Lighthouse 项目中的高内存消耗问题分析与解决方案
2025-05-05 00:45:18作者:尤辰城Agatha
问题背景
在 GoogleChrome 的 Lighthouse 性能分析工具中,开发者报告了一个严重的内存消耗问题。当运行 Lighthouse 进行网页性能分析时,Node.js 进程会因内存不足而崩溃。通过内存分析工具发现,问题主要出在 trace engine 的 invalidationsForEvent 数据结构上。
问题现象
内存分析显示:
invalidationsForEvent数据结构占用了高达 328MB 内存- 该数据结构包含约 900 个条目
- 其中部分条目包含多达 10,000 个
SyntheticInvalidation事件
这种异常的内存增长导致 Node.js 进程无法完成分析任务而崩溃。
技术分析
invalidationsForEvent 是 trace engine 中用于跟踪无效化事件的数据结构。在网页渲染过程中,浏览器会产生大量样式和布局无效化事件,这些事件通常用于追踪哪些 DOM 变化导致了重新计算样式或布局。
问题根源在于:
- 现代网页的复杂性导致无效化事件数量激增
- 这些事件在 trace engine 中被完整记录,但 Lighthouse 实际上并不使用这部分数据
- 类似的内存问题在历史版本中也有出现,说明这是 trace engine 的一个持续性问题
解决方案
针对这个问题,开发团队提出了两个解决方向:
- 优化内存使用:对无效化事件的数据结构进行优化,减少内存占用
- 关闭未使用功能:由于 Lighthouse 并不使用这些无效化事件数据,可以考虑在 Lighthouse 运行时关闭这部分功能
实现进展
开发团队已经提交了一个修复方案,该方案在 trace engine 层面解决了内存问题。这个修复应该能够:
- 显著降低内存使用量
- 防止 Node.js 进程因内存不足而崩溃
- 保持 Lighthouse 的核心分析功能不受影响
对开发者的建议
对于遇到类似问题的开发者,可以:
- 升级到包含修复的最新版本 Lighthouse
- 如果问题仍然存在,考虑简化分析页面或增加 Node.js 进程的内存限制
- 关注 Lighthouse 的更新日志,了解性能优化的最新进展
这个问题展示了在性能分析工具开发过程中,如何平衡数据收集的完整性和系统资源消耗的挑战。通过持续优化,Lighthouse 团队正在不断提升工具的稳定性和可用性。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0115
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
763
4.96 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
856
1.92 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
676
1.33 K
Ascend Extension for PyTorch
Python
719
875
deepin linux kernel
C
32
16
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
455
437
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++
1.07 K
1.09 K
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
150
252
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
297
114
昇腾LLM分布式训练框架
Python
178
220