chinese直男口爆体育生外卖, 99久久er热在这里只有精品99, 又色又爽又黄18禁美女裸身无遮挡, gogogo高清免费观看日本电视,私密按摩师高清版在线,人妻视频毛茸茸,91论坛 兴趣闲谈,欧美 亚洲 精品 8区,国产精品久久久久精品免费

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評論與回復
登錄后你可以
  • 下載海量資料
  • 學習在線課程
  • 觀看技術視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會員中心
創(chuàng)作中心

完善資料讓更多小伙伴認識你,還能領取20積分哦,立即完善>

3天內(nèi)不再提示

WebGL/Canvas 內(nèi)存泄露分析

圖撲-數(shù)字孿生 ? 來源:圖撲-數(shù)字孿生 ? 作者:圖撲-數(shù)字孿生 ? 2025-10-21 11:40 ? 次閱讀
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

在構建高性能、長周期運行的 WebGL/Canvas 應用(如 3D 編輯器、數(shù)據(jù)可視化平臺)時,內(nèi)存管理是一個至關重要且極具挑戰(zhàn)性的課題。

wKgZO2j3AJyAE7hqAAI_IQeOhV0053.png

開發(fā)者通常面臨的內(nèi)存泄漏問題,其根源遠比簡單的 JavaScript 對象未釋放要復雜得多。一個現(xiàn)代 WebGL/Canvas 應用的內(nèi)存版圖實際上跨越了三個截然不同但又相互關聯(lián)的內(nèi)存區(qū)域:

圖 V8 引擎管理的 JavaScript 堆(JS Heap),絕大部分情況最關注的是這一層的泄露

圖形處理器GPU)的顯存(VRAM)

Blink 渲染引擎自身用于管理 DOM 等對象的原生 C++ 堆(Native Heap)

這三個內(nèi)存區(qū)域各自遵循不同的分配、管理和回收規(guī)則:

V8 堆:采用先進的、自動化的垃圾回收(GC)機制,當引用為空的時候會自動釋放

GPU 顯存:依賴于開發(fā)者通過 WebGL API 進行顯式的手動管理

Blink 的原生堆:由專用 C++ 垃圾回收器負責

大多數(shù)難以診斷和修復的內(nèi)存泄漏問題,其本質(zhì)都源于對這三個層面之間的邊界、所有權規(guī)則以及通信協(xié)議缺乏深刻理解。

我們將分別對三個核心部分,系統(tǒng)性地分析每一層內(nèi)存區(qū)域中常見的泄漏模式、底層成因,并介紹實用排查策略和解決方案。通過本篇分享,開發(fā)者將能夠建立一個貫穿 GPU、JavaScript 引擎和瀏覽器渲染內(nèi)核的整體內(nèi)存心智模型,從而更有效地構建穩(wěn)定、高效且無泄漏的 WebGL/Canvas 應用。

wKgZPGj3AJ2AXfqJAAEkL65J2mY145.png

JavaScript 堆泄漏

堆簡述

Javascript 的解釋器 V8 引擎將瀏覽器內(nèi)存分為兩個主要部分:

■棧(Stack):用于存儲靜態(tài)數(shù)據(jù),包括原始類型(Primitive Types)的局部變量(如 number, boolean, null, undefined, string 等)以及指向堆中對象的指針(引用地址)。棧內(nèi)存的特點是大小固定、自動分配和釋放,隨著函數(shù)調(diào)用的開始和結(jié)束(執(zhí)行上下文的入棧和出棧)而進行管理。

■堆(Heap):用于存儲動態(tài)分配的內(nèi)存,即大小不固定的、生命周期可能很長的數(shù)據(jù)。JavaScript 中的絕大多數(shù)“東西”都存在這里。譬如對象(object),數(shù)組(Arrays),函數(shù)(Functions),閉包(Clousures),字符串(String),ArrayBuffer / Uint8Array 等。

我們重點關注堆上的資源,盡管有自動垃圾回收(GC)機制,JS 堆泄漏仍然是 WebGL 應用中一個常見且棘手的問題。

導致 JS 內(nèi)存泄漏的常見架構模式:

在 JavaScript 這類具備自動垃圾回收機制的語言中,內(nèi)存泄漏的本質(zhì)并非“忘記釋放內(nèi)存”,而是存在“意外的引用”(unwanted reference)。一個在邏輯上已經(jīng)廢棄、應用不再需要的對象,若仍有一條引用鏈將其與存活的對象圖相連,GC 就會判定它“可達”,從而無法回收 。

GC 標記 - 清除(Mark-and-Sweep)算法遵循明確的規(guī)則:從根對象開始,逐條追蹤所有指針。只要從根到某個對象存在一條路徑,該對象就定義為可達,即“存活”。但是 GC 無法理解開發(fā)者的語義意圖 —— 它無法判斷一個已經(jīng)脫離文檔的 DOM 節(jié)點是否永遠不會被重新掛載,也無法知曉閉包中捕獲的變量是否永遠不會被訪問。它只能機械性地遵循指針。

