Puerts项目中的UE Mixin基类PIE二次启动崩溃问题分析
2025-06-07 11:32:02作者:凌朦慧Richard
问题现象
在Unreal Engine 5.3环境下使用Puerts 1.0.6.1版本时,开发者遇到了一个特定场景下的崩溃问题。具体表现为:
- 创建了一个继承层级:BP_BaseDerive继承自BP_Base,BP_Base继承自Pawn
- 对BP_Base类进行了Mixin操作,重写了ReceiveBeginPlay和ReceiveTick函数
- 运行时通过Spawn创建BP_BaseDerive实例
- 第一次PIE(Play In Editor)运行正常
- 停止PIE后再次启动PIE时,游戏崩溃
崩溃时的错误信息显示为EXCEPTION_ACCESS_VIOLATION读取非法内存地址,调用栈显示在UObjectBaseUtility::GetPathName处发生崩溃。
技术背景
在Unreal Engine中,Mixin是一种将脚本功能混合到原生类中的技术。Puerts通过Mixin机制允许TypeScript代码重写UE类的函数。UClass内部会缓存查找过的函数以提高性能,这种缓存机制在正常情况下工作良好。
问题根源
经过深入分析,发现问题出在UClass的函数查找缓存机制与Mixin清理逻辑的交互上:
- UClass::FindFunctionByName会将查找结果缓存起来以提高后续查找效率
- 当清理Mixin时,现有代码只清理了当前类的函数缓存
- 但未清理该类的子类缓存
- 导致子类后续可能查找到已经过期的UFunction对象
- 当引擎尝试使用这些无效的函数对象时,最终引发了内存访问违例
解决方案
修复方案的核心思路是:在清理Mixin时,不仅要清理当前类的函数缓存,还需要递归清理所有子类的相关缓存。这确保了:
- 所有相关的缓存条目都被正确清除
- 后续的函数查找会得到正确的结果
- 避免了使用过期的函数对象
经验总结
这个案例揭示了几个重要的开发经验:
- 缓存机制虽然能提高性能,但必须与对象的生命周期管理严格同步
- 在继承体系中,对父类的操作可能需要考虑对子类的影响
- UE引擎内部的缓存机制需要特别关注,特别是在动态修改类结构的场景下
- PIE模式下的二次运行问题往往能暴露出一系列生命周期管理问题
最佳实践建议
基于此问题的经验,建议开发者在处理类似场景时:
- 充分理解UE的类缓存机制
- 在修改类结构时,考虑继承体系的影响
- 对PIE模式下的多次运行进行充分测试
- 在实现Mixin等动态修改类功能时,确保清理逻辑的完整性
这个问题虽然表面现象复杂,但通过分析调用栈和了解引擎内部机制,最终定位到了缓存管理这一根本原因,为类似问题的排查提供了有价值的参考。
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
Spark-Prover-X1-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
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
最新内容推荐
Qt控件CSS样式实例大全 - 打造现代化GUI界面的终极指南 2023年最新HTMLCSSJS组件库:提升前端开发效率的必备资源 PADS元器件位号居中脚本:提升PCB设计效率的自动化利器 TextAnimator for Unity:打造专业级文字动画效果的终极解决方案 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 STDF-View解析查看软件:半导体测试数据分析的终极工具指南 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 IK分词器elasticsearch-analysis-ik-7.17.16:中文文本分析的最佳解决方案 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 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
项目优选
收起
deepin linux kernel
C
24
7
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
316
2.74 K
仓颉编译器源码及 cjdb 调试工具。
C++
124
852
Ascend Extension for PyTorch
Python
155
178
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++
639
246
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
241
85
暂无简介
Dart
606
136
React Native鸿蒙化仓库
JavaScript
239
310
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
470
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
364
3.02 K