chrome源码剖析—进程通信
Chrome 浏览器采用多进程架构(multi-process architecture),这种架构使得每个浏览器标签、扩展、插件、GPU 渲染等都在独立的进程中运行。为了确保不同进程之间的高效通信,Chrome 使用 进程间通信(IPC, Inter-Process Communication) 机制。
在多进程架构中,IPC 是至关重要的,它用于在不同进程(如渲染进程、浏览器进程、插件进程等)之间传递数据和消息。通过 IPC,Chrome 保证了进程之间的隔离性、安全性以及信息交换的流畅性。
1. 进程间通信的设计原理
Chrome 的进程间通信机制基于以下几个关键原则:
1.1. 隔离性
- 每个进程都有自己的内存空间:例如,渲染进程和浏览器进程在物理上是分隔的,它们不能直接访问对方的内存。通过 IPC,进程间可以安全地交换信息。
- 容错性:由于进程是独立的,如果某个进程崩溃,不会直接影响到其他进程。比如,如果渲染进程崩溃了,浏览器进程仍然可以继续运行。
1.2. 高效通信
- 低延迟:虽然进程间的通信涉及到跨进程的数据传输,但 Chrome 的 IPC 机制高度优化,确保在需要时可以快速高效地交换消息。
- 异步设计:IPC 通常是异步的,即发送消息后,发送方不需要等待接收方的响应,从而避免了同步等待的性能瓶颈。
1.3. 安全性
- 沙箱机制:进程间通信是受控的,特别是在渲染进程中,Chrome 采用了沙箱机制,确保即使渲染进程被攻击,攻击者也无法直接访问浏览器进程。
- 消息过滤和验证:所有的消息都经过严格的过滤和验证,确保只有经过认证的进程和消息能够进行交互。
2. Chrome 的进程间通信机制
Chrome 使用 基于消息的通信机制 来处理进程间的交互。这些消息主要通过管道(pipe)或共享内存传递,确保信息的交换在多个进程之间能够顺利进行。Chrome 的 IPC 主要通过以下几个组件实现:
2.1. IPC 消息框架
Chrome 的 IPC 框架基于 mojo 和 IPC 通道。
-
Mojo:Chrome 使用
Mojo(一种用于跨进程通信的框架)来处理进程间的消息交换。Mojo 提供了一种高效且可扩展的方式来在不同进程间传递消息和数据。 -
IPC 通道:每对进程之间都有一个 IPC 通道,它是一个通信管道,允许发送者和接收者之间交换消息。每个通道都有一个发送端和接收端,消息从一个进程的发送端传输到另一个进程的接收端。
2.2. 通信的实现
Chrome 中的通信通常是通过以下两种方式来完成:
-
同步通信:发送方发送一个请求,接收方处理后返回响应。在某些需要立刻返回结果的场景中使用。
-
异步通信:发送方发出请求后,不需要等待接收方的响应,可以继续执行其他操作,接收方在处理完后通过回调机制通知发送方。
3. 消息传递机制
Chrome 的消息传递机制涉及两个主要部分:消息和消息通道。
3.1. 消息
Chrome 的 IPC 消息是结构化的数据,通常通过特定的格式进行序列化。消息包含以下内容:
- 消息类型:用于标识消息的种类,决定该消息的处理逻辑。
- 消息体:包含消息的数据,可以是简单的数据类型(如整数、字符串等),也可以是更复杂的数据结构(如结构体、数组等)。
- 序列化和反序列化:消息在发送之前需要进行序列化(将数据转换为字节流),接收方收到后进行反序列化(将字节流转换回原始数据结构)。
3.2. 消息通道
消息通道(IPC Channel)是用于发送和接收消息的物理通道。每对进程之间都有独立的消息通道。消息通道主要通过两种方式实现:
- 管道(Pipe):操作系统提供的低级通信机制,用于在进程间传递数据。
- 共享内存:如果消息量较大,或者通信需要较高的效率,Chrome 可以使用共享内存来传输消息。
3.3. 消息的序列化和反序列化
消息在传输过程中需要被序列化和反序列化。Chrome 使用自己的序列化库来完成这一过程。序列化可以将消息从复杂的数据结构转化为字节流,反序列化则将字节流恢复为原始的数据结构。这是跨进程通信的关键部分。
4. 核心设计原则
4.1. 分布式设计
- 独立进程:每个进程都在自己的地址空间内运行,避免了直接内存访问的风险,同时能够更好地隔离故障。
