Browser crashes when downloading too many files during a capture
GeeRobin opened this issue · comments
环境信息：
webscrapbook版本：2.1.0、2.0.4
浏览器：Google Chrome 116.0.5845.188（正式版本） （64 位）、Google Chrome 117.0.5938.63（正式版本） （64 位）
操作系统：Microsoft Windows 10 22H2 (操作系统内部版本19045.3448)
我使用webscrapbook时间挺长的，而且我的使用场景比较严苛，相当于给webscrapbook做压力测试了。。
我使用场景的特别之处在于：我撷取的页面数据量比较大，撷取配置如图：
我撷取的页面是个社交网站，网站有个页面可以显示我关注的所有博主发的信息，关注的博主越多，该页面显示的消息就越多。我一般半个月（15天）撷取一次，将博主门最近半个月发的消息保存下来，每次撷取大概有1000~2500个文件（都是些字体文件、CSS文件、图片、HTML文件之类文件），有时文件数比较多（文件数目多达3500、3800、4600个），撷取一次的数据量在30M到100M之间，目前最大的单次撷取数据量是140M。。
以前撷取都挺正常的（虽然撷取时CPU、内存占用比较高），但从9月开始，Chrome浏览器开始崩溃（crash），撷取简单页面没问题，毕竟数据量不大。一旦我撷取大网页（比如我上面提到的社交网站的页面）浏览器就会crash，导致webscrapbook无法完成撷取。
一开始我以为是webscrapbook的问题，于是我把版本从2.1.0换成了之前可以正常撷取的2.0.4，但是没效果，浏览器依然crash。我又怀疑是浏览器的问题，于是将Chrome 从116.0.5845.188升级到117.0.5938.63，可浏览器依然崩溃，webscrapbook无法完成撷取。
我不知道Chrome为啥会崩溃，我唯一观察到的现象是，Chrome崩溃时，Chrome开启的进程数特别多，如下图，开启了900多个进程（有时甚至1000多个）：
不知道是不是因为Chrome开启的进程太多了以至于超出Chrome的承受范围进而导致崩溃。。
我试过调整chrome://flags/页面的Parallel downloading选项，据说这个选项可以开启Chrome多线程下载，于是我把该选项从Enabled改成了Default，我觉得改成了Default，Chrome应该就不会打开那么多进程了吧。可是，很遗憾，还是不行，Chrome依然崩溃。。
我现在彻底没办法了，只能求助大佬分析一下，这究竟是Chrome的问题还是webscrapbook的问题？？？
================
環境資訊：
webscrapbook版本：2.1.0、2.0.4
流覽器：Google Chrome 116.0.5845.188（正式版本） （64 位）、Google Chrome 117.0.5938.63（正式版本） （64 位）
作業系統：Microsoft Windows 10 22H2 (作業系統內部版本19045.3448)
我使用webscrapbook時間挺長的，而且我的使用場景比較嚴苛，相當於給webscrapbook做壓力測試了。。
我使用場景的特別之處在於：我擷取的頁面資料量比較大，擷取配置如圖：
我擷取的頁面是個社交網站，網站有個頁面可以顯示我關注的所有博主發的資訊，關注的博主越多，該頁面顯示的消息就越多。我一般半個月（15天）擷取一次，將博主門最近半個月發的消息保存下來，每次擷取大概有1000~2500個檔（都是些字體檔、CSS檔、圖片、HTML檔之類檔），有時文件數比較多（檔數目多達3500、3800、4600個），擷取一次的資料量在30M到100M之間，目前最大的單次擷取資料量是140M。。
以前擷取都挺正常的（雖然擷取時CPU、記憶體佔用比較高），但從9月開始，Chrome流覽器開始崩潰（crash），擷取簡單頁面沒問題，畢竟資料量不大。一旦我擷取大網頁（比如我上面提到的社交網站的頁面）流覽器就會crash，導致webscrapbook無法完成擷取。
一開始我以為是webscrapbook的問題，於是我把版本從2.1.0換成了之前可以正常擷取的2.0.4，但是沒效果，流覽器依然crash。我又懷疑是流覽器的問題，於是將Chrome 從116.0.5845.188升級到117.0.5938.63，可流覽器依然崩潰，webscrapbook無法完成擷取。
我不知道Chrome為啥會崩潰，我唯一觀察到的現象是，Chrome崩潰時，Chrome開啟的進程數特別多，如下圖，開啟了900多個進程（有時甚至1000多個）：
不知道是不是因為Chrome開啟的進程太多了以至於超出Chrome的承受範圍進而導致崩潰。。
