这两天掘金热榜上 AI 写大屏的内容扎堆:一篇「Codex + Blender MCP + React 做医院三维大屏」挂着 10k 热度,另一篇「AI 帮我生成了炫酷的 3D 大屏,上线 3 天就卡崩了」也进了推荐流。爽文讲全流程,翻车文讲心路,但卡崩这件事本身,从头到尾没人给过数据------到底卡在哪,内存涨多快,什么时候死。
我把 AI 生成 Three.js 代码时最常见的几种「顺手写法」收集起来,在 Node 里逐个复现。先交代测量边界:Node 里没有 WebGLRenderer,GPU 侧测不了,但 AI 生成代码的病灶大多长在 JS 侧------场景图怎么堆、对象怎么泄漏,这些在 Node 里能测得一清二楚。顺带一个额外好处:没有显卡差异,同一台机器跑出来的曲线,横向对比是干净的,不会被「你这卡好」糊掉。three 版本 0.187.0(npm 官方包),Node v22,实验脚本就三个文件,都能复现。
每帧 new,一行 remove 都没有
AI 生成大屏代码有个高频模式:数据每帧都在变,AI 顺手就写了「重建」------每帧 new 一个 BufferGeometry、new 一个材质、new 一个 Mesh,add 进场景。我拿一个滚动数据点的场景做复现,代码长得人畜无害:
ini
// bad.mjs:每帧重建,从不清理
for (let f = 0; f < FRAMES; f++) { // FRAMES = 3600,模拟 60fps × 60 秒
const geo = new THREE.BufferGeometry();
geo.setAttribute('position',
new THREE.BufferAttribute(makePoints(POINTS), 3)); // 2000 个数据点
const mat = new THREE.MeshBasicMaterial({ color: Math.random() });
const mesh = new THREE.Mesh(geo, mat);
scene.add(mesh);
}
2000 个点,position 是 Float32Array(6000),24KB 一个。这在 AI 眼里是再正常不过的写法------逻辑没毛病,能跑,效果也对。 跑 3600 帧(对应浏览器里 60 秒),每 300 帧采一次样,看「GC 永远收不回去」的那部分内存:
yaml
帧数: 0 300 600 900 1200 1500 1800 2100 2400 2700 3000 3300
泄漏(MB): 0 6.9 13.8 20.6 27.5 34.4 41.2 48.1 55.0 61.8 68.7 75.6
55 秒涨 75.6MB,折合每秒 1.38MB,跟理论值 24KB×60 对得上。收不回去的原因不复杂:这些 Float32Array 挂在 BufferAttribute 上,被 Mesh 引用,被 scene.children 引用------而大屏页面里的 scene 是常驻的,活到页面关闭为止。GC 再勤快也没用,它能回收的只有「没有任何引用」的对象,你这条引用链从 window 一路攥到底。
线性外推一下:17 分钟涨 1.4GB,50 分钟摸到 4GB,正好是 64 位 Chrome 里 V8 堆上限的量级。一节课的时间就够把标签页干崩。真实大屏还会叠加 GC 风暴和掉帧,体感只会来得更早。所谓「上线 3 天卡崩」,按这条曲线几个小时就够,3 天都算它坚挺。而且崩溃只是终点,过程更磨人:堆里躺着几十万个死对象的垃圾要扫,V8 的 major GC 动辄十几毫秒到几十毫秒------放在 16.7ms 的帧预算里,就是用户看到的规律性顿挫。卡不是从崩才开始,从第一帧的垃圾开始就埋下了。
这里有个值得单独记一笔的插曲。第一版实验脚本我用 heapUsed 采样,跑出来 60 秒只涨 11MB,跟 24KB×3600≈86MB 的累计分配量对不上,一度以为这写法「没那么糟」。查了才知道 V8 的 heapUsed 根本不含 TypedArray 的底层数据------那些数据记在 arrayBuffers 字段里。换指标重跑,数字才对上。测内存泄漏光看 heapUsed,结论可能是错的。 对照组,geometry 只建一个,每帧原地更新数据:
ini
// good.mjs:常驻 geometry,每帧只改数据
const geo = new THREE.BufferGeometry();
geo.setAttribute('position',
new THREE.BufferAttribute(new Float32Array(POINTS * 3), 3));
const attr = geo.getAttribute('position');
