Async-profiler生成HTML火焰图时的数组初始化问题分析
2025-05-28 08:03:10作者:裴麒琰
问题背景
在使用async-profiler工具生成火焰图时,部分用户遇到了HTML报告无法正常显示的问题。具体表现为浏览器控制台报错"Uncaught TypeError: Cannot read properties of undefined (reading 'push')",导致火焰图无法渲染。
问题现象
当用户执行类似以下命令生成火焰图报告时:
sudo ./asprof -d 5 -e cpu -i 1ms (pgrep Fleet) -f result.html
生成的HTML文件中包含如下JavaScript代码片段:
const levels = Array();
for (let h = 0; h < levels.length; h++) {
levels[h] = [];
}
由于levels数组未被正确初始化,导致后续操作无法正常执行。
技术分析
这个问题源于C++标准库中ofstream的实现特性。在特定环境下(特别是某些Linux发行版),ofstream在输出数字时可能出现异常,这通常与系统的locale设置有关。
在async-profiler的源码中,火焰图生成部分需要计算并输出两个关键参数:
- 火焰图的层级深度(depth)
- 各层级的初始化数组
由于ofstream未能正确输出这些数值参数,导致生成的HTML文件中缺少必要的初始化数据,最终表现为:
- levels数组未被正确初始化大小
- 火焰图canvas的高度参数缺失(表现为"height: px")
解决方案
该问题已在async-profiler的最新代码中得到修复。开发团队通过以下改进解决了这个问题:
- 移除了对ofstream的依赖(参见PR #872)
- 改进了数值参数的输出方式,确保在各种locale设置下都能正确工作
用户可以通过以下方式解决该问题:
- 使用最新的nightly构建版本
- 等待包含该修复的正式版本发布
技术建议
对于需要自行构建或修改类似工具的开发人员,在处理跨平台文件输出时应注意:
- 避免直接依赖标准库的本地化敏感输出
- 对于关键数值参数,建议使用明确的格式化输出
- 在生成网页内容时,确保所有必要的初始化参数都被正确设置
总结
这个问题展示了在开发跨平台性能分析工具时可能遇到的微妙问题。即使是标准库的行为,在不同的系统和环境下也可能表现出差异。async-profiler团队通过重构输出逻辑,从根本上解决了这个问题,体现了对工具稳定性的持续改进。
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
最新内容推荐
MQTT 3.1.1协议中文版文档:物联网开发者的必备技术指南 Solidcam后处理文件下载与使用完全指南:提升CNC编程效率的必备资源 Python案例资源下载 - 从入门到精通的完整项目代码合集 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 CrystalIndex资源文件管理系统:高效索引与文件管理的最佳实践指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南 Python开发者的macOS终极指南:VSCode安装配置全攻略 瀚高迁移工具migration-4.1.4:企业级数据库迁移的智能解决方案 STM32到GD32项目移植完全指南:从兼容性到实战技巧
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
402
3.12 K
Ascend Extension for PyTorch
Python
224
249
暂无简介
Dart
672
159
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++
663
315
React Native鸿蒙化仓库
JavaScript
262
324
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
🎉 (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
1.2 K
655
🔥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
64
19
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
219