Embassy项目中的select_slice函数内存安全问题分析
2025-06-01 19:20:34作者:邓越浪Henry
问题背景
在Embassy项目的异步编程框架中,select_slice函数被设计用于同时等待多个Future中的任意一个完成。然而,该函数的当前实现存在严重的内存安全问题,可能导致未定义行为(UB)或程序输出错误结果。
问题现象
通过一个简单的测试用例可以重现这个问题。程序创建了两个异步任务,使用select_slice等待其中一个完成,然后交换已完成和未完成的Future,最后尝试执行交换后的Future。在Miri(一个Rust的内存安全检查工具)下运行时,会报告"Undefined Behavior"错误;在常规运行时会输出随机内存地址而非预期值。
技术原理分析
问题的核心在于select_slice函数错误地处理了Future的Pin语义。具体来说:
- 该函数接受一个可变引用(&mut [Fut])作为参数,内部将这些Future转换为Pin<&mut Fut>进行轮询
- 函数返回后,这些Future又变回普通的可变引用
- 用户代码可以对这些Future进行移动或交换操作,违反了Pin的保证
在Rust的异步编程模型中,Pin类型用于确保某些Future不会被移动,因为它们可能包含自引用结构。当这些Future被移动后,自引用指针将指向错误的内存位置。
解决方案
正确的做法应该是让select_slice函数接受Pin<&mut [Fut]>作为参数。这样:
- 调用者必须首先将Future数组固定(Pin)在内存中
- 函数内部可以直接安全地获取每个Future的Pin引用
- 函数返回后,Future仍然保持固定状态,防止用户代码进行非法移动操作
这种修改保持了API的安全性,同时解决了内存安全问题。它强制调用者在调用select_slice之前就考虑好内存固定的问题,而不是在函数内部临时固定。
未来改进方向
虽然上述解决方案可以修复当前的内存安全问题,但从长远来看还有优化空间:
- 当Rust的分配器API稳定后,可以考虑接受Box<[Fut]>参数,这样可以在堆上分配并自动固定Future数组
- 另一种思路是使用&mut [Option]参数,让函数能够在完成时安全地释放其他Future
不过需要注意的是,Option方案需要谨慎处理,因为单纯依赖Option的析构函数来释放Future可能仍然存在安全问题。
总结
这个案例展示了在异步编程中正确处理Pin语义的重要性。Embassy项目的select_slice函数由于忽略了Pin的生命周期管理,导致了潜在的内存安全问题。通过修改API签名来强制提前固定内存,可以有效地解决这个问题,同时也为未来的API改进奠定了基础。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
暂无简介
Dart
667
153
Ascend Extension for PyTorch
Python
216
235
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
660
303
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
React Native鸿蒙化仓库
JavaScript
255
321
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
63
19
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.19 K
651
仓颉编程语言运行时与标准库。
Cangjie
141
876
仓颉编译器源码及 cjdb 调试工具。
C++
133
866