本篇文章给大家谈谈tf卡检测工具，以及tf卡价格一览表的知识点，希望对各位有所帮助，不要忘了收藏本站喔。
文章详情介绍：
如何使用AddressSanitizer进行内存检查
AddressSanitizer介绍AddressSanitizer是一种用于检测内存错误的工具，它能够在程序运行时动态地检测内存访问错误，例如使用未初始化的内存、访问已经释放的内存和缓冲区溢出等。在开发和调试过程中使用AddressSanitizer能够帮助开发者快速诊断和修复内存错误，提高程序的安全性和稳定性。
AddressSanitizer使用步骤以下是在工程中使用AddressSanitizer的步骤：
步骤1：准备代码
在使用AddressSanitizer前，需要对代码进行一些准备工作，以确保程序能够被AddressSanitizer正确地检测和分析。具体包括以下几点：
引入AddressSanitizer库：需要将AddressSanitizer库链接到程序中，以启用其检测能力。
编译选项设置：需要设置编译选项，包括调试选项、优化选项、警告选项等。具体选项可以参考AddressSanitizer的官方文档。
关闭其他特性：需要关闭其他可能影响AddressSanitizer检测的特性，例如线程池、动态链接库等。
可以参考下面这个简单的示例代码：
#include
这是一个简单的C语言程序，其中定义了一个名为foo的函数，它接受一个字符串参数并分配了一个256字节的缓冲区来存储它。函数体内使用了strncpy函数将参数复制到缓冲区中，并打印出缓冲区的内容。最后释放缓冲区。
步骤2：编译程序
使用以下指令编译程序：
gcc -fsanitize=address -g test.c -o test
这个指令使用gcc编译器，启用了AddressSanitizer功能。编译完成后会生成一个名为test的可执行文件。
步骤3：运行程序
使用以下指令运行程序：
./test
这个程序在没有任何内存错误的情况下应该正常运行并输出Buffer: This is a test。但是，如果我们故意在foo函数中引入一个内存错误，例如未释放分配的缓冲区，程序就会因为内存泄漏而崩溃。我们可以在foo函数中添加一行代码来模拟内存泄漏的情况：
void foo(char* str) {
char* buffer = (char*)malloc(sizeof(char) * 256);
strncpy(buffer, str, 256);
printf("Buffer: %s\n", buffer);
return; //添加这行代码来模拟内存泄漏
free(buffer);
}
这个程序因为内存泄漏而崩溃，输出以下信息：
=================================================================
==1504==ERROR: LeakSanitizer: detected memory leaks
Direct leak of 256 byte(s) in 1 object(s) allocated from:
#0 0x7fa946e9e7f0 in malloc (/usr/lib/libasan.so.6+0xe17f0)
#1 0x400951 in foo /home/user/test.c:6:18
#2 0x400972 in main /home/user/test.c:12:5
#3 0x7fa946c662b0 in __libc_start_main (/lib/x86_64-linux-gnu/libc.so.6+0x202b0)
SUMMARY: AddressSanitizer: 256 byte(s) leaked in 1 allocation(s).
这个信息告诉我们，程序在foo函数中分配了一个256字节的缓冲区，但是并没有释放它，导致原本应该被释放的内存泄露。通过这个信息，我们可以追踪到内存泄漏发生的位置和原因，从而快速修复内存错误。
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
参数 | 作用 |
run | 运行指定的应用程序并跟踪内存使用情况 |
flamegraph | 在html报告中，用火焰图方式，显示内存使用情况 |
table | 在html报告文件中，用表格的方式显示内存分析情况 |
live | 用实时屏幕显示方式，显示各种内存使用情况 |
tree | 在终端中，用树形结构显示内存使用情况 |
parse | 用debug模式，显示每一行的内存使用情况 |
summary | 汇总终端运行期间的内存使用概况 |
stats | 在终端中非常详细的显示内存使用情况 |
python3 -m memray run --help 获取帮助
参数 | 作用 |
-o OUTPU,--output OUTPUT | 指定输出结果到哪里 |
--live | 启动实时跟踪会话模式 |
--live-remote | 启动实时跟踪会话并等待客户端连接 |
--live-port LIVE_PORT, -p LIVE_PORT | 启动实时跟踪时要使用的端口 |
--native | 跟踪C/C++堆栈 |
--follow-fork | 跟踪脚本分叉的子进程中的分配 |
--trace-python-allocators | 记录pymalloc分配器的分配情况 |
-q, --quiet | 运行时不显示任何特定于跟踪的输出 |
-f, --force | 强制复购已有文件 |
--compress-on-exit | 跟踪完成后使用 lz4 压缩生成的文件 |
--no-compress | 不使用 lz4 压缩生成的文件 |
-c | 作为字符串传入的程序 |
-m | 将库模块作为脚本运行 |
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