Linux編程時遇到Oops提示該如何排查？
各位工程師在Linux下開發(fā)程序時，有沒有遇到由于系統(tǒng)中存在某些小故障而跳出了“Oops”提示的情況，此時你是如何排查故障?一行行的查看代碼嗎?其實不用那么復雜，本文將為你介紹一種高效的Linux編程的故障排除方法。
在分析Oops之前，我們先來看以下這么一個例子，使用GPIO的中斷做掉電檢測，參考《嵌入式Linux開發(fā)教程下冊》的驅(qū)動框架，設(shè)計如下程序框圖：
這個框架設(shè)計之初的理想流程為：應(yīng)用啟動->程序初始化->應(yīng)用open設(shè)備->等待中斷事件，但實際項目開發(fā)時，往往發(fā)生許許多多不可預測的事情。如小王正在調(diào)Qt應(yīng)用，發(fā)現(xiàn)老王的進程老在打印，那就不讓老王的進程開機自啟動，調(diào)了兩三天后，不定時地提示個Oops提示，小王按照“以前代碼不出現(xiàn)，新加的出現(xiàn)，那么起因絕對在新代碼內(nèi)”的慣性思維，認為是新加的Qt導致的，然后小王就不斷測試，不斷查找bug中.......這樣就過去了十年。
但原因其實是小王沒有open設(shè)備，即驅(qū)動層沒有初始化定時器隊列，那么中斷處理函數(shù)中50ms觸發(fā)的隊列就為一個空值，空指針時Linux內(nèi)核當然“哎呦”一下提醒你了，而不定時地提示其實就是因為電源不定時地松動，gpio檢測到掉電了所以觸發(fā)了中斷。
實際上，這樣的案例十分常見，原本想A->B->C，實際使用是A->D->C，又或者驅(qū)動中有某個變量忘記初始化等等，這時分析Oops就可以十分快速地解決問題。那接下來我們就用Linux中標準驅(qū)動去觸發(fā)一個Oops，對的你沒看錯，Linux內(nèi)核標準源碼也存在這樣的異常，而且我們也可以去修復這樣的問題。
使用我司的EasyARM-iMX283開發(fā)板，內(nèi)核源碼為光盤內(nèi)的Linux-2.6.35.3.tar.bz2，編譯方法請參考光盤資料，我們需要把lcd的背光驅(qū)動修改為ko模式。
燒錄完新內(nèi)核，加載新編譯出來的drivers/video/backlight/mxs_bl.ko文件就會提示以下Oops信息：
乍看之下，這段信息跟亂碼差不多，但只要你一層層地分析，你就會發(fā)現(xiàn)，這些信息已經(jīng)告訴了我們錯誤的原因。接下來就開始我們的Oops分析之旅。
1、主要錯誤信息
用于提示錯誤的類型，這里表示使用空指針。
2、操作入口
用于提示錯誤的操作，這里表示加載mxs_bl模塊時出錯，對應(yīng)于加載操作insmod mxs_bl.ko。
3、PC指針
用于提示出錯時的PC指針位置，PC指針即當前程序運行點的地址，這里提示表示錯誤函數(shù)為regulator_set_current_limit，偏移地址為0xc。
4、LR指針
用于提示出錯時的LR指針位置，LR指針即調(diào)用子函數(shù)的上一個函數(shù)名以及入口偏移量，這里表示上一個函數(shù)為set_bl_intensity，偏移地址為0xd8。即set_bl_intensity調(diào)用regulator_set_current_limit時出錯。
5、寄存器值
用于記錄出錯時各個寄存器的值，對于匯編比較熟悉的同志們可以研究一下這段信息。
6、出錯進程信息
用于提示出錯的進程id號與進程名稱。出錯進程為insmod， PID號2261，對于多任務(wù)系統(tǒng)中，可能存在多個PID調(diào)用同一個接口的情況。
7、出錯時的堆棧信息
用于提示出錯時堆棧內(nèi)保存的寄存器信息，當程序由于中斷發(fā)生或子程序調(diào)用時，會執(zhí)行壓棧操作，即將運行環(huán)境保存到堆棧內(nèi)，保證退出中斷或跳出子程序后，運行環(huán)境不發(fā)生改變。
而此處的堆棧信息即記錄了程序運行時的環(huán)境信息。從中我們可以找到許多LR地址，從而分析出函數(shù)調(diào)用關(guān)系，與下一段的信息有類似作用。
8、函數(shù)執(zhí)行的回溯關(guān)系
用于表示函數(shù)的調(diào)用關(guān)系，通過這段信息我們可以知道，函數(shù)的整個執(zhí)行流程，知道它的函數(shù)調(diào)用關(guān)系，最后整理出來的函數(shù)執(zhí)行流程如下：