for (let f = 0; f < FRAMES; f++) {
const arr = attr.array;
for (let i = 0; i < POINTS * 3; i++)
arr[i] = arr[i] * 0.999 + Math.sin(i + f * 0.01) * 0.001;
attr.needsUpdate = true; // 关键:告诉 three 数据变了
}
同样 3600 帧,arrayBuffers 全程 0,heapUsed 稳在 16.4MB 一动不动。两条曲线放一起,就是「越跑越卡」和「稳如老狗」的区别------修复版代码反而更短。
场景图只进不出,每帧遍历的账越来越贵
第二个病灶更隐蔽,因为它不涨内存,只涨时间。大屏常驻页面里如果每帧 add 还不 remove(或者清得不够快),scene.children 会一直膨胀。而 three 的渲染循环每帧都做一次场景图遍历------three 0.187 的 WebGLRenderer 源码第 1667 行写着:
ini
if ( scene.matrixWorldAutoUpdate === true ) scene.updateMatrixWorld();
render 每调一次就遍历一次,每个节点都要更新矩阵。节点 1000 个和 16000 个,这一步差多少?按规模分档实测,每档跑 30 次取中位数:
ini
children= 1000 0.058ms
children= 2000 0.117ms
children= 4000 0.281ms
children= 8000 0.599ms
children= 16000 3.084ms
千级到万级,children 涨 16 倍,单次遍历从 0.06ms 涨到 3ms------16000 那档还出现了超线性跳变,3ms 不止是 8000 档的两倍。数据怎么来的也交代下:100 档首跑出过 0.137ms 的怪数据(比 500 档还慢),复跑才发现是首个场景吃 JIT 预热的锅,稳定后其实只要 0.005ms------所以测性能数据,第一组样本别直接采信。这还只是「场景图遍历」这一层的账,浏览器里 render 一帧还有视锥剔除、排序、draw call 提交,每一层都跟着节点数走。0.06ms 看着不要紧,但它发生在每帧预算只有 16.7ms 的主线程上,而且是纯 CPU 计算,显卡再好也帮不上忙。
children 的膨胀来源也不止 Mesh。大屏上的滚动数据标注、告警提示 sprite、动态图例,很多 AI 实现都是「来一个 add 一个」,每一条都是场景图上的真实节点,最终混在同一个遍历里交税。我们盯监控的时候只看 FPS 和内存,很少有人看「场景里到底有多少个节点」,这个数字在 three 里一行代码就能拿到------scene.children.length 往外递一层就是全量,大部分翻车的大屏这里都是几千往上。
静态节点还有一笔能省的账。大屏里那些摆好就不动的楼块、模型、装饰,默认也在每帧的矩阵更新里陪跑。three 给了开关:节点设 matrixAutoUpdate = false、手动 updateMatrix() 一次,或者在场景层面设 matrixWorldAutoUpdate = false 自己控制节奏------刚才源码那行 if ( scene.matrixWorldAutoUpdate === true ) 就是这个开关的判定。万级静态场景里把这一层关掉,遍历成本直接砍掉一大截,这招官方文档写着,但 AI 生成的代码里我几乎没见过它出现。
dispose 到底 dispose 了什么
AI 生成的代码里 dispose 也常出现,但它出现的位置经常不对,或者干脆被当成「调了就安全」的护身符。我在 Node 里把这件事测穿了。三组各 300 个 Mesh(每组 position 数据约 3.6MB),跑完强制 GC,看堆里剩什么:
arduino
A 留在场景(泄漏态) : build +4.5MB → GC 后回收 0.1MB 引用被场景图挂着,GC 管不着
B remove 不 dispose : build +4.4MB → GC 后回收 4.3MB remove 断开引用,JS 堆正常回收
C remove + dispose : build +5.4MB → GC 后回收 5.4MB 跟 B 没有实质差别
对,C 和 B 在 JS 堆层面是一样的。build 增量那几行有 1MB 上下的小摆幅,别纠结------三组各自的 V8 内部状态、GC 时机不同,这个量级本来就控制在波动范围内,三组之间比的是回收差,不是 build 绝对值。因为 dispose 的源码就一行:
javascript