因此,修復這些內(nèi)存泄漏并非尋找 V8 引擎的 bug,而是細致地管理對象圖,確保當對象在邏輯上不再需要時,通過 myNode = null 或 removeEventListener 等方式顯式地切斷引用。

以下是一些常見的導致意外引用的模式:

1、 分離的 DOM 元素

分離的 DOM 元素 (Detached DOM Elements) 這是最經(jīng)典的泄漏模式之一。當一個 DOM 節(jié)點通過 element.removeChild() 從文檔樹中移除后,它在頁面上就不再可見。但是,如果此時 JavaScript 代碼中仍有某個變量持有對該節(jié)點的引用,那么這個節(jié)點及其整個子樹都無法被 GC 回收。在復雜的單頁應用(SPA)中,視圖組件被動態(tài)創(chuàng)建和銷毀,如果銷毀邏輯不完善,很容易留下對舊視圖 DOM 節(jié)點的引用。

2、閉包引起的意外作用域捕獲

閉包(Closure)是 JavaScript 的一個強大特性,它允許函數(shù)訪問并操作其詞法作用域(lexical scope)中的變量,即使該函數(shù)已在其作用域之外被調(diào)用。但是這份強大也暗藏風險,閉包往往是內(nèi)存泄漏的“隱形源頭”。

閉包會完整持有其創(chuàng)建時所在作用域的引用。若一個生命周期很長的內(nèi)部函數(shù)(例如,一個事件回調(diào)或定時器回調(diào))是在一個包含大型對象引用的外部函數(shù)中創(chuàng)建的,那么這個大型對象也會被閉包“捕獲”。即使內(nèi)部函數(shù)本身從未使用過它,大型對象也會始終處于可達狀態(tài),最終導致垃圾回收器無法對其回收,從而造成內(nèi)存泄漏。

3、 懸空的定時器和事件監(jiān)聽器

傳遞給 setInterval、setTimeout 或 element.addEventListener 的回調(diào)函數(shù),其生命周期會持續(xù)到定時器被清除或事件監(jiān)聽器被移除為止。在此期間,若回調(diào)函數(shù)內(nèi)部引用了其他對象(比如某個組件的實例或數(shù)據(jù)),這些被引用的對象也會被“綁定”而保持存活狀態(tài)。在組件化開發(fā)中,最常見的疏漏之一便是:在組件銷毀時忘記清理這些定時器與事件監(jiān)聽器。這就會直接導致整個組件實例及其依賴對象始終處于可達狀態(tài),最終無法被回收,從而造成內(nèi)存泄漏。

4、意外的全局變量

在非嚴格模式下,函數(shù)內(nèi)給未聲明的變量進行賦值,JavaScript 不會報錯,反而會在全局對象(如瀏覽器的 window)上創(chuàng)建一個同名變量。全局變量作為 GC 根節(jié)點,它們在應用的整個生命周期內(nèi)都無法被回收。這種“意外的全局變量”通常由拼寫錯誤或忘記使用 let、const、var 關鍵字引起,是一種隱蔽但危害嚴重的內(nèi)存泄漏源。

Chrome DevTools 堆分析實戰(zhàn)指南

Chrome DevTools(開發(fā)者工具) 的 Memory(內(nèi)存)面板是診斷 JS 堆泄漏的權威工具。它可以對當前堆進行快照,直觀的展示當前的占用情況。

wKgZO2j3AJ2AeJoCAAChRr8sHuM829.png

具體操作位置在 Chrome DevTools -> Momery 標簽頁(圖中 ①)。

1.在內(nèi)存分析中,Heap snapshot(堆快照)是最常用的排查手段,在生成快照前,需先選擇這一類型(圖中 ②)。

2.在生成快照前,需要先點擊上圖中的 ③ 號按鈕(強制垃圾回收),待完成一次 GC 后,再點 ④ 號按鈕生成快照。這樣做的原因是,我們的核心目標是排查內(nèi)存泄漏問題,強制 GC 能釋放原本應該被回收的資源,這會讓快照結(jié)果更加直觀地顯示出問題。

3.快照生成后,在 ⑤ 位置會顯示快照信息,展開后如下:

(⑥ 位置會展示堆內(nèi)存的大小,能快速且直觀地了解到整個頁面的堆內(nèi)存占用情況。)

wKgZPGj3AJ6AAl6PAAFNfc9O8xQ880.png

在快照信息中,需要重點關注每個對象的兩項核心數(shù)據(jù):

Shallow Size 淺層大?。▓D中 ①):一般用來指對象自身占用的大小,不包含它引用的其他對象的大小。

Retained Size 保留大?。▓D中 ②):表示該對象在被 GC 后,所能釋放的總內(nèi)存大小。通常等于自身的 Shallow Size 加上被它引用的其他對象的 Shallow Size 之和。

