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。
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
HunyuanVideo-1.5暂无简介00
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