// three/src/core/BufferGeometry.js
dispose() {
this.dispatchEvent( { type: 'dispose' } );
}
它只是广播一个事件。真正释放 GPU 资源的动作,发生在 WebGLRenderer 内部监听这个事件的那段代码里------geometry 第一次被渲染时,渲染器把顶点数据传给 GPU 建 VBO、把材质编成着色器程序,这些底层资源登记在渲染器自己的 WeakMap 里;dispose 事件一响,监听器把对应的 VBO 和程序删掉。场景里 remove 掉的对象,JS 堆能回收;但渲染器已经为它的 geometry 建好的 GPU 侧资源,在你对它调 dispose 之前一直占着------前提是它真被渲染过。
这也解释了两种常见的「我明明 dispose 了」的困惑。没进过渲染流程的对象,渲染器那边什么都没建,dispose 无事可做,JS 堆该回收照样回收;调了 dispose 但对象又被渲染器碰过的,资源得重建一遍再还回来,等于白折腾。AI 写 dispose 的典型错位还有一类:图层切换时把新图层 add 进来、旧图层 remove,dispose 却挂在组件卸载的生命周期里------SPA 里这个钩子可能好几个小时都不触发,显存就在这中间悄悄堆上去。
这段是我整场实验里最意外的地方。AI 写代码调 dispose,很像我们删文件进了回收站------动作做了,空间没还。写对了它的价值在 GPU 那一侧,写错了就是自我安慰。
教程也得背一半的锅。three 官方示例和入门教程里的对象从不 dispose------因为示例页面关掉,浏览器把整个页面的资源连锅端走,泄漏无从谈起。模型学的是这套「demo 语境」,你部署的是 7×24 长驻页面,教程姿势和运维目标之间的裂缝,就是显存一天天爬坡的地方。
想在浏览器里亲眼验证这一层的话,不用装任何东西:Chrome DevTools 的 Performance Monitor 面板里有一项 GPU memory,让它跑一晚上,有没有在爬、爬多快,一目了然。Node 里测不了的这部分,浏览器替你记着账。
怎么修
三招,都在 0.187 上验证过。 数据每帧变,用常驻 geometry 加 attribute.needsUpdate,别重建------这是坑一对照组的写法,曲线已经替它说话了。 对象下线,先 remove 再 dispose,成对出现。别散落在回调各处,集中写成一个 release 函数:
scss
function release(mesh) {
mesh.parent?.remove(mesh);
mesh.geometry?.dispose();
if (Array.isArray(mesh.material)) {
mesh.material.forEach(m => m.dispose());
} else {
mesh.material?.dispose();
}
}
material 数组那条分支不是防御性编程------multi-material 的 Mesh 真的会传数组,漏一个就漏一份显存。 万级同类对象上 InstancedMesh,一次 draw call 搞定。setMatrixAt 之后记得 instanceMatrix.needsUpdate = true,这个我在 0.187 里实测通过。但它有边界:一个 InstancedMesh 共享一份材质,实例之间不能有独立的颜色透明度动画(除非走 instanceColor),所以适合机房机柜、建筑楼块这种「成千上万长得差不多」的对象;要是每个标注有自己的样式,老老实实拆图层、按时钟批量清理更现实。
真出了性能问题,定位顺序我也替你踩好了:先看 scene.children.length,一行代码,翻车的大屏这里几乎都是几千往上;再看 performance.memory 的曲线斜率,还在爬坡就是坑一现行;最后开 Performance Monitor 看 GPU memory 对付坑三。顺序别倒------GPU 那层最难复现,先把 JS 侧的账清完,一半的「玄学卡顿」在这里就终结了。
AI 生成代码时不知道你的大屏要跑 24 小时,demo 能跑起来就是它的全部标准,而 7×24 不重启的验收里,差的恰恰是这几行清理逻辑。所以我现在让 AI 写大屏,验收清单里会多一条:控制台里盯 5 分钟 scene.children.length 和 performance.memory------前者只增不减、后者持续爬坡,这篇文章里的坑总有一个正在发生。
就写到这。三个实验脚本一共两百来行,本地跑一遍几分钟,数据都能复现。有点意外的是,这三个病灶全是最基础的 API 用法,没有一个是冷知识,但凑在一起刚好能解释「上线 3 天卡崩」的完整过程。