记一次 .NET某hdp智能柜系统 卡死分析

  • 记一次 .NET某hdp智能柜系统 卡死分析已关闭评论
  • 16 次浏览
  • A+
所属分类:.NET技术
摘要

停了一个月时间没有更新博客了,主要是这段时间有些许事情导致心神不宁,我这个人也比较浮躁所以无法潜心修炼,事情如下:


一:背景

1. 讲故事

停了一个月时间没有更新博客了,主要是这段时间有些许事情导致心神不宁,我这个人也比较浮躁所以无法潜心修炼,事情如下:

  1. 被狗咬了

也不知道是不是出门没看黄历,在小区门口店里买烟,被店老板家狗来了个猝不及防,天降横祸。让店老板赔了个疫苗钱,人生第一次被狗咬,第一次打这种狂犬疫苗,头两天总焦虑这辈子是不是要画一个句号了,想着这几年在社区里免费给人家分析dump,应该也积了不少阴德阳善,老天不会在这个时候收我的,昨天结束了四针剂的最后一针,算是放下了心头事,真是人间好时节。

  1. 买房

孩子明年就要上一年级了,所以给孩子上哪所有教育资源的学校又是一件焦虑的事情,家门口的学校都是菜小,村小,不想耽误孩子的前程,在贝壳焦虑着泡了大半个月加上实地考察,把这件事情也搞定了。

  1. 幼儿跳绳比赛

这个真的最耽误我的时间,孩子参加市级的跳绳比赛,每天早上6:45集训,每天 6:00 跟着孩子起床,送去集训,全程陪护,作为程序员晚上12点前下电脑都是对工作的不尊敬,导致睡眠不足,整天精神状态都不是很好。

跟大家简单的汇报了这一个月的事情,接下来我们分析个比较经典的dump吧,前段时间有位朋友找到我,说他的程序会偶发卡死,自己有一定的分析能力,但还是找不出来根源在哪里,让我帮忙看下,毕竟在国内搜索 .NET高级调试 的文章,最终都会通向我这边。

二:WinDbg分析

1. 主线程怎么了

因为是主线程的卡死,所以首看主线程的调用栈来寻找其中的蛛丝马迹,输出如下:

 0:000:x86> k CvRegToMachine(x86) conversion failure for 0x14f X86MachineInfo::SetVal: unknown register 0 requested  # ChildEBP RetAddr       00 0047e8f8 76c41629     ntdll_774f0000!NtWaitForSingleObject+0x15 01 0047e8f8 76d71194     KERNELBASE!WaitForSingleObjectEx+0x98 02 0047e910 58d52bf6     kernel32!WaitForSingleObjectExImplementation+0x75 03 (Inline) --------     coreclr!CLREventWaitHelper2+0x9 [D:a_work1ssrccoreclrvmsynch.cpp @ 372]  04 0047e964 58d52bc4     coreclr!CLREventWaitHelper+0x2d [D:a_work1ssrccoreclrvmsynch.cpp @ 397]  05 0047e974 58d52821     coreclr!CLREventBase::WaitEx+0x49 [D:a_work1ssrccoreclrvmsynch.cpp @ 469]  06 0047e988 58df0848     coreclr!CLREventBase::Wait+0x1a [D:a_work1ssrccoreclrvmsynch.cpp @ 413]  07 (Inline) --------     coreclr!GCEvent::Impl::Wait+0xb [D:a_work1ssrccoreclrvmgcenv.os.cpp @ 1283]  08 (Inline) --------     coreclr!GCEvent::Wait+0x10 [D:a_work1ssrccoreclrvmgcenv.os.cpp @ 1361]  09 0047e9a0 58d5222c     coreclr!SVR::GCHeap::WaitUntilGCComplete+0x28 [D:a_work1ssrccoreclrgcgcee.cpp @ 287]  0a 0047e9fc 58f26769     coreclr!Thread::RareDisablePreemptiveGC+0x1ad [D:a_work1ssrccoreclrvmthreadsuspend.cpp @ 2172]  0b 0047ea08 58df7f88     coreclr!JIT_ReversePInvokeEnterRare2+0xd [D:a_work1ssrccoreclrvmjithelpers.cpp @ 5462]  0c 0047ea2c 2d8fd592     coreclr!JIT_ReversePInvokeEnterTrackTransitions+0x98 [D:a_work1ssrccoreclrvmjithelpers.cpp @ 5509]  WARNING: Frame IP not in any known module. Following frames may be wrong. 0d 0047ea90 76f862fa     0x2d8fd592 0e 0047eabc 76f86d3a     user32!InternalCallWinProc+0x23 0f 0047eb34 76f86de8     user32!UserCallWinProcCheckWow+0x109 10 0047eb90 76fae062     user32!DispatchClientMessage+0xd5 11 0047ebf8 7750013a     user32!__fnINDEVICECHANGE+0x2a9 12 0047ec64 76f8790d     ntdll_774f0000!KiUserCallbackDispatcher+0x2e 13 0047ec64 30d6e999     user32!GetMessageW+0x33  