在實際分析中,建議優(yōu)先關注 Retained Size,因其能更全面地反映對象堆內(nèi)存占用的實際影響。

快照的摘要視圖

wKgZO2j3AJ6AfLAoAADcEM1NGlI567.png

在上圖所示的摘要中,每一項都支持展開,展開后可以看到對象的完整引用鏈。摘要面板適合的運用場景:當單次 Profile 已顯示出大量的內(nèi)存占用時,可先按 Retained Size 對列表進行排序,快速定位到占據(jù)了過高的內(nèi)存的項,展開其中的可疑目標并一路追溯,直到找到根源 —— 通常是掛載到全局 windows 對象上的變量,或被閉包捕獲的變量。

三快照法(推薦的排查步驟)

在多數(shù)情況下,泄露是緩慢發(fā)生的,單個堆快照包含了數(shù)百萬個對象,雜亂無章,不方便直接找到泄漏源。因此,我們更推薦使用“三快照法”來找到泄露的源頭。具體操作步驟:

1.快照 1 (基線狀態(tài)):加載頁面,在應用進入穩(wěn)定狀態(tài)后,點快照中的掃把按鈕,做一次強制 GC 后,拍攝第一次堆快照(Heap snapshot),建立內(nèi)存的基線

2.執(zhí)行可疑操作:執(zhí)行一系列你懷疑可能導致內(nèi)存泄漏的用戶操作。這里的關鍵在于:這個操作序列應具備是可逆性。例如“打開一個復雜的 UI 面板,隨后再將其關閉”。這個“操作-逆操作”循環(huán)是你的受控實驗,假設是“該循環(huán)應是內(nèi)存中性的,即操作后不應遺留任何內(nèi)存垃圾”。此外,也可測試應用長時間靜置(如半小時以上)的情況。

3.快照 2:做完上述的操作之后,繼續(xù)強制 GC 一次,再拍攝第二次快照。

4.放大泄漏:重復執(zhí)行步驟 2 中的“操作-逆操作”循環(huán)數(shù)次(例如 1-N 次)。這會放大內(nèi)存泄漏,使其在快照對比中更加明顯。

5.快照 3:完成所有循環(huán)后,再次強制 GC,并拍攝第三次快照。

1、使用對比視圖

在完成以上的操作步驟后,選擇第三個快照,并在頂部的視圖選擇器中(下圖 ②),將視圖模式從 Summary 切換為 Comparison,比較對象選擇為快照 2(下圖 ③)。現(xiàn)在視圖只會顯示快照 2 和快照 3 之間發(fā)生變化的對象。操作后需要關注以下內(nèi)容:

Delta 列:這是該視圖的核心,它顯示了對象實例數(shù)量的凈變化。需重點關注 Delta 值為正數(shù)的項,尤其是那些與重復操作次數(shù)成正比的構造函數(shù)。這些就是在操作循環(huán)中被創(chuàng)建但未能被成功回收的對象。

Retained Size Delta 列:此列顯示了該類對象及其引用的所有對象所占內(nèi)存的凈增量。按此列降序排序,可以快速定位到對內(nèi)存影響最大的泄漏源。

wKgZPGj3AJ-Ac-atAAD29LY8eG0032.png

2、使用摘要視圖

還有一種很重要的排查方式:

選擇第三個快照,頂部的視圖選擇器,切換為 Summary

右側(cè)下拉框中選擇篩選快照一和快照二中間創(chuàng)建的對象

該視圖的意圖是:查找出快照 2 較快照 1 新增的內(nèi)存對象,若這些新增對象在快照 3 中依然存在,那么它們極有可能是泄露的源頭。

wKgZO2j3AJ-AaYTXAAEVV9gq8vE916.png

3、使用 Retainers 樹追溯泄漏源

在對比視圖中定位到一個可疑的泄漏對象(即對應的構造函數(shù))后,展開該構造函數(shù),并選中其中一個實例。此時,下方的 Retainers(保留者)面板會自動加載內(nèi)容。這個面板是定位內(nèi)存泄漏根源的核心工具,面板展示了一條或多條引用鏈,并清晰地解釋了被選中對象無法被 GC 回收的原因。

具體分析步驟如下:

追溯引用鏈:Retainers 樹以被選中的對象為起點,逐層向上追溯,直到指向某個 GC 根節(jié)點(例如 (Global handles) 下的 window 對象)。開發(fā)者需要仔細檢查這條鏈路上的每個節(jié)點。

識別意外引用:尋找那些本應在操作結(jié)束后被切斷的引用。例如,一個已關閉面板的 DOM 節(jié)點,仍被一個全局緩存對象 myApp.cache 引用,那么 myApp.cache 就是那個“意外的引用”。

