Puerts项目xil2cpp版本多JsEnv并发访问导致崩溃问题分析
问题背景
在Unity项目中使用Puerts的xil2cpp版本时,当存在多个JsEnv实例并发运行且其中一个JsEnv实例被C#垃圾回收(GC)时,程序会出现概率性崩溃。这个问题在Release版本的xcode工程中尤为明显,而在Debug版本中则较少出现。
崩溃现象分析
从崩溃日志可以看出,崩溃发生在GC线程尝试释放虚拟机时。此时主线程中另一个JsEnv实例正在运行。这种多线程并发访问的情况在xil2cpp版本中尚未得到支持,因此导致了程序崩溃。
根本原因
-
多线程GC问题:在Release版本中,Unity使用了多线程GC机制,而Debug版本则使用单线程GC。这解释了为什么Debug版本不易复现该问题。
-
JsEnv生命周期管理:在测试用例中,存在大量创建JsEnv实例但未及时Dispose的情况。当GC线程尝试回收这些JsEnv实例时,如果主线程中其他JsEnv实例仍在运行,就会导致线程安全问题。
-
xil2cpp版本的特殊性:在默认版本中,由于il2cpp不支持将成员函数作为委托传递给原生代码,Puerts不得不将JsEnv实例存储在全局静态数组中,从而避免了GC自动回收JsEnv实例。而xil2cpp版本没有这种保护机制。
技术细节
-
线程安全:xil2cpp版本目前尚未实现对多线程访问的完整支持,当GC线程和主线程同时操作JsEnv相关资源时,就会出现竞态条件。
-
内存管理:JsEnv实例包含原生资源,理想情况下应该显式释放而不是依赖GC。测试用例中未及时Dispose的做法违反了这一原则。
-
调试与发布版本的差异:Debug版本使用单线程GC,减少了并发访问的可能性;而Release版本的多线程GC机制更容易暴露线程安全问题。
解决方案建议
-
显式资源管理:确保所有JsEnv实例在使用完毕后立即调用Dispose方法,而不是依赖GC来回收。
-
线程同步机制:在xil2cpp版本中实现适当的线程同步机制,确保GC线程和主线程不会同时访问关键资源。
-
全局实例管理:考虑采用类似默认版本的全局静态数组方案,避免GC自动回收JsEnv实例。
-
测试用例改进:修改测试用例,确保每个测试创建的JsEnv实例都能被正确释放。
总结
这个问题揭示了在Unity xil2cpp环境下使用Puerts时需要注意的几个关键点:线程安全、资源生命周期管理和不同构建配置的行为差异。开发者在使用多个JsEnv实例时应当特别注意显式管理资源,避免依赖自动GC机制,特别是在Release版本中。
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