- 模块化:Chrome 的各个模块(浏览器进程、渲染进程、GPU 进程等)通过 IPC 进行通信,这使得 Chrome 的功能更加模块化和可扩展。
4.2. 高可扩展性
Chrome 使用的 IPC 框架(如 Mojo 和 IPC 通道)支持高并发和高效的消息传递,能够应对不断增长的用户需求和新的功能模块。
4.3. 可测试性
由于不同进程间的通信是通过消息机制来完成的,消息的传递和处理可以独立进行测试。每个消息和其响应都可以在不同的进程中进行模拟和验证,确保系统的可靠性。
5. 进程间通信的应用场景
Chrome 的多进程架构需要频繁的进程间通信,典型的应用场景包括:
-
浏览器进程与渲染进程之间的通信:
- 浏览器进程和渲染进程通过 IPC 传递页面内容、URL 信息、用户输入等。
-
渲染进程与 GPU 进程之间的通信:
- 渲染进程将页面内容交给 GPU 进程处理,使用 IPC 传输渲染指令和图形数据。
-
浏览器进程与扩展进程的通信:
- 扩展和插件通常是独立进程,通过 IPC 与浏览器进程通信,实现扩展功能。
-
浏览器进程与插件进程的通信:
- 插件作为单独进程运行,浏览器与插件之间通过 IPC 进行数据交换。
6. 总结
Chrome 的进程间通信(IPC)机制是其多进程架构的核心部分,保证了不同进程之间的隔离性、安全性和高效性。Chrome 通过 Mojo 和 IPC 通道 实现了高效的消息传递,支持同步和异步通信。每个进程之间通过消息机制来交换数据,确保了浏览器在不同平台上都能高效地运行。
IPC 设计遵循了以下原则:
- 进程隔离:提高安全性和可靠性。
- 高效通信:低延迟、高并发的消息机制。
- 模块化和可扩展性:便于增加新的进程和功能。
通过这些机制,Chrome 能够在不同的进程之间高效、安全地传递信息,从而提供流畅、稳定的浏览器体验。
相关文章:
chrome源码剖析—进程通信
Chrome 浏览器采用多进程架构(multi-process architecture),这种架构使得每个浏览器标签、扩展、插件、GPU 渲染等都在独立的进程中运行。为了确保不同进程之间的高效通信,Chrome 使用 进程间通信(IPC, Inter-Process …...
自定义数据集 使用tensorflow框架实现逻辑回归并保存模型,然后保存模型后再加载模型进行预测
在 TensorFlow 中实现逻辑回归、保存模型并加载模型进行预测的过程可以分为以下几个步骤: 准备数据:创建或加载你的自定义数据集。构建逻辑回归模型。训练模型。保存模型。加载模型。使用加载的模型进行预测。 import tensorflow as tf import numpy as…...
antdesignvue统计数据源条数、计算某列合计值、小数计算不精确多了很多小数位
1.在</a-table>下方加如下代码 <div>数据总条数:{ {tableData.length}}       <template>A列合计:{ {sum}}</template> </div> 注:tableData为<a-tabl…...
【MySQL】--- 复合查询 内外连接
Welcome to 9ilks Code World (๑•́ ₃ •̀๑) 个人主页: 9ilk (๑•́ ₃ •̀๑) 文章专栏: MySQL 🏠 基本查询回顾 假设有以下表结构: 查询工资高于500或岗位为MANAGER的雇员,同时还要满足他们的姓名首字母为…...
书生大模型实战营2
L0——入门岛 Python基础 Conda虚拟环境 虚拟环境是Python开发中不可或缺的一部分,它允许你在不同的项目中使用不同版本的库,避免依赖冲突。Conda是一个强大的包管理器和环境管理器。 创建新环境 首先,确保你已经安装了Anaconda或Minico…...
Vue.js 使用 Vuex 管理组件间的共享状态
Vue.js 使用 Vuex 管理组件间的共享状态 今天咱们来聊聊如何用 Vuex 来管理 Vue.js 应用中各个组件之间的共享状态。如果你曾经在项目中为了让组件共享数据而头疼,那么这篇文章就是为你准备的。 什么是 Vuex? 简单来说,Vuex 就是 Vue.js 的…...
我们需要有哪些知识体系,知识体系里面要有什么哪些内容?
