Viem项目中waitForTransactionReceipt()方法的内存泄漏问题分析
2025-06-27 23:49:01作者:卓炯娓
问题背景
在区块链开发中,等待交易确认是一个常见需求。Viem作为一个区块链开发工具库,提供了waitForTransactionReceipt()方法来帮助开发者等待交易上链。然而,该方法的实现存在一个潜在的内存泄漏问题,特别是在处理超时场景时。
问题现象
当使用waitForTransactionReceipt()方法时,如果传入一个无效或永远不会被打包的交易哈希,并且设置了超时时间,方法会在超时后正确地抛出WaitForTransactionReceiptTimeoutError异常。但问题在于,方法内部的轮询机制并没有被正确清理,导致以下问题:
- 测试框架(如Jest)在测试完成后无法正常退出
- 长时间运行的进程可能出现内存或资源耗尽
- 在重试机制或频繁轮询的场景下,问题会变得更加严重
技术分析
waitForTransactionReceipt()方法的实现依赖于内部的watchBlockNumber()轮询机制。当超时发生时,虽然外层Promise被拒绝,但内部的轮询订阅没有被正确取消。这导致了以下技术细节问题:
- 事件监听器未被移除
- 定时器未被清除
- 观察者模式中的订阅关系未被解除
这种资源泄漏在短期运行的应用中可能不明显,但在以下场景会带来严重问题:
- 自动化测试套件
- 长时间运行的后台服务
- 高频调用的轮询逻辑
解决方案
在官方修复此问题前,开发者可以采用以下临时解决方案:
- 自行实现轮询逻辑,使用getTransactionReceipt()配合setTimeout
- 在应用层捕获超时异常后,手动清理相关资源
- 限制waitForTransactionReceipt()的使用频率
一个典型的自定义实现方案如下:
async function safeWaitForReceipt(client, txnHash, timeoutMs, pollingIntervalMs) {
const start = Date.now();
while (Date.now() - start < timeoutMs) {
try {
const receipt = await client.getTransactionReceipt({ hash: txnHash });
if (receipt) return receipt;
} catch (error) {
if (!(error instanceof TransactionReceiptNotFoundError)) {
throw error;
}
}
await new Promise(resolve => setTimeout(resolve, pollingIntervalMs));
}
throw new Error('Timeout waiting for transaction receipt');
}
最佳实践建议
- 在使用任何轮询API时,都要确保有完善的资源清理机制
- 在生产环境中使用超时机制,避免无限等待
- 定期检查应用的内存使用情况,特别是长时间运行的服务
- 在测试环境中使用--detectOpenHandles等标志检测资源泄漏
总结
Viem的waitForTransactionReceipt()方法的内存泄漏问题提醒我们,在异步编程中资源清理的重要性。开发者在使用类似功能时应当:
- 了解底层实现机制
- 关注资源管理
- 在关键业务逻辑中考虑使用更可控的自定义实现
随着区块链应用的复杂度增加,这类底层工具库的稳定性和可靠性将直接影响整个系统的表现。建议开发者持续关注官方修复进展,并在生产环境中谨慎使用相关功能。
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
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