Memory Profiling

Использует memory profiling: memory_profiler, tracemalloc. Понимает Python object model и reference counting.

Использует memory profiling для Rust: valgrind/DHAT для allocation tracking, cargo-flamegraph для визуализации. Понимает stack vs heap allocation.

Знает базовые концепции memory profiling perf для compiler engineer и умеет применять их в типовых задачах. Использует стандартные инструменты и следует установленным практикам команды. Понимает когда и почему применяется данный подход.

Понимает GC generations и LOH в .NET. Использует VS Diagnostic Tools для memory analysis. Анализирует managed heap через dotnet-dump.

Понимает различие между heap и stack в контексте Qt/C++. Использует ASAN для обнаружения memory corruption. Анализирует peak memory usage через Task Manager/Activity Monitor.

Использует базовый анализ памяти: map-файл, heap/stack usage через FreeRTOS API. Определяет крупные потребители памяти.

Понимает базовые концепции профилирования памяти: различие между heap- и stack-аллокациями, утечки памяти. Использует Valgrind memcheck или AddressSanitizer под руководством для обнаружения типичных проблем в компонентах компилятора или языковой среды выполнения. Следует командным инструкциям по запуску инструментов профилирования на тестовых наборах и интерпретирует простые отчёты с помощью старших инженеров.

Профилирует memory: использует free, vmstat, JVM heap dumps. Понимает heap vs stack, GC impact. Детектирует memory leaks через trending analysis.

Понимает основы профилирования памяти для системного кода, включая фрагментацию кучи, переполнения буферов и обнаружение use-after-free. Запускает Valgrind, AddressSanitizer и базовое профилирование памяти через perf под руководством. Читает отчёты профилирования для выявления простых проблем с памятью в кодовых базах на C/C++ или Rust, следуя документации команды.

Понимает базовые концепции профилирования памяти в Unity: различие между managed- и native-памятью, влияние сборки мусора. Использует Unity Memory Profiler и окно Profiler для снятия снимков памяти под руководством. Выявляет очевидные утечки памяти — неосвобождённые ассеты или растущие пулы объектов — следуя чек-листам и документации команды.

Понимает базовые концепции профилирования памяти в Unreal Engine: жизненный цикл UObject, сборка мусора и пулы памяти. Использует Unreal Insights и команды stat memory для сбора базовых данных о памяти под руководством. Выявляет простые проблемы с памятью — неосвобождённые ассеты, остающиеся в памяти — следуя командным инструкциям по профилированию.

Использует Unity Memory Profiler для отслеживания memory usage. Находит очевидные утечки. Понимает heap/stack.

Профилирует memory: scalene для comprehensive profiling, objgraph для reference analysis. Выявляет leaks.

Профилирует memory в Rust: jemalloc statistics, allocation tracking через custom allocators, heap profiling. Оптимизирует memory layout (repr(C)).

Уверенно применяет memory profiling perf для compiler engineer при решении нестандартных задач. Самостоятельно выбирает оптимальный подход и инструменты. Анализирует trade-offs и предлагает улучшения существующих решений.

Использует dotMemory для allocation analysis. Оптимизирует allocations через Span<T>, stackalloc, ArrayPool. Анализирует GC pressure через EventCounters. Профилирует managed/unmanaged memory.

Использует Valgrind Massif для анализа heap growth. Профилирует allocation rate через Heaptrack. Оптимизирует Qt container allocation patterns. Анализирует memory-mapped I/O в Qt-приложениях.

Применяет memory profiling: runtime heap tracking, stack depth analysis через watermark, fragmentation detection для embedded allocators.

Самостоятельно профилирует потребление памяти в конвейерах компилятора и процессах language server с помощью Valgrind massif, AddressSanitizer и heaptrack. Понимает компромиссы между семплирующим и инструментальным профилированием для структур данных AST/IR. Диагностирует раздувание памяти в аллокаторах парсера и оптимизирует стратегии arena-аллокации для типичных рабочих нагрузок компиляции.

Проводит memory profiling: JVM GC analysis (GC logs, VisualVM), heap dump analysis (Eclipse MAT), native memory tracking. Детектирует leaks в long-running tests.

Самостоятельно применяет инструменты профилирования памяти — Valgrind massif, heaptrack, perf mem и MemorySanitizer — для диагностики проблем с памятью в системном коде. Понимает компромиссы между накладными расходами профилирования и точностью для модулей ядра, драйверов или встроенного ПО. Анализирует паттерны фрагментации кучи, оптимизирует пользовательские аллокаторы и снижает пиковое потребление памяти в компонентах, критичных к задержкам.

