OpenClaw Gateway Memory Leak Analysis Report
1. Fault Overview
1.1 Symptoms
网关重启后内存从低水位迅速攀升至 8.7GB RSS。CPU 持续高负载。预计 2-3 小时内触发 OOM。故障时间窗口：10:10-11:03。
1.2 Timing Data
| Time | RSS Memory | Event |
|---|---|---|
| 10:10 | Very Low | Gateway restart |
| 10:27 | 3.08GB | Init complete |
| 10:34 | 5.29GB | Steady increase |
| 10:47 | 5.33GB | Brief pause, GC recovery |
| 10:55 | 8.70GB | Surge spike, critical risk |
| 11:03 | 8.2GB | GC intermittent, CPU 78 percent |
2. Traffic Source Analysis
2.1 Source Location
所有高频请求均来自 WebUI WebSocket 连接对 sessions.list 的轮询。共 5 个独立客户端连接，均来自内网。
Connection Stats
| Conn ID | Internal IP | Client Ver | Requests/5min | Notes |
|---|---|---|---|---|
| conn-01 | Internal-01 | vcontrol-ui | 15 | Normal polling |
| conn-02 | Internal-02 | vcontrol-ui | 27 | Highest, reconnects |
| conn-03 | Internal-03 | vcontrol-ui | 17 | Normal polling |
| conn-04 | Internal-04 | vcontrol-ui | 17 | Normal polling |
| conn-05 | Internal-05 | v2026.4.23 | 14 | Normal polling |
2.2 Frontend Polling Behavior
WebUI 每 12 秒轮询一次 sessions.list 以获取实时 Agent 会话状态。只要浏览器标签页处于活跃状态，轮询即持续进行。多个用户打开多个标签页会导致请求量线性叠加。
3. Root Cause Analysis
3.1 Direct Trigger
5 个 WebUI 客户端高频并发轮询 sessions.list 是本次故障的直接触发条件。
3.2 Core Technical Root Causes
- 全量会话文件遍历：每次调用均执行 loadCombinedSessionStoreForGateway，遍历全部 207 个 Agent 会话文件。
- 大字段冗余：skillsSnapshot 字段单个大小为 3-5KB，全量聚合后单次请求约 26MB。
- 深拷贝开销：读路径和缓存路径均使用 structuredClone，每次请求均在 V8 堆中创建新副本。5 分钟内发生 127 次调用。
- 缓存无淘汰机制：SESSION_STORE_SERIALIZED_CACHE 使用 Map 实现，无 TTL 和容量上限，数据永久驻留。
3.3 Aggravating Factors
- 232 个阻塞会话每次请求均触发额外诊断逻辑。
- 195 个活跃 WebSocket 连接各自维护独立的状态上下文。
- Tracing 插件每次请求创建新实例而非单例，进一步推高 CPU 负载。
4. Current Status
V8 GC 将内存从峰值 8.7GB 回收至 8.2GB，但未能阻断根因。内存仍处于高位，OOM 风险持续存在。
5. Fix Plan
5.1 Emergency (Immediate)
- 前端优化：将轮询间隔从 12 秒提升至最低 30 秒。增加页面可见性监听，标签页置于后台时暂停轮询。
- 通知运维关闭冗余控制台标签页。
- API 限流：sessions.list 接口按 WebSocket 连接设置最低 30 秒调用间隔，超频请求返回缓存快照。
5.2 Root Fix (Version Release)
- 数据裁剪：从 sessions.list 中移除 skillsSnapshot 字段，仅在 session.get 详情查询时返回。
- 拷贝优化：将 structuredClone 替换为只读引用，读查询采用写时复制策略。
- 缓存淘汰：为会话序列化缓存增加容量上限和 TTL 过期机制。
5.3 Long-term Architecture
- 全局会话聚合快照缓存，供所有客户端共享。
- Tracing 插件重构为单例模式。
- 定期阻塞会话清理机制。
6. Notes
所有异常 IP 均为内网 NAT 地址。用户追溯需结合 DHCP 和堡垒机日志关联分析。优先推进限流与代码修复。