UStreamer项目中Janus插件JSON引用计数问题分析
2025-07-07 07:10:20作者:裘旻烁
在开源项目UStreamer的Janus插件实现中,发现了一个关于Jansson库JSON对象引用计数的潜在内存管理问题。这个问题涉及到JSON对象在插件消息处理过程中的双重释放风险。
问题背景
Janus插件在处理消息时使用了Jansson库来构建和操作JSON对象。Jansson库采用引用计数机制来管理JSON对象的内存生命周期。当引用计数降为零时,对象会自动被释放。
问题细节
在插件代码中,开发人员创建了一个JSON对象x_payload,然后通过json_object_set_new函数将其设置为另一个JSON对象m_result的属性。根据Jansson库的设计,json_object_set_new会"窃取"传入对象的引用,这意味着调用者不需要再手动释放该对象。
然而,代码中在设置完属性后,又对同一个x_payload对象调用了json_decref。这导致了潜在的双重释放问题:第一次释放发生在m_result被销毁时(通过其内部的引用计数机制),第二次则是显式的json_decref调用。
技术验证
通过地址消毒器(AddressSanitizer)的实际测试验证了这个问题确实存在。当执行到第二次json_decref时,系统检测到了对已释放内存的访问,产生了"heap-use-after-free"错误。
解决方案
正确的做法应该是:
- 创建
x_payload对象(引用计数初始为1) - 使用
json_object_set_new将其设置为m_result的属性(引用计数仍为1,但所有权转移) - 不再需要手动调用
json_decref,因为所有权已经转移
修复方法很简单:只需移除多余的json_decref调用即可。经过测试,这种修改既解决了双重释放问题,又没有引入新的内存泄漏。
经验总结
这个案例提醒我们:
- 在使用引用计数机制的内存管理库时,必须清楚每个API函数对引用计数的影响
- 像
json_object_set_new这类"窃取"引用的函数使用时需要特别小心 - 静态代码分析工具和运行时检测工具(如AddressSanitizer)能有效发现这类内存问题
- 即使代码看似能正常运行,潜在的内存问题仍可能在某些条件下导致崩溃
对于使用Jansson库的开发者来说,理解其引用计数规则至关重要,特别是在对象所有权转移的场景下。
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
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-1.5暂无简介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-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
项目优选
收起
deepin linux kernel
C
24
7
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
暂无简介
Dart
615
140
Ascend Extension for PyTorch
Python
168
190
React Native鸿蒙化仓库
JavaScript
240
315
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++
647
256
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
373
3.18 K
🎉 (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
1.09 K
618
🔥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
62
19
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
262
92