我試過調整chrome://flags/頁面的Parallel downloading選項，據說這個選項可以開啟Chrome多執行緒下載，於是我把該選項從Enabled改成了Default，我覺得改成了Default，Chrome應該就不會打開那麼多進程了吧。可是，很遺憾，還是不行，Chrome依然崩潰。。
我現在徹底沒辦法了，只能求助大佬分析一下，這究竟是Chrome的問題還是webscrapbook的問題？？？
1. 請提供完整擷取選項以利進一步除錯。可到 擷取分頁為 > 進階設定 複製
2. 可能和瀏覽器套件架構與記憶體管理機制有關。請試試用 Edge 或 Firefox 是否仍會發生同樣問題。Chrome 請用乾淨設定檔（建立新的使用者且不安裝 WSB 以外的套件）試試
大佬的恢复速度很快啊，非常感谢。。
1，补充信息；
進階設定.txt
2，我试过 Edge 或 Firefox ，会出现同样的问题；
3，Chrome 请用干净配置文件（建立新的使用者且不安装 WSB 以外的套件）试试。这个我没试过，我马上试一下。。
额，不是上面的图片，搞错了。。
这个才是。。
建立新的使用者且不安装 WSB 以外的套件，
经测试，Chrome浏览器不会直接崩溃退出，Chrome GUI界面还在，不会退出，但是已经卡死了，点界面上的任何按钮都没有反应。总共需要下载下载840个文件（我特意减小了下载量），有674个文件下载不了，一直是.crdownload格式：
撷取过程中创建了808个进程：
平时我一般使用“获取分页”、“批量获取所有分页”这两个选项进行撷取：
本次测试我新建用户并安装WSB之后，使用WSB的默认配置，使用“获取分页”选项进行撷取：
=============
建立新的使用者且不安裝 WSB 以外的套件，
經測試，Chrome流覽器不會直接崩潰退出，Chrome GUI介面還在，不會退出，但是已經卡死了，點介面上的任何按鈕都沒有反應。總共需要下載下載840個檔（我特意減小了下載量），有674個檔下載不了，一直是.crdownload格式：
擷取過程中創建了808個進程：
平時我一般使用“獲取分頁”、“批量獲取所有分頁”這兩個選項進行擷取：
本次測試我新建用戶並安裝WSB之後，使用WSB的預設配置，使用“獲取分頁”選項進行擷取：
目前看起來似乎是 Chrome 對大量並行下載缺乏保護機制，因此下載的檔案數量太多時會造成 CPU 和記憶體超出負荷，但我測試 Firefox 似乎沒有同樣問題。
嘗試加上並行下載的數量限制，應該可以避免此問題。請下載 devel 分支的原始檔並將 src 目錄載入為測試套件試試是否仍有同樣問題。
经过几个小时的测试，使用devel分支的原始文件并将 src 目录加载为测试套件确实修复了问题，Chrome浏览器不再崩溃，CPU和内存占用也比以前明显降低。非常感谢大佬的及时响应，我的问题迅速得到了解决。
我建议将并行下载的数量限制做成一个配置项并添加到选项页面，让用户自己配置并行下载数，毕竟大家的电脑性能不一样，有的用户可能是最近刚买的高性能电脑，而其他用户的可能是10年的性能不好的老电脑。如果用户可以自行配置并行下载数就可以适应不同性能的电脑，这可以大大提高WSB的使用体验，也可以扩展WSB的使用场景。
之前我在Google搜过Chrome浏览器启动参数，希望找到一个可以限制Chrome浏览器进程数的参数。我确实找到一个参数（参数名忘记了），不过很遗憾，这个参数好像不起效，不知道是不是新版本的Chrome弃用了该参数，要以前的老版本才支持该参数。
===目前看起來似乎是 Chrome 對大量並行下載缺乏保護機制，===
不知道是不是最近Chrome浏览器有重大更新，因为以前是能正常撷取的。。。。我觉得那你可以给Chrome提一个issue，让他们关注一下这个问题
===但我測試 Firefox 似乎沒有同樣問題。===
针对您提到的这点，我重新在Firefox浏览器里测试了一遍。当撷取数据量不多时可以，但是撷取数据量一旦变大后就不行了，Firefox浏览器会崩溃，和我之前的测试结果一样。。（本次测试用的是2.1.0，不是devel分支下的 src 目录）
=========
經過幾個小時的測試，使用devel分支的原始檔並將 src 目錄載入為測試套件確實修復了問題，Chrome流覽器不再崩潰，CPU和記憶體佔用也比以前明顯降低。非常感謝大佬的及時回應，我的問題迅速得到了解決。
之前我在Google搜過Chrome流覽器啟動參數，希望找到一個可以限制Chrome流覽器進程數的參數，我確實找到一個參數（參數名忘記了），不過很遺憾，這個參數好像不起效，不知道是不是新版本的Chrome棄用了該參數，要以前的老版本才支援該參數。
我建議將並行下載的數量限制做成一個配置項並添加到選項頁面，讓使用者自己配置並行下載數，畢竟大家的電腦性能不一樣，有的使用者可能是最近剛買的高性能電腦，而其他使用者的可能是10年的性能不好的老電腦。如果使用者可以自行配置並行下載數就可以適應不同性能的電腦，這可以大大提高WSB的使用體驗，也可以擴展WSB的使用場景。
