QuickJS-NG 中的递归调用导致栈溢出问题分析
2025-07-10 19:41:12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
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-X1-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-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。00
最新内容推荐
Qt控件CSS样式实例大全 - 打造现代化GUI界面的终极指南 2023年最新HTMLCSSJS组件库:提升前端开发效率的必备资源 PADS元器件位号居中脚本:提升PCB设计效率的自动化利器 TextAnimator for Unity:打造专业级文字动画效果的终极解决方案 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 STDF-View解析查看软件:半导体测试数据分析的终极工具指南 海康威视DS-7800N-K1固件升级包全面解析:提升安防设备性能的关键资源 IK分词器elasticsearch-analysis-ik-7.17.16:中文文本分析的最佳解决方案 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
311
2.72 K
deepin linux kernel
C
24
7
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++
639
242
仓颉编译器源码及 cjdb 调试工具。
C++
124
851
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!
C
1.03 K
469
Ascend Extension for PyTorch
Python
149
175
暂无简介
Dart
604
135
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
227
81
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
363
2.99 K
React Native鸿蒙化仓库
JavaScript
236
310