- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我在我的 Amazon Linux EC2 实例和我的 Macbook Air (OSX) 上运行 Puppeteer 脚本。该脚本必须在一页上保持完整,并一遍又一遍地重复执行表单填写任务。
当我将它作为 pm2
守护进程运行时,我遇到了问题,我可以看到该进程的内存消耗每隔一两分钟就会增加,直到它阻塞服务器的内存。
为了克服这个问题,我使用了 pm2
的 --max-memory-restart
标志,它可以防止服务器崩溃,但 Node 进程每 30 次重启一次平均分钟。
这是代表我正在运行的代码的示例:
// Require the puppeteer library
const puppeteer = require('puppeteer');
async function scrape() {
// Create the browser
const browser = await puppeteer.launch({
headless: true,
ignoreHTTPSErrors: true,
args: [
'--no-sandbox',
'--disable-setuid-sandbox',
'--disable-dev-shm-usage',
'--disable-accelerated-2d-canvas',
'--no-first-run',
'--no-zygote',
'--single-process',
'--disable-gpu',
'--ignore-certificate-errors'
]
});
// Wrap scraping/testing code in try
try {
await initialFlow(browser, null); // Page instance is null for the first time
// Catch and log errors
} catch (error) {
// Your chance to handle errors
console.error(error);
} finally {
// Always close the browser
await browser.close();
}
}
const initialFlow = async (browser, page) => { // Save resources by reusing the browser and page instances
try {
if (!page) {
const pages = await browser.pages();
page = pages[0];
}
await page.setRequestInterception(true);
page.on('request', (req) => {
if (req.resourceType() == 'font' || req.resourceType() == 'image') { // Save resources by denying images and fonts from being rendered
req.abort();
} else {
req.continue();
}
});
await page.goto('about:blank'); // Go to blank page
await page.goto('https://www.google.com'); // For the example
await page.waitForSelector('#Form', { visible: true });
return await initialFlow(browser, page); // Perform the actions again on the same browser and page instances
} catch (err) {
return await initialFlow(browser, page);
};
}
// Run our function
scrape().catch(console.error);
运行此示例时,pm2 ls
命令中显示的内存从 30mb 左右开始,并随着时间的推移不断增加。
有什么建议可以防止这种内存泄漏吗?
最佳答案
将 browser.close()
放在 finally
block 中的荣誉,即使您正在进入无限循环。对于该线程的许多其他访问者来说,典型的内存泄漏问题是无法关闭通过代码的所有路径上的浏览器。
但是,使用递归而不是循环是相当奇怪的。幸运的是,由于它是异步的,堆栈不会崩溃,但代码很难理解,因为函数中发生了一些条件初始化。对控制流的误解可能会导致泄漏。
一个问题是您在每次调用 initialFlow
时不断将请求处理程序添加到页面:
page.on('request', (req) => {});
这些处理程序相互堆叠,占用内存。这是一个您可以运行以使用内存分析器观察问题的最小示例:
const puppeteer = require("puppeteer"); // ^19.1.0
const {setTimeout} = require("timers/promises");
let browser;
(async () => {
browser = await puppeteer.launch();
const [page] = await browser.pages();
for (;;) {
page.on("request", () => {});
await setTimeout(10);
}
})()
.catch(err => console.error(err))
.finally(() => browser?.close());
只需预先添加一次此处理程序,您就应该没问题,前提是代码中没有任何其他内容在翻译为您在此处共享的代码段时丢失。
快速重写,未经测试:
const puppeteer = require("puppeteer");
async function scrape() {
const browser = await puppeteer.launch({
headless: true,
ignoreHTTPSErrors: true,
args: [
"--no-sandbox",
"--disable-setuid-sandbox",
"--disable-dev-shm-usage",