關注高亮節(jié)點:分析分離的 DOM 樹時,DevTools 會用顏色高亮節(jié)點。

黃色節(jié)點: 表示被 JavaScript 代碼直接引用的節(jié)點。

紅色節(jié)點:表示無直接引用,但因?qū)儆谀硞€黃色節(jié)點的父子節(jié)點,而被間接保留在內(nèi)存中的節(jié)點。在排查時,應優(yōu)先關注黃色節(jié)點。

wKgZPGj3AKCAdC8mAAEG80Jw1ak147.png

GPU 顯存與 WebGL 上下文管理

本部分內(nèi)容將聚焦于 GPU 中的關鍵資源,此類資源必須通過 WebGL API 進行顯式的、手動的生命周期管理。這背后的核心邏輯在于:在 GPU 層面不存在自動內(nèi)存管理機制。從資源的創(chuàng)建、綁定到最終銷毀,開發(fā)者須全程主導,主動承擔釋放內(nèi)存的全部責任。

WebGL 上下文句柄

WebGL 上下文句柄是一種有限且關鍵的資源?,F(xiàn)代瀏覽器對單個頁面或同源(origin)下可創(chuàng)建的活動 WebGL 上下文(Context)數(shù)量施加了嚴格的限制。例如,在 Chrome 瀏覽器中,這個上限通常是 16 個。Firefox 也有類似的限制,盡管具體數(shù)值和配置策略可能略有不同。

這個限制是瀏覽器廠商為保護整個系統(tǒng)穩(wěn)定性而采取的一項關鍵防御措施。GPU 是一種系統(tǒng)級的共享資源,如果單個網(wǎng)頁能夠無限制地創(chuàng)建 WebGL 上下文,它將可能耗盡 GPU 驅(qū)動程序的資源,導致驅(qū)動崩潰或整個操作系統(tǒng)的性能下降,從而影響到其他應用程序和系統(tǒng)界面的正常運行。

我們會經(jīng)常看到,作為系統(tǒng)級資源管理者的瀏覽器,其抉擇始終是:優(yōu)先保障宿主操作系統(tǒng)的穩(wěn)定性,而非滿足單個網(wǎng)頁的無節(jié)制資源需求。

當 WebGL Context 超出限制,瀏覽器會采取強制措施:丟棄“最近最少使用”的那個 WebGL 上下文,并在控制臺輸出一條警告,如:“WARNING: Too many active WebGL contexts. Oldest context will be lost.”(警告:活動 WebGL 上下文過多。最舊的上下文將被丟棄。)。對于那些未預料到此行為的應用而言,這可能導致災難性的渲染失敗,且問題難以追蹤。

wKgZO2j3AKGAUqtDAABCAlbxSW4271.png

對于確實需要大量獨立 3D 視圖的應用(例如建筑設計軟件、多視圖監(jiān)控面板),必須采用更高級的架構模式來規(guī)避此限制。常見的解決方案推薦復用 gl context,切換場景的時候,做 clear + dispose 操作清空,并使用同一個 g3d 進行反序列化。

貼圖,buffer 等 GPU 資源對象

在 WebGL 環(huán)境中,代表 GPU 資源的 JavaScript 對象(例如 WebGLTexture 對象),其生命周期與該資源在 GPU 顯存中實際占用的內(nèi)存的生命周期是完全分離的。簡單地將 JavaScript 對象的引用設置為 null,或讓其離開作用域而被垃圾回收,也不會觸發(fā) GPU 顯存的釋放

WebGL API 劃定了一條清晰的界線:JavaScript 的 WebGLTexture 對象僅僅是一個輕量級的句柄(handle),本質(zhì)上是一個整數(shù) ID。JS GC 可以安全地回收這個句柄對象,且不會對 GPU 產(chǎn)生任何影響。而真正占用顯存(VRAM)的重量級 GPU 資源,唯有開發(fā)者——這個唯一掌握渲染邏輯上下文的角色——顯式調(diào)用對應的刪除函數(shù)時,才會被徹底釋放。因此,一旦某個 GPU 資源不再需要,就必須立即調(diào)用對應的刪除函數(shù),例如:

gl.deleteTexture()

gl.deleteBuffer()

gl.deleteRenderbuffer()

gl.deleteFramebuffer()

gl.deleteProgram()

gl.deleteShader()

一個標準的 WebGL 資源生命周期應遵循“創(chuàng)建-綁定-使用-解綁-刪除”的模式。GPU 顯存泄漏并非瀏覽器的“缺陷”,而是開發(fā)者未能遵守這一顯式契約的結(jié)果。

HT 中的 graph3dView 提供了專門的 dispose 方法,當 3D 場景確定要釋放的時候,主動調(diào)用 g3d.dispose() 將會徹底把當前的所有跟 WebGL 相關的 GPU 資源徹底釋放。