01、管理知识体系的学习知识体系 主要内容: 1、知识管理框架的外部借鉴、和自身知识体系的搭建; 2、学习能力、思维逻辑能力等的塑造; 3、知识管理工具的使用; 4、学习资料的导入和查找资料的渠道; 5、深层关键的…...
HTML5+SVG+CSS3实现雪中点亮的圣诞树动画效果源码
源码介绍 这是一款基于HTML5SVGCSS3实现雪中点亮的圣诞树动画效果源码。画面中的圣诞树矗立在雪地中,天上飘落着雪花。当鼠标滑过圣诞树时,可见到圣诞树上的灯光闪烁,同时左下角探出雪怪模样的半个脑袋,四处张望着。整体画面栩栩…...
/opt安装软件,就可以使用man xx命令是为什么
引言 以neovim的安装过程为例 下载 curl -LO https://github.com/neovim/neovim/releases/latest/download/nvim-linux64.tar.gz sudo rm -rf /opt/nvim sudo tar -C /opt -xzf nvim-linux64.tar.gz添加环境变量前,是无法使用man nvim的 Then add this to your sh…...
【cran Archive R包的安装方式】
cran Archive R包的安装方式 添加链接描述 1.包被cran移除 2.包要求的R语言版本与你电脑上的版本不相符 ad archive包的网址或者是下载到工作目录下,ad等于文件名 install,packages(ad repos NULL)...
产业园管理系统提升企业综合管理效率与智能化水平的成功案例分析
内容概要 在当前科技迅猛发展的时代,越来越多的企业意识到数字化转型的重要性。为了提升管理效率和智能化水平,产业园管理系统应运而生,成为众多园区和商办写字楼不可或缺的一部分。无论是工业园、物流园还是公寓,这些系统都能为…...
Semantic Kernel - Plugins/Functions理解
目录 一、插件理解 二、插件使用 三、运行截图 四、总结 一、插件理解 插件是语义内核的关键组件。 如果已在 Microsoft 365 中使用了 ChatGPT 或 Copilot 扩展中的插件,则已熟悉它们。 使用插件,可以将现有 API 封装到 AI 可以使用的集合中。 这使你可以赋予你的 AI 执…...
LeetCode - #195 Swift 实现打印文件中的第十行
网罗开发 (小红书、快手、视频号同名) 大家好,我是 展菲,目前在上市企业从事人工智能项目研发管理工作,平时热衷于分享各种编程领域的软硬技能知识以及前沿技术,包括iOS、前端、Harmony OS、Java、Python等…...
强化学习数学原理(三)——值迭代
一、值迭代过程 上面是贝尔曼最优公式,之前我们说过,f(v)v,贝尔曼公式是满足contraction mapping theorem的,能够求解除它最优的策略和最优的state value,我们需要通过一个最优v*,这个v*来计算状态pi*&…...
探索人工智能在计算机视觉领域的创新应用与挑战
一、引言 1.1 研究背景与意义 在科技飞速发展的当下,人工智能(Artificial Intelligence, AI)已然成为引领新一轮科技革命和产业变革的重要驱动力。作为 AI 领域的关键分支,计算机视觉(Computer Vision, CV࿰…...
动手学图神经网络(4):利用图神经网络进行图分类
利用图神经网络进行图分类:从理论到实践 引言 在之前的学习中,大家了解了如何使用图神经网络(GNNs)进行节点分类。本次教程将深入探讨如何运用 GNNs 解决图分类问题。图分类是指在给定一个图数据集的情况下,根据图的一些结构属性对整个图进行分类,而不是对图中的节点进…...
关于java实现word(docx、doc)转html的解决方案
最近在研究一些关于文档转换格式的方法,因为需要用在开发的一个项目上,所以投入了一些时间,给大家聊下这块逻辑及解决方案。 一、关于word转换html大致都有哪些方法? (1)使用 Microsoft Word 导出 其实该…...
Padas进行MongoDB数据库CRUD
在数据处理的领域,MongoDB作为一款NoSQL数据库,以其灵活的文档存储结构和高扩展性广泛应用于大规模数据处理场景。Pandas作为Python的核心数据处理库,能够高效处理结构化数据。在MongoDB中,数据以JSON格式存储,这与Pandas的DataFrame结构可以很方便地互相转换。通过这篇教…...
