Async-profiler生成HTML火焰图时的数组初始化问题分析
2025-05-28 13:40:12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
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 StartedRust0148- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0111
项目优选
收起
暂无描述
Dockerfile
731
4.73 K
Ascend Extension for PyTorch
Python
609
786
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 K
1.01 K
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
433
392
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
145
237
Claude 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 Started
Rust
1.15 K
148
暂无简介
Dart
983
251
Oohos_react_native
React Native鸿蒙化仓库
C++
348
401
昇腾LLM分布式训练框架
Python
166
197
🎉 (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
1.67 K
986