查看這類資源占用,通常需要觀察系統(tǒng)顯卡的顯存使用情況。以 Windows 系統(tǒng)為例,可以通過:「任務管理器 → 性能 → GPU → 專用 GPU 內(nèi)存」這一路徑,直觀地看到顯存占用的變化趨勢。以一個 6G 顯存的 GPU 為例,盡量將顯存占用控制在合理范圍(譬如 5G 以內(nèi),避免超過 5.5G),否則一旦超標,系統(tǒng)可能會強制回收顯存資源。

wKgZPGj3AKGACiuxAACQkJcmf1o594.png

原生堆:理解 Blink 的 Oilpan GC

分析完應用層的內(nèi)存問題,我們的視線將最終聚焦于瀏覽器的 C++ 底層核心 ——Blink 渲染引擎。

Blink Oilpan GC 是 Chromium 瀏覽器引擎 Blink 中用于管理 C++ 對象內(nèi)存的垃圾回收 (Garbage Collection, GC) 系統(tǒng)。Oilpan 采用的是一種先進的并發(fā)標記與增-量清除 (Concurrent Marking and Incremental Sweeping) 垃圾回收機制。這種機制的核心思想是盡可能地將垃圾回收的工作與主線程 (main thread) 的任務(例如 JavaScript 執(zhí)行、頁面布局和渲染)并行處理,從而最大限度地減少因 GC 而導致的頁面卡頓 (jank)。

通常這塊內(nèi)存由 Blink 底層管理,Web 應用層是無法干預的,這里我們通過一個實際案例來展開說明:JS 堆快照顯示其 24 小時動畫運行后內(nèi)存增長微乎其微,但 Windows 資源監(jiān)視器卻顯示 Chrome 進程占用了 4GB 內(nèi)存。這種懸殊的差距,讓人不禁好奇。

在 Chrome 地址欄輸入 chrome://tracing 并訪問

點擊頁面中的 "Record" 按鈕,進入錄制配置界面

選擇 "Manually select settings" 選項

點擊 "Edit categories" 按鈕,打開配置列表

在彈出的類別列表中,務必勾選 memory-infra。

點擊 "OK" 確認配置后,再次點擊 "Record" 開始錄制。等待一段時間后點擊結(jié)束

錄制結(jié)束后,點擊鍵盤的 M 鍵查看具體的內(nèi)存快照

wKgZO2j3AKKACkA8AABBVDXAKMU010.pngwKgZPGj3AKKARPa5AAI7kLW9mkE248.png

從上圖可見,blink_gc 占用 4GB 內(nèi)存,這可能并非內(nèi)存泄漏,而是 Blink 的 Oilpan GC 策略導致的正常現(xiàn)象。其核心機制是內(nèi)存池化 (Memory Pooling):Blink 會預先向操作系統(tǒng)申請大塊的連續(xù)內(nèi)存區(qū)域。頁面中幾乎所有的 Blink C++ 對象(包括大量臨時的字符串、數(shù)組等)都在這個大內(nèi)存池中進行分配,以提升效率。

當這些短生命周期的對象不再被引用時,它們在邏輯上被視為“垃圾”,但它們所占用的物理內(nèi)存并不會立即歸還給操作系統(tǒng)。GC 回收器會根據(jù)當前的內(nèi)存壓力 (Memory Pressure) 來決定何時執(zhí)行徹底的清理。

在本案例中,機器總內(nèi)存高達 64GB,資源充裕,Chrome 判斷無需迫切回收。為避免不必要的性能開銷(一次完整的 GC 會消耗 CPU 資源),GC 選擇推遲回收操作。因此,我們看到的 4GB 占用,實際上是 Oilpan GC 持有的一個較大的內(nèi)存池,其中包含了活動對象和大量待回收的“垃圾”對象。只要這個內(nèi)存池的大小趨于穩(wěn)定,沒有出現(xiàn)持續(xù)、無節(jié)制的增長,通常就不構成內(nèi)存泄漏問題。

HT 與內(nèi)存泄露

綜合上述的三部分內(nèi)容,我們捋清了內(nèi)存泄漏問題的主要原因,并掌握了對應的排查方法。而在 HT 框架中,內(nèi)存泄漏的問題在 3D 場景中最為常見,由于 HT 的 3D 是基于 WebGL 實現(xiàn)的,此類泄漏往往會表現(xiàn)得尤為明顯。

為了清晰呈現(xiàn) HT 3D 中的內(nèi)存泄漏問題,我們設計了一個簡單的對照實現(xiàn)來進行演示。

對照實驗

在展開實驗前,我們先簡要了解下 HT 框架的核心架構。HT 采用 MV 架構模式,在 HT 的框架設計中, Data 模型和 View 視圖是分離的,二者之間通過 Event 事件監(jiān)聽和派發(fā)機制來建立起數(shù)據(jù)綁定。

wKgZO2j3AKOAI7s1AAFSAQgE3Qk217.png

在實驗操作前,我們可以打開 Chrome DevTools -> Performance (性能) 面板,并且點擊面板中的錄制按鈕,記錄整個實驗過程,這能幫助我們在操作結(jié)束后,回溯并分析全程性能和內(nèi)存的變化情況。

wKgZPGj3AKOABbE1AADbopb4ivo854.png

實驗環(huán)境:

瀏覽器:Chrome 138.0.7204.101(64位)

顯卡:NVIDIA GeForce GTX 1660 Ti

處理器:Intel(R) Core(TM) i5-10400F CPU @ 2.90GHz (2.90 GHz)

第一次實驗

我們通過按鈕不斷創(chuàng)建新的視圖,當頁面中超過一定數(shù)量Graph3dView 時,可以看到第一個場景“崩潰”,但是當我們刪除最后一個 Graph3dView 后,第一個場景又恢復了。

wKgZO2j3AKSAbTyIACDXRLrmPRI263.gif

我們可以從 Performance 面板中觀察到整個過程:

當首個 WebGL 上下文被銷毀后,JS 堆內(nèi)存出現(xiàn)明顯下降。

刪除最新的視圖后,首個 WebGL 恢復,且刪除后事件監(jiān)聽器占用的內(nèi)存下降

由于 HT 是 MV 框架,雖然瀏覽器銷毀了 WebGL 上下文,但是視圖的數(shù)據(jù)模型仍然保留,這也就是首個視圖“復活”的原因。

wKgZPGj3AKWAUIHXAAD9XtdaLek636.png

第二次實驗

我們將所有的 Graph3dView 都綁定到一個 window.dataModel 上。具體可以參考下圖:

wKgZO2j3AKaATZApAAC0k7ak7-g065.png

同實驗一,我們也通過按鈕創(chuàng)建多個視圖,在告警后刪除最后一個視圖??梢园l(fā)現(xiàn),當刪除了最后一個 Graph3dView ,第一個場景也并沒有恢復。

wKgZO2j3AKaAMm_RAAK8zSPyfLA380.gif

我們從 Performance 面板中觀察到整個過程:

當首個 WebGL 上下文被銷毀后,JS 堆內(nèi)存出現(xiàn)明顯下降

刪除最新的視圖后,首個 WebGL 沒有恢復,且刪除后事件監(jiān)聽器占用的內(nèi)存也沒有出現(xiàn)下降的情況

照第一組實驗的結(jié)論來說,只要數(shù)據(jù)模型還在,視圖應當“復活”,但是視圖并沒有“復活”。

wKgZPGj3AKeAB4k0AADcl-o6YXw484.png

為什么會出現(xiàn)上述兩種情況?這是因為第二次,并沒有正確地將 Graph3dView 清除??梢钥匆幌聝纱螌嶒炏到y(tǒng)的內(nèi)存對象引用關系。

第一次

wKgZO2j3AKeAKWxFAAJtfbeX1bM883.pngwKgZPGj3AKiAM6s6AAGkItz4ga8531.png

第二次

第一次實驗,頁面上有 19 個 Graph3dView,在內(nèi)存中看到有 19 個 Graph3dView 對象,而第二次頁面上僅有 7 個 Graph3dView,但是內(nèi)存中有 17 個 Graph3dView 對象。這就說明了第二次的 Graph3dView 并沒有被正確垃圾回收,這也就導致了即使移除了一個 Graph3dView,第一個場景也并不會恢復。打開其中一個 Graph3dView 可以看到,Graph3dView 與 window.dataModel 存在引用關系導致的。

wKgZO2j3AKiAIwL9AAHo52iySb0358.png

解決方案

從上述的對照試驗中,可以看出使用全局變量存儲視圖實例是導致內(nèi)存泄漏的主要原因。當多個 Graph3dView 共享同一個全局 dataModel 時,即使刪除視圖,由于全局引用依然存在,這些視圖無法被垃圾回收。

針對于內(nèi)存泄漏可以通過以下幾個方案解決:

1、避免全局變量引用

該方案從業(yè)務架構層面上解決內(nèi)存泄漏問題,可采用以下實現(xiàn)方式:

使用模塊化設計代替全局變量存儲

采用弱引用等機制管理視圖對象

建立專門的視圖管理器統(tǒng)一管理實例

2、視圖復用機制

從實驗上可以看出,頻繁創(chuàng)建和銷毀視圖會帶來顯著的性能損耗。在實際的業(yè)務場景中,可以通過復用視圖來提升性能。在切換視圖時,僅需要通過 dataModel.clear() 清空數(shù)據(jù)模型,重新對視圖進行反序列化即可。

3、資源釋放

對于必須要頻繁創(chuàng)建/銷毀視圖的特殊場景,可在銷毀前執(zhí)行以下操作:

const dm = new ht.DataModel();

view.setDataModel(dm);

view.dispose();

關鍵要點:

