Lighthouse 项目中的高内存消耗问题分析与解决方案
2025-05-05 23:36:47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
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
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
407
3.14 K
Ascend Extension for PyTorch
Python
226
252
暂无简介
Dart
673
160
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++
664
319
🎉 (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
1.21 K
658
React Native鸿蒙化仓库
JavaScript
262
326
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
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
220
仓颉编译器源码及 cjdb 调试工具。
C++
135
868