System Informer内存泄漏问题分析与修复
问题背景
System Informer(原名Process Hacker)是一款功能强大的系统监控工具,近期用户报告该软件存在严重的内存泄漏问题。典型表现为软件运行过程中内存占用持续增长,从最初的几GB逐渐膨胀到40GB以上,最终导致整个系统运行缓慢。用户反馈该问题在3.0.7422版本中出现,运行环境为Windows 10系统。
问题诊断过程
初步排查
技术人员首先建议用户尝试禁用所有插件来排查问题,但测试发现即使禁用所有插件后,内存泄漏问题依然存在,排除了插件导致问题的可能性。
深入分析
为了精确定位问题,技术人员指导用户使用Windows Performance Recorder(WPR)工具捕获ETW(Event Tracing for Windows)跟踪数据,特别是虚拟内存分配(VAlloc)和堆(Heap)相关的跟踪信息。这类跟踪可以记录软件运行过程中所有的内存分配和释放操作。
由于用户无法成功使用Windows Performance Analyzer(WPA)分析捕获的数据,技术人员通过检查用户提供的跟踪文件,最终定位到问题根源在于设备的支持功能模块中存在内存泄漏。
问题根源
分析发现,内存泄漏的具体原因是设备提供程序(device provider)中HDEVINFO句柄未被正确释放。在System Informer的设备树实现中:
- 每个设备项都引用这个HDEVINFO句柄,以便能够独立查询设备信息
- 虽然树对象释放时会解除对这个句柄的引用
- 但树中的每个设备项却没有正确解除对句柄的引用
这种设计原本是为了支持设备属性对话框等功能,确保在树的其他部分可能被解除引用时,仍能保持对设备信息的访问能力。然而实现上的疏忽导致了句柄泄漏。
解决方案
技术人员提交了修复代码(commit 9f440fe6de25ea59013eddaba2bc1c0bf7fb5615),主要修改包括:
- 确保设备树中每个设备项都能正确解除对HDEVINFO句柄的引用
- 保持原有功能不受影响的前提下,完善内存管理逻辑
该修复已包含在3.0.7432版本中发布。对于暂时无法升级的用户,可以通过以下临时解决方案缓解问题:
- 打开System Informer
- 进入"选项 > 高级"设置
- 将"EnableDeviceSupport"值设为0
- 重启软件
技术启示
这个案例展示了几个重要的软件开发实践:
- 资源管理:对于系统句柄这类资源,必须确保在不再需要时及时释放
- 复合对象设计:当对象之间存在复杂的引用关系时,需要特别注意资源生命周期管理
- 诊断工具使用:ETW跟踪是诊断Windows平台内存问题的强大工具
- 防御性编程:对于可能长期运行的系统工具软件,内存管理需要格外谨慎
这类问题也提醒我们,在开发系统级工具时,不仅要关注功能实现,还需要特别注意资源管理,避免因长期运行积累的小问题最终影响整个系统的稳定性。
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
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
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
yuanrongopenYuanrong runtime:openYuanrong 多语言运行时提供函数分布式编程,支持 Python、Java、C++ 语言,实现类单机编程高性能分布式运行。Go051
MiniCPM-SALAMiniCPM-SALA 正式发布!这是首个有效融合稀疏注意力与线性注意力的大规模混合模型,专为百万级token上下文建模设计。00
ebook-to-mindmapepub、pdf 拆书 AI 总结TSX01