从卦中可以看到有一个 WaitUntilGCComplete 函数,说明主线程正在等待GC完成,那到底是哪一个线程触发了GC呢?可以用 ~* k 命令观察每个线程的调用栈,经过一顿搜索,发现是3号线程挂了GC相关函数SuspendEE,参考输出如下:

    3  Id: ff0.608 Suspend: 0 Teb: fff9a000 Unfrozen CvRegToMachine(x86) conversion failure for 0x14f X86MachineInfo::SetVal: unknown register 0 requested  # ChildEBP RetAddr       00 02c3f5d0 76c41629     ntdll_774f0000!NtWaitForSingleObject+0x15 01 02c3f5d0 76d71194     KERNELBASE!WaitForSingleObjectEx+0x98 02 02c3f5e8 58d52bf6     kernel32!WaitForSingleObjectExImplementation+0x75 03 (Inline) --------     coreclr!CLREventWaitHelper2+0x9 [D:a_work1ssrccoreclrvmsynch.cpp @ 372]  04 02c3f63c 58d52bc4     coreclr!CLREventWaitHelper+0x2d [D:a_work1ssrccoreclrvmsynch.cpp @ 397]  05 02c3f64c 58d52821     coreclr!CLREventBase::WaitEx+0x49 [D:a_work1ssrccoreclrvmsynch.cpp @ 469]  06 02c3f664 58d8947b     coreclr!CLREventBase::Wait+0x1a [D:a_work1ssrccoreclrvmsynch.cpp @ 413]  07 02c3f6e8 58d86aa2     coreclr!ThreadSuspend::SuspendRuntime+0x553 [D:a_work1ssrccoreclrvmthreadsuspend.cpp @ 3590]  08 02c3f790 58d868f0     coreclr!ThreadSuspend::SuspendEE+0xf9 [D:a_work1ssrccoreclrvmthreadsuspend.cpp @ 5741]  09 02c3f7b8 58d95aa5     coreclr!GCToEEInterface::SuspendEE+0x26 [D:a_work1ssrccoreclrvmgcenv.ee.cpp @ 28]  0a 02c3f7b8 58d96ae8     coreclr!SVR::gc_heap::gc_thread_function+0x11f [D:a_work1ssrccoreclrgcgc.cpp @ 6680]  0b 02c3f7e4 58d96ad4     coreclr!SVR::gc_heap::end_space_after_gc [D:a_work1ssrccoreclrgcgc.cpp @ 39175]  0c (Inline) --------     coreclr!GCToOSInterface::BoostThreadPriority+0xf [D:a_work1ssrccoreclrvmgcenv.os.cpp @ 699]  0d 02c3f7e4 58e0c182     coreclr!SVR::gc_heap::gc_thread_stub+0x64 [D:a_work1ssrccoreclrgcgc.cpp @ 31990]  0e 02c3f7f8 76d7343d     coreclr!<lambda_e12851d373e238e6372df6ec280c8fc6>::operator()+0x42 [D:a_work1ssrccoreclrvmgcenv.ee.cpp @ 1471]  0f 02c3f804 77529802     kernel32!BaseThreadInitThunk+0xe 10 02c3f844 775297d5     ntdll_774f0000!__RtlUserThreadStart+0x70  

从卦中看,GC正处于 SuspendEE 阶段,即冻结执行引擎,它的实现途径就是通过 while threads 的方式让每一个线程暂停,C++参考代码如下:

 void ThreadSuspend::SuspendRuntime(ThreadSuspend::SUSPEND_REASON reason) {     while (true)     {         Thread* thread = NULL;          while ((thread = ThreadStore::GetThreadList(thread)) != NULL)         {         }     } }  

所以接下来的探索方向就是看看当前的 SupendEE 到底正在处理哪一个线程?

2. 如何挖到处理线程

要挖处理线程方法比较多,你可以逆向的分析汇编代码,第二种就是写个脚本在线程栈空间中搜索托管线程地址。这里选择后者,毕竟简单粗暴。

  1. 托管线程列表,即下面的 ThreadOBJ 字段。
 0:000:x86> !t ThreadCount:      176 UnstartedThread:  1 BackgroundThread: 26 PendingThread:    0 DeadThread:       148 Hosted Runtime:   no                                                                              Lock    DBG   ID     OSID ThreadOBJ    State GC Mode     GC Alloc Context  Domain   Count Apt Exception    0    1      fec 023BDF08     26020 Preemptive  0F608E60:0F60A528 023452a8 -00001 Ukn     7    2     2c0c 023CAC98     2b220 Preemptive  03230120:03231900 023452a8 -00001 Ukn (Finalizer)    11    4     2d48 24738AF0   102b220 Preemptive  0738C3C0:0738DC8C 023452a8 -00001 Ukn (Threadpool Worker)    12    5     2d4c 24774BE0   102b220 Preemptive  00000000:00000000 023452a8 -00001 Ukn (Threadpool Worker)    16    8     2d68 247C9820     20220 Preemptive  0356A5EC:0356B150 023452a8 -00001 Ukn    13    9     2d54 247C1878     20220 Preemptive  0B6A3384:0B6A33AC 023452a8 -00001 Ukn  XXXX   11        0 247F8B28      1600 Preemptive  00000000:00000000 023452a8 -00001 Ukn    28   12     2dbc 24825760     21220 Preemptive  00000000:00000000 023452a8 -00001 Ukn    29   13     2dc0 2482D088     21220 Preemptive  00000000:00000000 023452a8 -00001 Ukn    ...   58  156     2910 246714A8   102b222 Cooperative 0F56F618:0F56F884 023452a8 -00001 Ukn (Threadpool Worker)    ...  0:000:x86> !address -f:Stack    BaseAddr EndAddr+1 RgnSize     Type       State                 Protect             Usage -----------------------------------------------------------------------------------------------  2bc0000  2c3d000    7d000 MEM_PRIVATE MEM_RESERVE                                    Stack32    [~3; ff0.608]  2c3d000  2c3e000     1000 MEM_PRIVATE MEM_COMMIT  PAGE_READWRITE | PAGE_GUARD        Stack32    [~3; ff0.608]  2c3e000  2c40000     2000 MEM_PRIVATE MEM_COMMIT  PAGE_READWRITE                     Stack32    [~3; ff0.608]  
  1. 搜索脚本

