Wagmi项目中useBlockNumber内存泄漏问题分析与解决方案
2025-06-04 20:57:15作者:傅爽业Veleda
问题背景
在Wagmi项目中,当开发者使用useBlockNumber({watch: true})钩子函数时,会出现严重的内存泄漏问题。具体表现为:每当新区块产生时,系统都会创建一个新的WebSocket订阅,而旧的订阅却不会被正确关闭。随着时间推移,这将导致内存耗尽,最终使RPC服务对客户端进行速率限制。
问题现象
开发者在使用该钩子时观察到以下异常行为:
- 每次区块更新都会创建新的WebSocket订阅
- 订阅数量随时间线性增长
- 当有多个组件使用该钩子时,问题会成倍恶化
- 最终导致内存耗尽和RPC服务限制
问题根源
经过深入分析,发现问题出在useWatchBlockNumber内部实现上。该钩子使用了React的useEffect来管理WebSocket订阅,但由于依赖项比较的问题,导致每次区块更新都会触发新的订阅创建,而旧的订阅却没有被正确清理。
具体来说:
useEffect依赖项中包含了一个对象,React使用Object.is进行严格相等比较- 每次渲染时,依赖对象都会被重新创建,导致React认为依赖项发生了变化
- 这触发了
useEffect的重新执行,创建新的订阅 - 清理函数虽然存在,但由于订阅管理不当,旧的订阅没有被正确关闭
解决方案
经过社区讨论和代码审查,最终确定了两种解决方案:
方案一:使用引用保持订阅对象
通过使用React的useRef来保持订阅对象的引用,确保useEffect只在组件挂载和卸载时执行一次:
const subscription = useRef<() => void>()
useEffect(() => {
const unsubscribe = watchBlockNumber(client, {
onBlockNumber: (blockNumber) => {
setBlockNumber(blockNumber)
},
chainId,
})
subscription.current = unsubscribe
return () => {
subscription.current?.()
subscription.current = undefined
}
}, [])
这种方法确保了:
- 订阅只创建一次
- 组件卸载时正确清理订阅
- 避免了不必要的重复订阅
方案二:利用Viem的observe机制
在底层Viem库中,watchBlockNumber已经内置了订阅管理机制。通过正确使用Viem的observe功能,可以避免重复订阅的问题:
useEffect(() => {
return observe(client, {
onBlockNumber: (blockNumber) => {
setBlockNumber(blockNumber)
},
chainId,
})
}, [])
这种方法更加简洁,且利用了底层库提供的订阅管理能力。
最佳实践建议
对于需要在应用中监听区块更新的开发者,建议:
- 尽量将区块监听逻辑提升到应用顶层,避免多个组件各自监听
- 使用Context API共享区块数据,而不是在每个需要的地方单独订阅
- 确保及时清理订阅,防止内存泄漏
- 考虑使用防抖或节流技术,避免过于频繁的更新
总结
Wagmi中的useBlockNumber内存泄漏问题是一个典型的React副作用管理不当导致的案例。通过正确管理订阅生命周期和利用底层库提供的功能,可以有效解决这类问题。开发者在使用这类实时数据订阅功能时,应当特别注意资源管理和清理工作,以确保应用的稳定性和性能。
该问题的解决也展示了开源社区协作的力量,通过开发者报告、社区讨论和代码贡献,最终找到了优雅的解决方案。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0153- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0112
项目优选
收起
暂无描述
Dockerfile
733
4.75 K
deepin linux kernel
C
31
16
Ascend Extension for PyTorch
Python
652
797
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
1.25 K
153
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
1.1 K
611
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++
1.01 K
1.01 K
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
147
237
昇腾LLM分布式训练框架
Python
168
200
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
434
395
暂无简介
Dart
986
253