 Python 函数名
默认生成的火焰图里只有 C 扩展函数或地址，Python 层调用栈空白——这是因为 memray 默认不采集 Python 帧信息，得手动开开关。
- 运行时必须加
--record-python-allocations参数，否则flamegraph只能显示malloc、PyObject_Malloc这类底层分配点 - 如果用了
memray run --live实时模式，这个参数同样要带上，不然 Web UI 里也看不到 Python 函数 - 开启后性能开销明显增加（约 2–3 倍），只在定位内存热点时启用，别长期开着
memray live 模式连不上 localhost:8080
启动 memray run --live 后浏览器打不开，或者提示连接被拒绝，大概率是端口冲突或权限问题。
- 默认端口是
8080，但 macOS 上可能被 AirPlay 占用，Linux/macOS 可改用--web-port 8081 - Windows 用户如果开了 Hyper-V 或 WSL2，
localhost可能解析失败，试试用127.0.0.1:8080直连 - 某些公司网络策略会拦截非标准端口，临时关掉代理或换企业允许的端口范围（如
8000–8999）
memray 分析结果里 [unknown] 占比太高
火焰图或统计表里大量 [unknown]，说明符号信息缺失，无法回溯到具体代码行。
- 确保 Python 是从源码编译安装的（不是 pyenv prebuilt 或 conda 的 stripped 版本），否则调试符号被裁剪
- 用
python -m pip install --no-binary :all: memray安装，避免 wheel 包跳过本地编译步骤 - 如果项目用了 Cython 或 C 扩展，得在编译时加
-g选项保留 debug info，否则memray拿不到函数名
实时分析时 CPU 突增到 100%，但内存没涨
memray --live 自身吃 CPU 高，和目标程序内存增长无关，这是采样机制导致的固有代价。
立即学习“Python免费学习笔记（深入）”；
- 默认每毫秒采样一次，对高频小对象分配（比如循环里建 dict/list）压力极大；可加
--sampling-rate 10降到每 10ms 一次 - Web UI 每秒轮询数据，如果火焰图层级太深（>50 层），前端渲染也会卡顿，这时关掉火焰图、只看「Top Allocators」更稳
- 别在生产环境长期跑
--live，它本质是调试工具，上线前换成memray run -o report.bin离线分析
真正难的是平衡采样精度和干扰程度——采得太密，程序行为就失真；采得太疏，又抓不到瞬时峰值。实际调试时，先用低频跑通路径，再局部提频验证，比一上来就全量埋点靠谱得多。