從中我們看到了熟悉的init函數(shù)、probe函數(shù)、以及清楚probe函數(shù)下執(zhí)行的操作過程是到哪一步出錯的?，F(xiàn)在我們知道了代碼的執(zhí)行流程，出錯的PC指針的位置，但還是看不到代碼，出錯指針處我們只看到了一串數(shù)字，那么接下來我們就操作一下，把pc指針的數(shù)據(jù)變?yōu)橛幸饬x的代碼。
第一步，分辨出錯誤代碼在什么位置
這次實驗涉及的二進制文件有內(nèi)核的燒錄固件以及驅(qū)動的ko文件，所以第一步分析就需要確定出錯代碼是在內(nèi)核固件里還是ko文件里。
首先得到內(nèi)核代碼的范圍，用以下命令將內(nèi)核反匯編。
查看這個文件的格式如是：
第一列行數(shù)，第二列運行地址，第三列二進制碼，第四列匯編代碼，既然第二列為運行地址，即等同于程序運行到這行時，pc指針的值等于這個數(shù)值。這樣只要翻看這個文件的頭部以及尾部，就能知道內(nèi)核代碼的PC指針范圍為：c0008000~c0562338。
根據(jù)前面第5步寄存器值，出錯時PC指針為c02f1878，即在內(nèi)核源碼范圍內(nèi)。
第二步，分析出錯函數(shù)的出錯語句
那么根據(jù)第3步PC指針，得到regulator_set_current_limit的匯編代碼，如下：
函數(shù)入口地址為c02f186c
在第3步PC指針指出偏移地址為“PC is at regulator_set_current_limit+0xc”。
PC = 0xc02f1878 = 0xc02f186c + 0xc，符合匯編代碼地址。
第三步，找到出錯函數(shù)的C語言代碼
這步可以說是最困難的，因為內(nèi)核代碼層次多，同名函數(shù)也可能存在許多份，可能幾份編譯進內(nèi)核(static聲明的局部函數(shù))，也可能沒編譯進內(nèi)核，如何從眾多的代碼中分析出具體哪段呢。
本人就使用了一些小手段，首先給每個同名函數(shù)的入口加段亂碼，讓編譯器篩選出編譯進內(nèi)核的文件(因為亂碼，所以編譯會報錯)，然后給剩下的函數(shù)加打印語句，通常經(jīng)過第一步之后，可選的目標就兩三個，通過打印進一步確認代碼即可。
以下為篩選出來的C語言代碼。
看到這好像是定位了函數(shù)，但對于不熟悉匯編的人來說，C與匯編還是沒有關(guān)聯(lián)起來，好像進入了死胡同，但先別氣餒，從上面的匯編代碼中我們知道，函數(shù)名即為函數(shù)的首地址，那么調(diào)用子函數(shù)即需要讓CPU知道子函數(shù)名，那么匯編如何調(diào)用子函數(shù)呢?使用bl指令， bl+子函數(shù)名。既然匯編有這么一個特性，那么我們看匯編代碼。
上面582734行為“bl c0493104
那么結(jié)果顯而易見，不可能定義個變量都報錯吧，所以唯一可能錯誤的語句就是struct regulator_dev *rdev = regulator->rdev，同理，這句的前半部也只是定義一個rdev的變量，再結(jié)合內(nèi)核給出來的提示——空指針，所以錯誤就是regulator->rdev是一個空指針。
最終的問題就歸結(jié)于，為什么regulatar->rdev為空指針。這部分的查閱代碼以及推理需要更深層次地挖掘，工作量也非本文能說清的，故作者在這里就大膽地推測與上面的A->B->C模型類似。所以我們就需要在這個資源存在的時刻，調(diào)用它之前給它賦值。
這時侯，我們就需要拿出第8步函數(shù)執(zhí)行的回溯關(guān)系圖，既然知道這個圖中最后的函數(shù)的輸入?yún)?shù)regulator的rdev為空，那么我們就關(guān)心regulator結(jié)構(gòu)體以及它的意義。從結(jié)構(gòu)體的意義我們才能知道如何給它賦值。
在相關(guān)的代碼文件中搜索關(guān)鍵字”regulator”或”regulator =”(建議搜這個，因為這種才是賦值語句)得到如下代碼。
分析這個函數(shù)可知，regulator實際是pdata的一個成員，他需要data來初始化，那么接下來的事情就簡單了，在回溯關(guān)系中找一個位置把data的數(shù)據(jù)塞入pdata中，剛好這段函數(shù)就是初始化的regulator的，那就直接拿去用吧。
把這段添加到probe函數(shù)內(nèi)的這個位置，實現(xiàn)了在mxsbl_probe和mxsbl_do_probe之間賦值此變量。
這樣重新編譯后即可正常加載ko文件。
下載文檔
