记一次解决谷歌浏览器Google Chrome Helper占用过高cpu问题

本文详细解析了Chrome浏览器中GoogleChromeHelper进程导致CPU占用过高的问题。通过活动监视器定位问题,发现particles.js动态背景图是罪魁祸首。文章提供了问题解决步骤,并对动态背景图的性能影响进行了反思。

1. 问题现象

有时候发现mac风扇响的厉害,于是我检查了mac系统的活动监视器,发现Google Chrome Helper占用99%的CPU。

通常来说Chrome如果占用过高的内存,这并不是什么问题,毕竟Chrome的性能以及易用性是建立在占用很多内存的基础上的。但是无论什么程序,持续的占用超过80%的cpu,都是极不正常的。大多数程序都是占用维持在低于10%的CPU。

活动监视器指出问题出现在Chrome浏览器。那么问题可以再次细分为三块。

  1. Chrome系统自身问题
  2. 一些插件,例如flash插件,扩展插件
  3. 网页程序js出现的问题

2. 从任务管理器着手

其实Chrome浏览器自身也是有任务管理器的,一般来说windows版chrome按住shift+esc就会调出任务管理器窗口。mac版调出任务管理器没有快捷,只能通过Window > Task Manager调出。

调出任务管理器后,发现一个标签页,CPU占用率达到99%, 那就说明,应该是这个标签页中存在持续占用大量CPU计算的程序。

最后找到这个页面,发现该页面背景图是一种动态粒子图。就是基于particles.js做的。我想,终于找到你了。

于是我把这个动态图的相关js代码给注释掉,电脑的风扇也终于变得安静了。

3. 问题总结

问题解决的总结:解决问题的方法时很简单的,基于一个现象,找到一个原因,基于这个原因再找到一个现象,然后一步一步缩小问题范围,逼近最终原因。

机器CPU过高,一般都是可以从任务管理器着手解决。系统的任务管理器可以监控各个程序占用的CPU是否正常,通常程序自身也是有任务管理的。

像谷歌浏览器这种软件,几乎本身就是一个操作系统,所以说它的任务管理器也是必不可少的。Chrome浏览器再带的任务管理器可以告诉你几个关键信息。

  • 任务占用的内存
  • 任务占用的CPU
  • 任务占用的网络流量大小

如果你一打开谷歌浏览器,你的电脑风扇就拼命转,那你最好打开谷歌浏览器的任务管理器看看。

4. 关于动态背景图的思考

动态背景图往往都会给人很酷炫的感觉,但是这种背景图的制作并不是很复杂,如果你使用particles.js来制作,制作一些动态背景图只需要几行代码就可以搞定。但是这种酷炫的背后,CPU也在承受着压力。