Самостоятельно профилирует память в проектах Unity с помощью Memory Profiler, Deep Profiling и платформенных инструментов — Xcode Instruments или Android Profiler. Понимает компромиссы между поведением памяти IL2CPP и Mono, паттерны аллокаций GC и бюджеты текстурной памяти. Оптимизирует стратегии загрузки ассетов, снижает нагрузку на GC через пулирование объектов и устраняет пики памяти при переходах между сценами.

Самостоятельно применяет профилирование памяти в Unreal с помощью Unreal Insights, LLM (Low-Level Memory Tracker) и MallocProfiler для диагностики проблем с памятью. Понимает компромиссы между стратегиями стриминга и резидентной памяти для различных типов ассетов. Оптимизирует пулы стриминга текстур, снижает накладные расходы на количество UObject и устраняет нарушения бюджета памяти на целевых платформах — консолях или мобильных устройствах.

Проводит детальный анализ памяти: memory snapshots, managed/unmanaged breakdown. Оптимизирует texture/mesh memory для Quest. Отслеживает Addressables memory.

Проектирует memory profiling: production memory tracking, automated leak detection, capacity planning.

Проектирует memory-efficient Rust: arena allocators, zero-copy parsing, memory-mapped I/O. Внедряет continuous memory profiling в CI.

Экспертно применяет memory profiling perf для compiler engineer для проектирования сложных систем. Оптимизирует существующие решения и предотвращает архитектурные ошибки. Проводит code review и обучает коллег лучшим практикам.

Проектирует memory-efficient .NET desktop applications. Анализирует fragmentation через ClrMD. Оптимизирует GC through Server/Workstation modes and regions. Использует NativeMemory для large allocations.

Проектирует memory performance optimization pipeline. Анализирует NUMA-эффекты для multi-threaded Qt. Реализует custom memory allocators для hot path. Использует perf mem для анализа memory access patterns.

Проектирует memory monitoring: runtime memory dashboards, leak detection для long-running firmware, automated memory regression.

Проектирует инфраструктуру профилирования памяти для языковых инструментальных цепочек — отслеживание пользовательских аллокаторов, регрессионные тесты памяти на этапе компиляции и автоматическое обнаружение утечек в CI. Оптимизирует расположение в памяти ключевых структур данных компилятора (AST, таблицы символов, графы типов) на основе данных massif, heaptrack и кастомной инструментации. Наставляет команду по проектированию IR с эффективным использованием памяти и выявляет системные горячие точки аллокаций на различных стадиях многопроходной компиляции.

Проектирует memory performance testing: soak tests для leak detection, GC tuning validation, memory pressure testing. Автоматизирует leak detection в CI.

Проектирует комплексные стратегии профилирования памяти для системного ПО, включая подсистемы ядра, среды выполнения и высокопроизводительные сервисы. Создаёт фреймворки отслеживания памяти, интегрирующие perf, eBPF-пробы для памяти и API интроспекции jemalloc. Оптимизирует расположение данных в памяти для кэш-эффективности через редизайн структур данных на основе профилирования. Наставляет команду по диагностике сложных проблем: false sharing, NUMA-aware аллокации и поведение transparent huge pages.

Проектирует конвейеры профилирования памяти для проектов Unity — автоматизированное регрессионное тестирование памяти в CI, кастомное отслеживание памяти для Addressables и бандлов ассетов, контроль бюджета памяти для конкретных платформ. Оптимизирует взаимодействие памяти с нативными плагинами, снижает фрагментацию managed-кучи через архитектурные решения и внедряет инструменты анализа снимков памяти. Наставляет команду по паттернам ECS с эффективным использованием памяти, стратегиям сжатия текстур и GC-free горячим путям.

Проектирует инфраструктуру профилирования памяти для проектов на Unreal — автоматическое отслеживание бюджетов LLM в CI, кастомные группы статистик памяти и регрессионное тестирование памяти для консолей. Оптимизирует расположение в памяти геймплейных систем на основе данных Unreal Insights, анализа Stomp-аллокатора и инструментов памяти платформенных SDK. Наставляет команду по архитектуре стриминга, настройке пулов памяти и снижению пикового потребления через оптимизацию LOD и зависимостей ассетов.

Глубокий memory analysis: fragmentation, allocation patterns, native memory. Реализует custom memory tracking. Оптимизирует managed/unmanaged баланс.

Определяет memory profiling стандарты: profiling practices, memory budgets, regression detection.

Определяет memory profiling стандарты: mandatory profiling для hot paths, memory budgets, regression detection. Проводит memory reviews.

Устанавливает стандарты применения memory profiling perf для compiler engineer в команде и принимает архитектурные решения. Определяет технический roadmap с учётом данного навыка. Менторит senior инженеров и влияет на практики смежных команд.

Определяет memory performance стратегию для .NET desktop. Координирует memory optimization. Формирует memory performance SLA.

Определяет стратегию memory performance для desktop-платформы. Координирует memory optimization across компонентов. Формирует memory performance SLA.

