QuickJS-NG 中的递归调用导致栈溢出问题分析
2025-07-10 16:05:27作者:邵娇湘
问题背景
QuickJS-NG 是一个轻量级的 JavaScript 引擎实现,最近发现了一个由于递归调用导致的栈溢出问题。这个问题出现在处理特定 JavaScript 代码时,引擎会进入无限递归状态,最终触发栈溢出并导致程序崩溃。
问题现象
当执行以下 JavaScript 代码时,QuickJS-NG 会崩溃:
function main() {
delete this[this];
for (const v6 of [1]) {
for (const v10 in this) {
const v12 = {}.__proto__;
v12.toString = this[v10];
}
for (const v19 in this) {
const v20 = this[v19]-1;
}
}
}
main();
从调用栈可以看出,引擎在执行 delete this[this] 操作时进入了深度递归,最终因为栈空间耗尽而崩溃。
技术分析
1. 根本原因
问题的核心在于 delete this[this] 这个操作。当尝试删除一个属性时,引擎需要将 this 转换为属性键(property key),这个过程涉及到:
- 调用
JS_ToPropertyKey将this转换为原子(atom) - 在转换过程中,又需要调用
toString方法 - 而
toString方法可能又触发其他操作,形成递归调用链
2. 调用链分析
从崩溃的调用栈可以看到一个典型的无限递归模式:
JS_ToPropertyKey尝试将值转换为属性键- 调用
JS_ToStringInternal进行字符串转换 - 触发
toString方法的调用 - 方法调用又回到
JS_ToPropertyKey的路径
这种循环依赖导致了调用栈不断增长,最终耗尽栈空间。
3. 引擎内部机制
QuickJS-NG 在处理属性删除操作时,会遵循 ECMAScript 规范要求:
- 首先对属性键进行
ToPropertyKey转换 - 这个转换过程可能触发对象的
toString或valueOf方法 - 如果这些方法又触发了对当前对象的操作,就会形成递归
解决方案
修复这个问题的关键在于打破递归循环。合理的做法是:
- 在
JS_ToPropertyKey中检测递归调用 - 当检测到可能形成无限递归时,抛出异常而不是继续执行
- 限制最大递归深度,防止栈溢出
预防措施
对于 JavaScript 引擎开发者,这类问题可以通过以下方式预防:
- 实现递归深度计数器,限制最大调用深度
- 在关键路径上添加循环引用检测
- 对可能形成递归的操作进行特殊处理
- 增加测试用例覆盖这类边界情况
总结
这个案例展示了 JavaScript 引擎在处理语言特性时可能遇到的复杂情况。特别是当语言规范允许的操作可能导致无限递归时,引擎需要额外的保护机制来确保稳定性。QuickJS-NG 通过修复这个问题,进一步提高了对边缘情况的处理能力,增强了引擎的健壮性。
对于开发者而言,理解这类问题的本质有助于编写更安全的代码,避免触发引擎的边界条件。同时,这也提醒我们在实现语言运行时时要特别注意递归和循环引用等潜在问题。
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
JDK 8u381 Windows x64 安装包:企业级Java开发环境的完美选择 开源电子设计自动化利器:KiCad EDA全方位使用指南 VSdebugChkMatch.exe:专业PDB签名匹配工具全面解析与使用指南 电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 Adobe Acrobat XI Pro PDF拼版插件:提升排版效率的专业利器 32位ECC纠错Verilog代码:提升FPGA系统可靠性的关键技术方案 MQTT 3.1.1协议中文版文档:物联网开发者的必备技术指南 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 Jetson TX2开发板官方资源完全指南:从入门到精通 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案
项目优选
收起
deepin linux kernel
C
24
9
暂无简介
Dart
669
155
Ascend Extension for PyTorch
Python
219
236
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
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++
660
308
🔥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
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
392
3.81 K
React Native鸿蒙化仓库
JavaScript
259
322
🎉 (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
1.19 K
653
仓颉编程语言运行时与标准库。
Cangjie
141
878