Reactor Core中TimedScheduler的内存泄漏问题分析与修复
问题背景
在Reactor Core项目的Micrometer集成模块中,TimedScheduler是一个用于包装原生Scheduler并提供度量指标功能的装饰器类。它通过Micrometer库来收集和暴露调度器的各种运行时指标,如待处理任务数、活跃任务数等。
问题现象
开发团队发现,当使用TimedScheduler时,在某些特定场景下会出现内存泄漏问题。具体表现为:当一个被调度的任务在被执行前被取消(dispose)时,该任务对应的待处理任务指标样本(pending sample)不会被正确清理,导致这些样本对象在内存中不断累积。
问题分析
这个问题主要出现在以下典型场景中:
- 使用timeout操作符时,会提交一个延迟任务来表示超时
- 如果响应式链在超时触发前完成,这个延迟任务会被取消
- 在现有实现中,任务取消时没有同步清理对应的待处理指标样本
这种场景在实际应用中非常常见,特别是频繁使用timeout操作符的情况下,内存泄漏问题会迅速显现。
技术细节
TimedScheduler内部使用LongTaskTimer来跟踪待处理任务。当任务被调度时,会创建一个Sample对象来记录任务进入待处理状态的时间。理想情况下,这个Sample应该在以下两种情况下被停止:
- 任务被执行时
- 任务被取消时
但原实现只处理了第一种情况,忽略了任务被取消的场景。
解决方案
经过讨论和验证,最终采用了以下解决方案:
- 将TimedRunnable同时实现Disposable接口
- 在任务类内部维护对实际Disposable的引用
- 重写dispose方法,在取消任务时同时停止对应的指标样本
- 重构调度逻辑,将重复的计数器操作集中到TimedRunnable中
这种设计既解决了内存泄漏问题,又避免了创建额外的包装对象,保持了良好的性能特性。
修复效果
修复后,系统能够正确跟踪所有场景下的任务生命周期:
- 任务正常执行:指标样本在执行时停止
- 任务被拒绝:指标样本在拒绝时停止
- 任务被取消:指标样本在取消时停止
这彻底解决了因任务取消导致的指标样本泄漏问题,保证了系统的稳定性和指标数据的准确性。
总结
这次修复展示了在构建监控系统时需要考虑的完整生命周期管理。特别是在异步、响应式编程模型中,任务的取消和拒绝是常见场景,监控系统必须妥善处理这些边界条件,才能提供准确可靠的指标数据,同时避免资源泄漏问题。
对于使用Reactor Core的开发者来说,这次修复意味着在使用timeout等操作符时,可以放心地依赖TimedScheduler提供的指标,而不必担心内存泄漏的风险。这也为其他类似的监控集成实现提供了良好的参考范例。
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~057CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。07GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0381- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选









