Floorp浏览器内存泄漏问题分析与解决方案
问题背景
在Floorp浏览器11.17.6及更高版本中,用户报告了一个严重的性能问题:浏览器UI会周期性地出现数秒的卡顿,导致浏览器在这段时间内完全无法使用。经过深入分析,发现问题与浏览器处理大量Blob URL的方式有关,特别是在拥有大量标签页(约8个窗口,每个窗口100个标签页)的情况下尤为明显。
问题现象
用户观察到的主要症状包括:
- 浏览器UI周期性卡顿,每次持续数秒
- 主进程内存使用量异常增长,最高可达20GB
- 性能分析显示卡顿发生在Blob URL处理相关函数中
技术分析
通过性能分析和调试,我们定位到问题的核心在于mozilla::dom::BlobURLProtocolHandler::ForEachBlobURL()和mozilla::dom::PContentParent::SendInitBlobURLs()函数。这些函数在尝试序列化Blob URL时,需要遍历一个非常大的链表结构。
进一步调试发现:
- 系统中存在大量形式为
blob:null/<guid>的Blob URL - Blob URL哈希表中存在40402个条目
- 这些Blob URL是由
browser-favicon-color.mjs模块中的代码创建的
根本原因
问题的根本原因在于browser-favicon-color.mjs模块中使用了URL.createObjectURL()API来创建临时URL,但没有及时调用URL.revokeObjectURL()来释放这些资源。根据Web API规范,通过URL.createObjectURL()创建的URL生命周期与创建它的文档绑定,必须显式调用URL.revokeObjectURL()来释放。
具体来说,该模块在处理标签页图标颜色时,会创建Blob对象来表示图标数据,然后使用URL.createObjectURL()为这些Blob创建临时URL。由于没有及时释放,这些URL会不断累积,最终导致:
- 内存占用持续增长
- 在需要序列化或传输Blob URL时性能急剧下降
- 主进程响应变慢,UI卡顿
解决方案
解决此问题的关键在于正确管理Blob URL的生命周期。具体修改应包括:
- 在
browser-favicon-color.mjs中,为每个通过URL.createObjectURL()创建的URL添加对应的URL.revokeObjectURL()调用 - 确保在不再需要Blob URL时立即释放它
- 优化图标处理逻辑,减少不必要的Blob URL创建
实施建议
对于开发者而言,处理类似问题时应注意:
- 任何使用
URL.createObjectURL()的地方都必须配对的URL.revokeObjectURL()调用 - 考虑使用
try-finally块确保资源释放 - 对于频繁创建/释放的场景,可以考虑对象池或缓存机制
- 在性能敏感的代码路径中,避免创建大量临时对象
总结
这个案例展示了Web平台API使用不当可能导致的内存泄漏和性能问题。通过正确的资源管理实践,可以避免这类问题。Floorp浏览器团队已经注意到这个问题,并将在后续版本中修复。对于遇到类似问题的用户,建议检查自己的扩展或自定义脚本中是否存在未释放的Blob URL。
kernelopenEuler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。C033
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
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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