particles.js提供的demo效果图,在Chrome中CPU会被提高到100%。

也有几家使用动态背景图的官网。我记得知乎以前就用过动态背景图,但是现在找不到了。另外一个使用动态背景图的是daocloud, CPU也是会在首页飙升到50%。

所谓:强招必自损,动态背景图在给人以炫酷科技感的同时,也需要权衡这种技术对客户计算机的压力。

另外,不要小看JavaScript, 它也可能引起大问题

转自:https://segmentfault.com/a/1190000015175477?utm_source=tag-newest

内容概要:本文聚焦于双层优化方法在综合能源系统(IES)中的应用,系统研究了容量配置与运行调度的协同优化问题。通过构建上层以最小化投资成本为目标的容量配置模型和下层以最小化运行成本为目标的运行调度模型,实现了系统经济性与可靠性的综合平衡。研究采用Matlab进行模型编程与仿真,结合鲸鱼优化算法、遗传算法等智能优化算法求解复杂的非线性双层规划问题,并充分考虑了可再生能源出力的不确定性、负荷波动等实际运行约束。同时,为进一步提升模型的鲁棒性与实用性,研究还融合了分布鲁棒优化、多场景分析等先进方法,增强了对不确定因素的应对能力。; 适合人群:具备电力系统分析、优化理论基础及Matlab编程能力的研究生、科研人员和工程技术人员,特别适用于从事综合能源系统规划、微电网设计、可再生能源集成与能源互联网等前沿领域研究的专业人士。; 使用场景及目标:① 深入掌握双层优化架构在能源系统长期规划与短期调度中的建模逻辑与实现技巧;② 学习并实践利用Matlab平台搭建复杂能源系统优化模型的全流程方法;③ 为开展相关领域的学术研究、撰写学位论文或实施实际工程项目提供价值的、可复现的技术方案与代码参考。; 阅读建议:此资源以Matlab代码实现为核心载体,建议读者在透彻理解其数学模型与优化原理的基础上,结合所提供的源代码进行逐行调试与仿真分析,从而深刻把握算法的实现细节与参数设置技巧,并鼓励将所学方法迁移拓展至其他类似的能源系统优化问题中进行验证与创新。
还在被 TypeScript 的 any 类型警告淹没?写了半年 TS 却只会基础类型,一遇到级类型就束手无策?条件类型、映射类型、装饰器这些面试频考点,你是否始终停留在 "听说过但不会用" 的阶段?本指南将彻底帮你打通类型编程的任督二脉。 很多开发者学 TypeScript 多年,面对复杂的类型推导只能随手写个 any 敷衍了事。殊不知,类型系统才是 TypeScript 最核心的价值所在 —— 掌握级类型,不仅能让代码质量产生质的飞跃,更是从中级开发者迈向级工程师的必经之路。 本指南共 10 章近 30 页,由浅入深系统覆盖 TypeScript 类型进阶的全部核心主题。从类型系统基础入手,夯实条件类型与映射类型两大支柱:深入剖析分布式条件类型的运行机制、infer 关键字的类型提取魔法、内置工具类型的实现原理;详解键重映射 as 子句、同态映射特性、递归条件类型的边界与应用。在此基础上,完整讲解装饰器的五种类型与元数据反射机制,手把手实现一个简化版依赖注入容器;系统梳理声明文件的编写规范与声明合并技巧;拆解第三方库类型扩展的三种核心模式,并给出 Express、Vue 等主流框架的实战案例。 区别于零散的博客教程,这份资料特别强化了全栈项目视角:前后端类型共享方案设计、API 类型自动生成、ORM 类型映射、Zod 运行时验证、Result 类型错误处理、环境变量类型化 —— 这些真实项目中的频场景,指南全部给出可直接落地的工程化方案。最后更附赠类型体操级模式、类型安全最佳实践、全栈类型架构设计三大进阶模块,帮你建立完整的类型知识体系。 无论你是希望突破技术瓶颈的前端工程师、正在搭建全栈 TS 项目的技术负责人,还是准备冲击大厂面试的求职者,这份资料都能成为你案头必备的类型进阶手册。告别 any 编程,拥抱真正的类型安全,从这份指南开始。
内容概要:本文研究了基于人工蝶群算法(ABO)的多无人机协同集群在三维空间中的避障路径规划问题,旨在通过优化综合目标函数实现最低任务成本,该目标函数全面整合了路径长度、飞行度、环境威胁等级以及航向转角等关键能耗与安全因素。研究利用Matlab平台实现了ABO算法的完整代码,对多无人机系统在复杂、动态的三维环境下的协同路径规划进行了建模、优化与仿真验证。文中不仅详细阐述了算法的数学原理和设计流程,还通过仿真实验展示了ABO算法在寻找全局最优路径、有效规避障碍物、降低整体飞行能耗和提升任务执行安全性方面的卓越性能与强大鲁棒性。; 适合人群:具备扎实的编程基础(尤其是Matlab)、一定的优化算法理论知识和无人机系统背景,从事无人机集群控制、智能优化算法、三维路径规划、自动化巡检、智能交通等领域的科研人员、校研究生及工程技术人员。; 使用场景及目标:①应用于多无人机协同执行野外勘探、灾害救援、战场侦察、城市安防监控等复杂任务时的效、安全路径规划;②为科研工作者提供一种新颖且效的群体智能优化算法范例,用于解决维度、多约束的复杂路径规划难题;③通过优化飞行路径,显著降低无人机集群的整体能量消耗,延长续航时间,并提在未知或危险环境中的生存能力和任务成功率。; 阅读建议:建议读者深入研读Matlab源代码,动手复现并调试仿真过程,以透彻理解人工蝶群算法的搜索机制、信息交换策略及其在解决实际路径规划问题中的具体应用细节。在掌握核心思想后,可尝试将该算法迁移至其他智能体(如无人车、水下机器人)的协同控制场景,或结合其他优化技术(如深度强化学习)对其进行改进和拓展。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值