Wagmi项目中useBlockNumber内存泄漏问题分析与解决方案
2025-06-04 13:13:33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
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-X1-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-X1-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile015
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
最新内容推荐
32位ECC纠错Verilog代码:提升FPGA系统可靠性的关键技术方案 ZLIB 1.3 静态库 Windows x64 版本:高效数据压缩解决方案完全指南 Jetson TX2开发板官方资源完全指南:从入门到精通 STDF-View解析查看软件:半导体测试数据分析的终极工具指南 2023年最新HTMLCSSJS组件库:提升前端开发效率的必备资源 Photoshop作业资源文件下载指南:全面提升设计学习效率的必备素材库 IEC61850建模工具及示例资源:智能电网自动化配置的完整指南 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 PADS元器件位号居中脚本:提升PCB设计效率的自动化利器 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
项目优选
收起
deepin linux kernel
C
24
7
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
306
2.7 K
仓颉编译器源码及 cjdb 调试工具。
C++
123
752
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
598
132
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
460
🎉 (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
1.06 K
616
Ascend Extension for PyTorch
Python
140
170
仓颉编程语言命令行工具,包括仓颉包管理工具、仓颉格式化工具、仓颉多语言桥接工具及仓颉语言服务。
C++
55
730
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++
634
232