Определяет memory profiling стандарты для команды. Формирует memory budgets per task, automated checks в CI.

Определяет стратегию Memory Profiling на уровне команды/продукта. Формирует стандарты и best practices. Проводит review.

Определяет memory profiling стандарты: mandatory soak tests, GC monitoring, memory budget per service. Внедряет automated leak detection.

Определяет стратегию профилирования памяти на уровне команды и продукта для системного ПО. Устанавливает обязательные проверки профилирования в CI/CD — пороги регрессии памяти, сертификацию отсутствия утечек для релизов и периодическое глубокое профилирование с помощью Valgrind, heaptrack и eBPF. Стандартизирует политики бюджетов памяти по подсистемам, проводит архитектурные ревью по паттернам аллокаций и продвигает внедрение memory-safe практик и фреймворков кастомных аллокаторов по всей кодовой базе.

Определяет стратегию профилирования памяти на уровне команды и продукта для проектов Unity. Устанавливает бюджеты памяти по платформам (мобильные, консоли, ПК), внедряет автоматические проверки памяти в CI через снимки Memory Profiler и стандартизирует руководства по памяти ассетов для команд арта и дизайна. Проводит ревью систем, критичных к памяти, продвигает внедрение стриминга на основе Addressables для контроля памяти в рантайме и обеспечивает интеграцию профилирования памяти в продакшн-конвейер от прототипирования до релиза.

Определяет стратегию профилирования памяти на уровне команды и продукта для проектов на Unreal Engine. Устанавливает бюджеты памяти по платформам с помощью тегов LLM, внедряет регрессионное тестирование памяти в CI с автоматизацией Unreal Insights и стандартизирует руководства по памяти для контент-мейкеров и геймплей-программистов. Проводит архитектурные ревью систем стриминга, влияния World Partition на память и цепочек ссылок на ассеты. Продвигает внедрение memory-aware практик разработки по всем дисциплинам.

Формирует memory profiling strategy. Внедряет regression testing. Определяет memory budgets.

Формирует memory стратегию: platform Python memory governance, optimization priorities.

Формирует memory optimization стратегию: platform-wide memory governance, custom allocator strategy, memory-aware architecture.

Формирует стратегию применения memory profiling perf для compiler engineer на уровне организации. Определяет best practices и влияет на выбор технологий за пределами своей команды. Является признанным экспертом в данной области.

Формирует enterprise memory performance стандарты для .NET desktop. Оценивает .NET GC improvements. Определяет memory architecture.

Формирует enterprise memory performance стандарты. Оценивает memory-efficient архитектуры для embedded Qt. Определяет memory footprint requirements для организации.

Определяет enterprise memory profiling подход. Формирует memory certification strategy для safety-critical embedded.

Определяет стратегию Memory Profiling на уровне организации. Формирует enterprise-подходы. Менторит leads и architects.

Проектирует memory optimization strategy: GC tuning guidelines, memory-efficient architecture patterns, automated memory regression detection.

Определяет стратегию профилирования памяти на уровне организации для подразделений системного программирования. Устанавливает корпоративные стандарты качества памяти — обязательные инструментальные цепочки профилирования (Valgrind, eBPF, инструментация кастомных аллокаторов), межкомандное управление бюджетами памяти и организационные SLA по регрессии памяти. Определяет архитектурные решения по внедрению memory-safe языков, стандартизации кастомных аллокаторов и профилированию NUMA/гетерогенной памяти в продуктах. Наставляет лидов по построению инженерной культуры, ориентированной на эффективное использование памяти.

Определяет стратегию профилирования памяти на уровне организации для нескольких проектов и студий на Unity. Устанавливает корпоративные стандарты профилирования памяти — общий инструментарий автоматического анализа памяти, межпроектные фреймворки бюджетов памяти по уровням платформ и организационные SLA по качеству памяти. Определяет архитектурные решения по внедрению технологий Unity (DOTS, ECS, кастомные нативные плагины) с точки зрения эффективности памяти. Наставляет лидов по интеграции бюджетирования памяти в продакшн-конвейеры и согласованию целевых показателей памяти с бизнес-требованиями по проектам.

Определяет стратегию профилирования памяти на уровне организации для нескольких проектов и студий на Unreal Engine. Устанавливает корпоративные стандарты памяти — единые таксономии тегов LLM, общую автоматизацию профилирования памяти по проектам и межпроектное управление бюджетами памяти для всех целевых платформ. Определяет архитектурные решения по кастомизации движка (кастомные аллокаторы, системы стриминга, конфигурации World Partition) с точки зрения оптимизации памяти. Наставляет лидов по интеграции профилирования памяти в организационные процессы разработки и согласованию целевых показателей памяти с сертификацией платформ и бизнес-целями.

Определяет memory profiling стратегию для XR. Формирует стандарты.