創(chuàng)建新的 dataModel 實例替換原有引用

有效解除視圖與業(yè)務數(shù)據(jù)的關聯(lián)關系

3D 視圖上存在 dispose 方法,用于主動釋放 gl 的資源

需要注意:在具體的項目中,優(yōu)先考慮上兩個方案,此方案適用于必須銷毀視圖的特殊情況。

wKgZPGj3AKmAKllyAAi4xZcVw20416.gif

4、事件管理優(yōu)化

在處理模塊通信上,可以考慮使用 HT 的事件派發(fā)器進行。項目全局上創(chuàng)建一個事件派發(fā)器,模塊間消息傳遞使用派發(fā)器進行:

const notifier = new ht.Notifier();

const func = function(e) {}

notifier.add(func); // 添加監(jiān)聽函數(shù)

notifier.remove(func); // 刪除監(jiān)聽函數(shù)

notifier.fire(func); // 派發(fā)事件

關鍵要點:

統(tǒng)一使用事件派發(fā)器進行跨模塊通信,避免不同模塊間的直接調(diào)用、依賴,減少內(nèi)存泄漏風險

若模塊需要銷毀,在銷毀前需移除相關事件監(jiān)聽

必須使用具名函數(shù)而非匿名函數(shù)作為事件處理器

在前端開發(fā)過程中,開發(fā)者應持續(xù)關注內(nèi)存變化。內(nèi)存泄漏問題并非都是 “爆發(fā)式顯現(xiàn)”,更多是 “漸進式累積” —— 初期往往難以察覺,但隨著時間推移,過高的內(nèi)存占用會直接拖慢運行性能;對于基于 WebGL 的應用,甚至可能引發(fā)上下文丟失、頁面白屏等嚴重問題。因此,對待內(nèi)存泄漏,我們必須保持常態(tài)化關注的心態(tài)。

審核編輯 黃宇

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權轉(zhuǎn)載。文章觀點僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學習之用,如有內(nèi)容侵權或者其他違規(guī)問題,請聯(lián)系本站處理。 舉報投訴
  • Canvas
    +關注

    關注

    0

    文章

    21

    瀏覽量

    11354
  • 內(nèi)存泄露

    關注

    0

    文章

    7

    瀏覽量

    2127
收藏 人收藏
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

    評論

    相關推薦
    熱點推薦

    圖撲 HT 技術賦能智慧畜牧三維可視化:架構設計與實踐應用

    在現(xiàn)代農(nóng)業(yè)數(shù)字化轉(zhuǎn)型浪潮中,智慧畜牧作為畜牧業(yè)升級的核心方向,正通過信息技術重構養(yǎng)殖管理模式。圖撲軟件(Hightopo)基于自主研發(fā)的 HT for Web 技術,以 WebGLCanvas
    的頭像 發(fā)表于 09-19 14:48 ?261次閱讀
    圖撲 HT 技術賦能智慧畜牧三維可視化:架構設計與實踐應用

    【HarmonyOS next】ArkUI-X休閑益智消消樂【進階】

    Canvas批次繪制使幀率穩(wěn)定≥55FPS 內(nèi)存控制:對象復用使內(nèi)存占用≤35MB 啟動加速:本地資源加載速度<0.3s 六、開發(fā)實踐建議 通信優(yōu)化:復雜數(shù)據(jù)交互使用WebView.postMessage
    發(fā)表于 06-28 21:59

    基于 HT 2D&3D 渲染引擎的新能源充電樁可視化運營系統(tǒng)技術剖析

    在新能源汽車產(chǎn)業(yè)快速發(fā)展的浪潮中,充電樁作為關鍵配套設施,其運營管理的高效性和智能化愈發(fā)重要。圖撲軟件憑借基于 WebGLCanvas 的 HT 2D3D 渲染引擎依托 WebGL
    的頭像 發(fā)表于 03-20 11:47 ?636次閱讀
    基于 HT 2D&3D 渲染引擎的新能源充電樁可視化運營系統(tǒng)技術剖析

    分享之前使用HarmonyOS NEXT Canvas做的動態(tài)GIF視頻的一個案例,沒有感情,全是技術。

    。這次分享一下之前使用HarmonyOS NEXT Canvas做的動態(tài)視頻的一個案例,沒有感情,全是技術。 開發(fā)準備 開發(fā)流程與進度 這次整體開發(fā)流程主要如下: 獲取圖片素材列表數(shù)據(jù),初始化視頻的幀數(shù)以及canvas畫布 繪畫視頻控制器,編寫視頻按幀數(shù)播放的功能 動態(tài)切
    的頭像 發(fā)表于 03-16 15:56 ?562次閱讀

    Meta因數(shù)據(jù)泄露被愛爾蘭監(jiān)管機構重罰2.51億歐元

    近日,愛爾蘭數(shù)據(jù)保護委員會(Data Protection Commission)宣布了對Meta愛爾蘭公司的調(diào)查結(jié)果及最終處罰決定。這一決定源于Meta公司此前發(fā)生的一起大規(guī)模數(shù)據(jù)泄露事件,該事
    的頭像 發(fā)表于 12-19 10:29 ?742次閱讀

