Puerts项目中动态委托导致UObject内存泄漏问题分析
问题背景
在Unreal Engine游戏开发中,Puerts作为连接TypeScript和C++的桥梁,提供了强大的脚本能力。然而,在使用动态委托(Dynamic Delegate)时,开发者可能会遇到一个潜在的内存泄漏问题,特别是当委托绑定到生命周期较长的UObject时。
问题现象
当开发者使用toDelegate方法将JavaScript函数转换为UE委托并绑定到长期存在的UObject(如UWorld、GameInstance或Subsystem)时,每次调用该委托都会创建一个新的UDelegateProxy对象。随着时间推移或频繁调用,这些代理对象会不断累积,最终可能导致超过UE引擎的UObject数量限制,引发崩溃。
技术原理分析
-
委托机制:Unreal Engine中的动态委托允许将函数绑定为回调,Puerts通过创建UDelegateProxy对象来实现TypeScript函数与UE委托的桥接。
-
生命周期管理:
toDelegate方法设计的初衷是将JavaScript函数的生命周期与指定的UObject(owner)绑定,当owner被垃圾回收时自动释放相关资源。 -
泄漏根源:当owner是长期存在的对象时,每次调用委托都会创建新的代理对象,而旧的代理对象由于owner仍然存在而无法被释放。
问题复现
通过以下代码可以复现该问题:
class MyPlayerController extends UE.PlayerController {
ReceiveBeginPlay(): void {
this.CallbackEvent = toDelegate(this, this.FooCallback.bind(this));
for(let i = 0; i < 1000; i++) {
UE.TPBlueprintFunction.CallSimpleDynamicDelegate(this.CallbackEvent);
}
}
ReceiveTick(DeltaSeconds: number): void {
UE.TPBlueprintFunction.CallSimpleDynamicDelegate(this.CallbackEvent);
}
FooCallback(): void {
console.log("FooCallback");
}
private CallbackEvent: UE.$Delegate<() => void>;
}
随着游戏运行,SysObjectRetainer中保存的UDynamicDelegateProxy会持续增加且永不释放。
解决方案
-
正确使用API:对于生命周期长的owner对象,应使用
toManualReleaseDelegate而非toDelegate,前者提供了手动释放的接口。 -
API设计考量:
toManualReleaseDelegate内部已经做了去重处理,防止同一函数被多次绑定到不同签名的委托。 -
开发者注意事项:
- 明确区分
toDelegate和toManualReleaseDelegate的使用场景 - 短期对象使用
toDelegate实现自动管理 - 长期对象使用
toManualReleaseDelegate并手动管理生命周期
- 明确区分
最佳实践建议
- 对于PlayerController等生命周期明确的类,可以使用
toDelegate - 对于GameInstance、Subsystem等长期存在的类,应使用
toManualReleaseDelegate - 在适当的时机(如EndPlay时)调用释放方法清理手动管理的委托
- 避免在Tick等高频函数中频繁创建新的委托绑定
总结
Puerts提供的委托绑定机制虽然强大,但需要开发者正确理解其生命周期管理原理。通过合理选择API并遵循最佳实践,可以有效避免内存泄漏问题,确保游戏稳定运行。理解底层机制是高效使用Puerts的关键,特别是在处理跨语言边界的内存管理时更需谨慎。
kernelopenEuler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。C092
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python058
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00