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。
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
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
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