QuickJS 中的无限递归调用问题分析
问题概述
QuickJS 是一款轻量级的 JavaScript 引擎,最近在其 master 分支(74fd4d7)版本中发现了一个导致栈溢出的问题。该问题发生在特定 JavaScript 代码执行过程中,表现为无限递归调用导致的栈空间耗尽。
问题重现
问题可以通过以下测试代码重现:
function f(aqqusxkzn) {
var abudgcquf;
f.apply(null, ['']);
}
f('')
当使用 QuickJS 执行这段代码时,会触发栈溢出错误。从错误堆栈可以看出,问题发生在 JS_GetPropertyInternal2 函数中,这是一个典型的无限递归调用场景。
技术分析
调用链分析
从错误堆栈可以清晰地看到调用链:
- 初始调用
f('')进入函数 - 函数内部调用
f.apply(null, ['']) - 这又触发了
js_function_apply的执行 js_function_apply中通过JS_Call再次调用函数f- 这个过程无限循环,直到栈空间耗尽
根本原因
问题的核心在于函数 f 在其内部通过 apply 方法递归调用自身,而没有提供任何终止条件。这种无限递归调用在 JavaScript 中本应通过调用栈限制来捕获,但 QuickJS 的实现中似乎没有对这种深度递归进行适当的限制或优化。
关键函数分析
JS_GetPropertyInternal2 是 QuickJS 中用于获取对象属性的内部函数,位于调用链的顶端。当递归调用发生时,每次调用都需要获取函数的 length 属性,这导致了 JS_GetPropertyInternal2 的重复执行。
js_function_apply 函数负责处理 Function.prototype.apply 的调用,它在构建参数列表时会查询 arguments 对象的 length 属性,这进一步加剧了递归深度。
解决方案思路
针对这类问题,通常有以下几种解决方案:
-
尾调用优化(TCO):如果递归调用是尾调用形式,引擎可以实现尾调用优化,避免栈增长。不过 QuickJS 目前似乎没有完全实现这一优化。
-
显式递归深度限制:引擎可以设置最大调用深度,超过限制时抛出异常而非导致栈溢出。
-
循环展开:对于某些特定模式的递归,可以尝试转换为循环形式。
在 QuickJS 的具体实现中,可能需要:
- 在
js_function_apply中添加递归深度检测 - 优化属性获取路径,减少不必要的属性查询
- 考虑实现尾调用优化支持
对开发者的启示
这个案例给 JavaScript 开发者几个重要启示:
- 即使是简单的递归函数,也需要明确的终止条件
- 使用
apply或call方法进行递归时要格外小心 - 不同 JavaScript 引擎对递归的处理方式可能有差异
- 在生产代码中,应考虑将深度递归算法改写为迭代形式
结论
QuickJS 的这个栈溢出问题展示了 JavaScript 引擎在处理深度递归调用时的挑战。虽然从语言规范角度看这是符合预期的行为,但现代 JavaScript 引擎通常会实现各种优化来避免此类问题。对于 QuickJS 这样的轻量级引擎,需要在实现复杂度和健壮性之间找到平衡点。开发者在使用时也应当注意避免编写可能导致无限递归的代码模式。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0153- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0112