===目前看起來似乎是 Chrome 對大量並行下載缺乏保護機制，===
不知道是不是最近Chrome流覽器有重大更新，因為以前是能正常擷取的。。。。。我覺得那你可以給Chrome提一個issue，讓他們關注一下這個問題
===但我測試 Firefox 似乎沒有同樣問題。===
針對您提到的這點，我重新在Firefox流覽器裡測試了一遍，當擷取資料量不多時可以。但是擷取資料量一旦變大後就不行了，Firefox流覽器會崩潰，和我之前的測試結果一樣。。（測試用的是2.1.0，不是devel分支下的 src 目錄）
可否協助確認 devel 版在 Firefox 能否正常運作？以及你的 Firefox 版本？
有做成選項，可匯出／匯入或從進階選項更改，目前暫時未放在 GUI，因為一般使用者應該沒有更改的需求。
Chrome 的部分比較麻煩，可能你要先確認是在哪個舊版本能正常運作。
今天测试所用的Chrome版本：
本issue第一个Comment我提到我用的Chrome版本是116.0.5845.188、117.0.5938.63，之所以会有2个版本是因为一开始的版本是116.0.5845.188，后面由于撷取失败，于是我来到chrome://settings/help页面查看Chrome版本，可是只要我一来到chrome://settings/help这个页面，Chrome就会自动检查并升级到新版本，于是我的Chrome升级到了117.0.5938.63。我现在的版本是117.0.5938.89同样是因为我在chrome://settings/help页面查看版本时导致Chrome从117.0.5938.63升级到117.0.5938.89.。
我的Firefox版本：
Firefox安装本地插件和Chrome不一样，Chrome下我可以加载src目录，但在Firefox里不行，它必须的加载一个文件，后缀可以是*.xpi、.jar、.zip。我试了把src目录压缩成webscrapbook-devel-src.zip，但是Firefox无法加载这个我打包的zip文件。
今天測試所用的Chrome版本：
本issue第一個Comment我提到我用的Chrome版本是116.0.5845.188、117.0.5938.63，之所以會有2個版本是因為一開始的版本是116.0.5845.188，後面由於擷取失敗，於是我來到chrome://settings/help頁面查看Chrome版本，可是只要我一來到chrome://settings/help這個頁面，Chrome就會自動檢查並升級到新版本，於是我的Chrome升級到了117.0.5938.63。我現在的版本是117.0.5938.89同樣是因為我在chrome://settings/help頁面查看版本時導致Chrome從117.0.5938.63升級到117.0.5938.89.。
我的Firefox版本：
Firefox安裝本地外掛程式和Chrome不一樣，Chrome下我可以載入src目錄，但在Firefox裡不行，它必須的載入一個檔，尾碼可以是*.xpi、.jar、.zip。我試了把src目錄壓縮成webscrapbook-devel-src.zip，但是Firefox無法載入這個我打包的zip檔。
把 manifest.json 刪除再把 manifest-firefox.json 更名為 manifest.json，然後 Firefox 選擇載入該 manifest.json 檔案即可
Chrome 要測試舊版本的確很麻煩（某方面來說也不太需要），可能要找免安裝的 Chromium 比較好測試
嗯，确实。。Chrome官方好像也不提供历史版本的Chrome下载。。。
===Chrome 要測試舊版本的確很麻煩（某方面來說也不太需要），可能要找免安裝的 Chromium 比較好測試===
刚试了下，这样不行。
你要選擇除錯 > 載入暫用附加元件
一開始我就試了這個選擇除錯 > 載入暫用附加元件，不過當時我並沒有把manifest-firefox.json改成manifest.json，所以報錯。剛剛你更我說要把manifest-firefox.json改成manifest.json我沒有測試這個選擇除錯 > 載入暫用附加元件，慚愧慚愧。。
我在Firefox 和 Edge流覽器都試用了devel 版，都可以正常擷取。。
另外，您提到
===有做成選項，可匯出／匯入或從進階選項更改，目前暫時未放在 GUI，因為一般使用者應該沒有更改的需求。===
图中幾個參數看著都不像並行下載數的選項啊
看來限制同時下載數量就解決了，會納入新版 2.2.1。
CHANGELOG 有說明，調整 capture.downloadWorkers 即可，不過一般應該沒有更動的必要。