DeepSeek-R1:强化学习驱动的推理模型
1月20日晚,DeepSeek正式发布了全新的推理模型DeepSeek-R1,引起了人工智能领域的广泛关注。该模型在数学、代码生成等高复杂度任务上表现出色,性能对标OpenAI的o1正式版。同时,DeepSeek宣布将DeepSeek-R1以及相关技术报告全面开源。…...
scratch变魔术 2024年12月scratch三级真题 中国电子学会 图形化编程 scratch三级真题和答案解析
目录 scratch变魔术 一、题目要求 1、准备工作 2、功能实现 二、案例分析 1、角色分析 2、背景分析 3、前期准备 三、解题思路 1、思路分析 2、详细过程 四、程序编写 五、考点分析 六、 推荐资料 1、入门基础 2、蓝桥杯比赛 3、考级资料 4、视频课程 5、py…...
信息学奥赛一本通 2110:【例5.1】素数环
【题目链接】 ybt 2110:【例5.1】素数环 【题目考点】 1. 深搜回溯 2. 质数 【解题思路】 1~n的数字构成一个环,要求相邻数字加和必须是质数。 该题最终输出的是一个序列,只不过逻辑上序列最后一个数字的下一个数字就是序列的第一个数字…...
MyBatis框架基础学习及入门案例(2)
目录 一、数据库建表(tb_user)以及添加数据。 (1)数据库与数据表说明。 (2)字段与数据说明。 二、创建模块(或工程)、导入对应所需依赖坐标。 三、编写MyBatis核心主配置文件。(解决JDBC中"硬编码"问题) (1&…...
python学opencv|读取图像(四十六)使用cv2.bitwise_or()函数实现图像按位或运算
【0】基础定义 按位与运算:全1取1,其余取0。按位或运算:全0取0,其余取1。 【1】引言 前序学习进程中,已经对图像按位与计算进行了详细探究,相关文章链接如下: python学opencv|读取图像&…...
蓝桥杯省一
四个月从c,cpp,算法一起学到省一(考研原因没参加国赛) 有疑问可以关注私信哦 帖子后续也会持续更新,分享算法竞赛(ccpc,天梯赛,蓝桥杯,浙大pta)相关知识...
【ProxyBroker】用Python打破网络限制的利器
ProxyBroker 1. 什么是ProxyBroker2. ProxyBroker的功能3. ProxyBroker的优势4. ProxyBroker的使用方法5. ProxyBroker的应用场景6.结语项目地址: 1. 什么是ProxyBroker ProxyBroker是一个开源工具,它可以异步地从多个来源找到公共代理,并同…...
C++ 新特性实现 ThreadPool
序言 在之前我们实现过线程池,但是非常基础。答题思路就是实现一个安全的队列,再通过 ThreadPool 来管理队列和线程,对外提供一个接口放入需要执行的函数,但是这个函数是无参无返回值的。 参数的问题我们可以使用 bind 来封装&a…...
【数据结构】_以SLTPushBack(尾插)为例理解单链表的二级指针传参
目录 1. 第一版代码 2. 第二版代码 3. 第三版代码 前文已介绍无头单向不循环链表的实现,详见下文: 【数据结构】_不带头非循环单向链表-CSDN博客 但对于部分方法如尾插、头插、任意位置前插入、任意位置前删除的相关实现,其形参均采用了…...
本地Harbor仓库搭建流程
Harbor仓库搭建流程 本文主要介绍如何搭建harbor仓库,推送本地镜像供其他机器拉取构建服务 harbor文档:Harbor 文档 | 配置 Harbor YML 文件 - Harbor 中文 github下载离线安装包 Releases goharbor/harbor 这是harbor的GitHub下载地址,…...
Android vendor.img中文件执行权问题
问题 Android 9、11往vendor.img增加文件,烧写到设备后发现增加的可执行文件没有执行权限。经过漫长查找,终于找到了问题的根源,谨以此篇献给哪些脚踏实地的人们。 根本原因 system/core/libcutils/fs_config.cpp文件,fs_confi…...
环境搭建--vscode
vscode官网下载合适版本 安装vscode插件 安装 MinGW 配置环境变量 把安装目录D:\mingw64 配置在用户的环境变量path里即可 选择用户环境变量path 点确定保存后开启cmd输入g,如提示no input files 则说明Mingw64 安装成功,如果提示g 不是内…...