    OpenAI正式推出Canvas:寫作編碼新平臺,支持Python

    近日,OpenAI在連續(xù)發(fā)布新功能的節(jié)奏中,正式向全體ChatGPT用戶開放了全新交互界面Canvas。這款工具基于OpenAI最新的GPT-4o模型,旨在為用戶提供一個強大的寫作和編碼協(xié)作平臺
    的頭像 發(fā)表于 12-12 10:06 ?885次閱讀

    什么是虛擬內(nèi)存分頁 Windows系統(tǒng)虛擬內(nèi)存優(yōu)化方法

    虛擬內(nèi)存分頁概述 在Windows操作系統(tǒng)中,虛擬內(nèi)存是通過分頁機制實現(xiàn)的。分頁允許系統(tǒng)將內(nèi)存中的數(shù)據(jù)移動到硬盤上,以便為當前運行的程序騰出空間。這個過程對于保持系統(tǒng)的流暢運行至關重要,尤其是在物理
    的頭像 發(fā)表于 12-04 09:16 ?1978次閱讀

    虛擬內(nèi)存不足如何解決 虛擬內(nèi)存和物理內(nèi)存的區(qū)別

    虛擬內(nèi)存不足的解決方案 虛擬內(nèi)存不足是計算機用戶經(jīng)常遇到的問題,尤其是在運行大型軟件或多任務處理時。以下是一些解決虛擬內(nèi)存不足問題的方法: 增加物理內(nèi)存(RAM) : 這是最直接的解決
    的頭像 發(fā)表于 12-04 09:14 ?2075次閱讀

    虛擬內(nèi)存的作用和原理 如何調(diào)整虛擬內(nèi)存設置

    虛擬內(nèi)存,也稱為虛擬內(nèi)存管理或頁面文件,是計算機操作系統(tǒng)中的一種內(nèi)存管理技術。它允許系統(tǒng)使用硬盤空間作為額外的RAM(隨機存取存儲器),以彌補物理內(nèi)存(RAM)的不足。虛擬
    的頭像 發(fā)表于 12-04 09:13 ?4502次閱讀

    DDR5內(nèi)存與DDR4內(nèi)存性能差異

    DDR5內(nèi)存與DDR4內(nèi)存性能差異 隨著技術的發(fā)展,內(nèi)存技術也在不斷進步。DDR5內(nèi)存作為新一代的內(nèi)存技術,相較于DDR4
    的頭像 發(fā)表于 11-29 14:58 ?3948次閱讀

    DDR內(nèi)存的工作原理與結(jié)構

    DDR內(nèi)存,全稱為Double Data Rate Synchronous Dynamic Random Access Memory(雙倍數(shù)據(jù)速率同步動態(tài)隨機存取內(nèi)存),是一種用于計算機和其他
    的頭像 發(fā)表于 11-20 14:32 ?3371次閱讀

    如何檢測DDR內(nèi)存性能

    檢測DDR內(nèi)存性能是一個涉及硬件和軟件的綜合過程,可以通過以下幾個步驟來進行: 1. 硬件檢查 1.1 確認內(nèi)存規(guī)格 查看內(nèi)存條標簽 :檢查內(nèi)存條上的標簽,確認其規(guī)格,包括DDR類型(
    的頭像 發(fā)表于 11-20 14:30 ?4032次閱讀

    HBM與GDDR內(nèi)存技術全解析

    在高性能圖形處理領域,內(nèi)存技術起著至關重要的作用。本文介紹兩種主要的圖形內(nèi)存技術:高帶寬內(nèi)存(HBM)和圖形雙倍數(shù)據(jù)速率(GDDR),它們在架構、性能特性和應用場景上各有千秋。通過對比分析
    的頭像 發(fā)表于 11-15 10:47 ?5035次閱讀
    HBM與GDDR<b class='flag-5'>內(nèi)存</b>技術全解析

    海量數(shù)據(jù)處理需要多少RAM內(nèi)存

    海量數(shù)據(jù)處理所需的RAM(隨機存取存儲器)內(nèi)存量取決于多個因素,包括數(shù)據(jù)的具體規(guī)模、處理任務的復雜性、數(shù)據(jù)庫管理系統(tǒng)的效率以及所使用軟件的優(yōu)化程度等。以下是對所需內(nèi)存量的分析: 一、內(nèi)存
    的頭像 發(fā)表于 11-11 09:56 ?1913次閱讀

    Linux內(nèi)存泄露案例分析內(nèi)存管理分享

    作者:京東科技 李遵舉 一、問題 近期我們運維同事接到線上LB(負載均衡)服務內(nèi)存報警,運維同事反饋說LB集群有部分機器的內(nèi)存使用率超過80%,有的甚至超過90%,而且內(nèi)存使用率還再不停的增長。接到
    的頭像 發(fā)表于 10-24 16:14 ?1252次閱讀
    Linux<b class='flag-5'>內(nèi)存</b><b class='flag-5'>泄露</b>案例<b class='flag-5'>分析</b>和<b class='flag-5'>內(nèi)存</b>管理分享