AdGuard浏览器扩展内存泄漏问题分析与解决方案
问题现象
近期在AdGuard浏览器扩展中发现了一个特定网页引发的内存泄漏问题。当用户访问某个商业新闻网站的文章页面时,如果保持该标签页处于活动状态,内存使用量会呈指数级增长,短时间内耗尽系统内存,最终导致页面崩溃并自动重新加载,形成一个恶性循环。
技术分析
该问题具有以下技术特征:
-
跨浏览器重现:问题不仅出现在Yandex浏览器中,在Google Chrome和Microsoft Edge等主流浏览器中同样可以重现,表明这是扩展本身的问题而非特定浏览器兼容性问题。
-
特定页面触发:问题似乎只出现在特定的商业新闻网站文章页面上,其他网站表现正常。这表明问题可能与特定网站的某些元素或脚本有关。
-
内存增长模式:正常情况下,页面内存使用量约为450KB,但在AdGuard扩展启用后,内存使用量会飙升至约8MB,并且持续增长直至崩溃。
根本原因
经过技术团队分析,发现问题源于AdGuard扩展对特定请求的拦截处理。具体来说:
-
请求拦截机制:AdGuard扩展在拦截
cmp.osano.com域名的请求时,未能正确处理内存释放,导致内存泄漏。 -
恶性循环:每次页面崩溃后自动重新加载,AdGuard扩展会重新开始拦截过程,再次引发内存泄漏,形成持续的内存消耗循环。
解决方案
针对这一问题,AdGuard团队提供了两种解决方案:
-
临时解决方案:用户可以在自定义规则中添加以下例外规则:
@@||cmp.osano.com^$domain=businessinsider.com这条规则会允许特定域名的请求通过,避免触发内存泄漏。
-
永久修复:AdGuard团队已在Cookies过滤器中提交了永久修复方案,更新过滤器后问题将自动解决。
技术启示
这个案例为我们提供了几个重要的技术启示:
-
扩展性能监控:浏览器扩展需要特别注意内存管理,特别是在处理动态内容拦截时。
-
特定场景测试:扩展开发团队需要针对各种网站类型进行充分测试,特别是那些使用复杂脚本和广告系统的新闻网站。
-
用户反馈机制:建立有效的用户反馈渠道对于快速发现和解决这类特定场景的问题至关重要。
结论
AdGuard团队通过用户反馈快速定位并解决了这个内存泄漏问题,展现了良好的响应能力和技术实力。对于用户而言,及时更新扩展或应用提供的临时解决方案都能有效避免这一问题。这也提醒我们,在使用内容拦截类扩展时,关注其内存使用情况并及时反馈异常现象,有助于维护更好的浏览体验。
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