Unbound DNS服务器中的HTTP/2内存泄漏问题分析与修复
2025-06-24 23:19:56作者:毕习沙Eudora
在开源DNS服务器软件Unbound 1.22.0版本中,开发人员发现了一个严重的内存泄漏问题,该问题会在处理HTTP/2 over HTTPS(DoH)请求时出现。本文将深入分析该问题的技术细节、影响范围以及解决方案。
问题背景
Unbound作为一款高性能的递归DNS解析器,在1.22.0版本中实现了对DNS-over-HTTPS(DoH)协议的支持。然而在实际使用中发现,当系统处理大量DoH请求时,会出现持续的内存增长,最终可能导致内存耗尽。
技术分析
通过内存泄漏检测工具(LeakSanitizer)的分析,可以确定问题主要出现在HTTP/2会话处理的相关代码中。具体表现为:
- 在TCP连接接受回调函数(
comm_point_tcp_accept_callback)中创建的HTTP/2会话对象未能正确释放 - 提交的HTTP/2设置参数也存在内存泄漏
- 泄漏主要发生在
http2_session_server_create函数中
核心问题代码位于util/netevent.c文件的3159行和3177行附近,涉及nghttp2_session_server_new和nghttp2_submit_settings等HTTP/2库函数的调用。
问题影响
该内存泄漏会导致:
- 处理每个DoH连接都会泄漏约24KB内存
- 在高负载情况下内存消耗会持续增长
- 最终可能导致服务因内存不足而崩溃
- 影响所有启用DoH功能的Unbound 1.22.0版本
解决方案
开发团队通过以下修复措施解决了该问题:
- 在连接接受失败时正确清理HTTP/2会话对象
- 确保所有错误路径都能释放已分配的资源
- 改进资源释放的健壮性
修复的核心思想是确保在任何错误情况下都能正确释放已分配的HTTP/2会话资源,包括会话对象本身和相关的设置参数。
技术启示
这个案例为我们提供了几个重要的技术经验:
- 在使用第三方库(如nghttp2)时,必须确保所有资源分配都有对应的释放路径
- 错误处理路径的资源释放往往容易被忽视,需要特别关注
- 内存泄漏检测工具在复杂系统调试中具有重要价值
- 网络协议栈的实现需要特别注意资源管理的完整性
总结
Unbound DNS服务器中的这个HTTP/2内存泄漏问题展示了现代DNS实现中引入新协议支持时可能面临的挑战。通过细致的代码分析和全面的错误路径处理,开发团队成功解决了这一问题,为后续版本的稳定性奠定了基础。这也提醒我们在实现网络协议栈时需要特别注意资源管理的完整性。
对于使用Unbound DoH功能的用户,建议升级到包含此修复的版本,以避免潜在的内存泄漏问题。
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
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
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
173
193
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++
647
263
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
269
93
暂无简介
Dart
622
140
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
377
3.32 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (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
1.1 K
620
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
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