"--disable-accelerated-2d-canvas",
"--no-first-run",
"--no-zygote",
"--single-process",
"--disable-gpu",
"--ignore-certificate-errors",
],
});
try {
const [page] = await browser.pages();
await page.setRequestInterception(true);
page.on("request", (req) => {
if (
req.resourceType() == "font" ||
req.resourceType() == "image"
) {
return req.abort();
}
req.continue();
});
for (;;) {
try {
await page.goto("about:blank"); // Go to blank page
await page.goto("https://www.google.com"); // For the example
await page.waitForSelector("#Form", {visible: true});
}
catch (err) {} // FIXME risky -- consider detecting if we hit
// this branch repeatedly so we can log it
}
}
catch (error) {
console.error(error);
}
finally {
await browser.close();
}
}
scrape().catch(console.error);
关于node.js - Puppeteer 内存增加问题,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/67056583/
我用运行 Node node --debug app OR node --debug-brk app 它有反应 debugger listening on port 5858 Express serv
这个问题在这里已经有了答案: What is the difference between (int *i) and (int* i) in context of both C and C++? [
我有一个应用程序,它通过消息队列将数据库写入命令分派(dispatch)给工作人员(数量非常大),因此无法保证它们的接收顺序。 我有两个 Node ,例如“Account”和“Media”。在此假设的
有没有办法在调用 ts-node 时将选项传递给 Node ?我正在尝试在 Node 中使用一个实验性功能,如果它能与 ts-node 一起使用,那就太好了。 这就是我目前正在做的事情: ts-nod
我有一个容器化的Node应用程序,它在DigitalOcean服务器上运行。当我更新服务器上的应用程序时,该应用程序必须关闭一小段时间。为了能够更新应用程序并避免停机,我目前正在阅读零停机时间部署/蓝
我正在编写一个 Node.js 应用程序。我正在使用 request 和 Cheerio 加载一组 URL 并获取该网站的大量信息,现在假设我想要获取的只是标题: var urls = {"url_1
如果不弹出以下错误,我无法安装任何 Node.js 模块。错误代码引用package.json文件。如果知道为什么会发生这种情况,我们将不胜感激。 最佳答案 这些不是错误,它们只是警告。一切都应该如此
如果我运行(从我的项目目录中): supervisor javascripts/index.js 我得到:/usr/bin/env: Node :没有这样的文件或目录 如果我运行: node java
我已遵循使用 Node-Inspector 的所有步骤 但是当我打开应用程序时,我在控制台上看不到任何脚本或日志。 我的应用程序在端口 4000 上运行。我认为唯一可能发生冲突的是端口 8080 上的
我在android中使用rxjava2,有时会遇到这样的问题: Observable.fromArray( // maybe a list about photo url in SD
我目前正在使用 Node 光纤来编写同步服务器端代码。我主要通过 try-catch block 进行错误处理,但外部库或其他小部分异步代码中总是有可能发生错误。我正在考虑使用新的域功能来尝试将这些错
看起来node-debug是node-inspector周围的一个shell?分别什么时候应该使用? 最佳答案 如果您安装node-debug,您只能访问node-debug命令。 如果您安装node
我目前正在代理后面工作,该代理不允许我执行此命令的 HTTP GET 请求阶段: Node node-sass/scripts/build.js 请求阶段: gyp http GET https://
听说node js可以用在服务端。我以前用过jsp。 jsp页面内部的java代码对客户端是不可见的。如果 Node js 只是 javascript,那么它如何对客户端不可见? 最佳答案 首先,No
我正在为 Node native 插件从 node-waf 构建迁移到 node-gyp 构建系统。 node-gyp 说它支持多个目标版本,但我在使用 node-gyp 时找不到如何指定目标 Nod
给定一个 $node ,我正在尝试在以下两种输出该 $node 的方式之间做出决定。 要么 $output = theme('node', $node); 或 node_build_content($
如果package.json中的窗口A打开一个新窗口B,node-main如何访问它?这是我的代码: package.json { "main": "index.html",
我试图在我的 xml 中的特定节点 ( ) 之前插入一个注释节点。这是它的方法: function test(xmlResponse) { var parser = new DOMParse
我正在尝试做npm install wrtc使用 Node 版本 16.14.0 但这还没有完成。它在给npm error code 1所以我试图将 Node 版本更改为以前的 lts 14.19.0
当我在 Visual Studio 中运行 Node.js 应用程序时,我收到以下消息:DeprecationWarning: 'node --debug' 和 'node --debug-brk'
我是一名优秀的程序员,十分优秀!