@arms/rum-electron 设计了“高频后台采样 + 低频窗口聚合 + 事件触发兜底”方案:每 10 秒同步采样一次 app.getAppMetrics() 累加到内存累加器,CPU 开销 < 0.1%;每 30 分钟输出 memory_max(峰值)和 memory_avg(均值)两条事件,每小时约 5 条;崩溃或退出时立即 flush 当前内存现场,让 OOM 分析有据可查;跨窗口均值轨迹用于追踪 baseline 漂移,及早发现内存泄漏趋势。这套方案以极低开销提供了足够细粒度的内存画像,适合 IDE、设计工具、AI 助手等长生命周期应用。




