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
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
523
3.72 K
Ascend Extension for PyTorch
Python
328
387
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++
876
576
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
335
161
暂无简介
Dart
762
187
🎉 (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
1.33 K
745
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
12
1
React Native鸿蒙化仓库
JavaScript
302
349
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
112
136