脚本的目的是在 2c3e000 ~ 2c40000 中搜索托管线程address。

 use strict;										 										 // 32bit										 let arr = [];										 										 function initializeScript() { return [new host.apiVersionSupport(1, 7)]; }										 function log(str) { host.diagnostics.debugLog(str + "n"); }										 function exec(str) { return host.namespace.Debugger.Utility.Control.ExecuteCommand(str); }										 										 function invokeScript() {										 										     var output = exec("!t").Skip(8);										 										     for (var line of output) {										         if (!line) continue;										         log(line);										         var address = line.substr(19, 8);										         log(address);										         searchmemory(address);										     }										 }										 										 										 function searchmemory(address) {										     var output = exec("s-d 02c3e960 2c40000 " + address);										 										     for(var line of output){										         log(line);										     }										 }										  

记一次 .NET某hdp智能柜系统 卡死分析

执行完之后,发现 SuspendEE 正在处理的是 58号线程,细心的朋友会发现上面的 !t 输出的58号线程正是 Cooperative 状态,即协作状态,也就是还没有被 SuspendEE 处理。 哈哈,马上就要看到光明顶了,接下来的方向就是洞察 58号线程正在做什么?

3. 58号线程正在做什么

这就比较简单了,使用 ~58s 切到该线程查看线程栈即可。

 0:000:x86> ~58s 02c52da4 807e3400        cmp     byte ptr [esi+34h],0       ds:002b:0b15cc78=01 0:058:x86> !clrstack OS Thread Id: 0x2910 (58) Child SP       IP Call Site 40EAFA0C 02c52da4 xxx.xxx.PlayWavStream(System.IO.Stream, System.String) 40EAFA54 024e4915 xxx.xxx+c__DisplayClass8_0.b__0() 40EAFA94 024c849d System.Threading.Tasks.Task.InnerInvoke() [/_/src/libraries/System.Private.CoreLib/src/System/Threading/Tasks/Task.cs @ 2397] 40EAFAA0 024c2abd System.Threading.Tasks.Task+c.<.cctor>b__272_0(System.Object) [/_/src/libraries/System.Private.CoreLib/src/System/Threading/Tasks/Task.cs @ 2376] 40EAFAA8 00536547 System.Threading.ExecutionContext.RunFromThreadPoolDispatchLoop(System.Threading.Thread, System.Threading.ExecutionContext, System.Threading.ContextCallback, System.Object) [/_/src/libraries/System.Private.CoreLib/src/System/Threading/ExecutionContext.cs @ 268] 40EAFAD8 024c2852 System.Threading.Tasks.Task.ExecuteWithThreadLocal(System.Threading.Tasks.Task ByRef, System.Threading.Thread) [/_/src/libraries/System.Private.CoreLib/src/System/Threading/Tasks/Task.cs @ 2337] 40EAFB3C 39d3925f System.Threading.ThreadPoolWorkQueue.Dispatch() 40EAFB90 00538145 System.Threading.PortableThreadPool+WorkerThread.WorkerThreadStart() [/_/src/libraries/System.Private.CoreLib/src/System/Threading/PortableThreadPool.WorkerThread.cs @ 107] 40EAFB94 00537f5c [InlinedCallFrame: 40eafb94]  40EAFC38 00537f5c System.Threading.Thread.StartCallback() [/_/src/coreclr/System.Private.CoreLib/src/System/Threading/Thread.CoreCLR.cs @ 106] 40EAFD8C 58dfd24f [DebuggerU2MCatchHandlerFrame: 40eafd8c]   

根据线程栈上的 PlayWavStream 方法来检查源码,发现了一个无语的写法,截图如下:

记一次 .NET某hdp智能柜系统 卡死分析

从源码看是用一个死循环来强留一个线程,无语了,这也疑似导致 GC 因为找不到safepoint而长时间不能暂停它,这里说疑似,是因为在coreclr中是有支撑的。

记一次 .NET某hdp智能柜系统 卡死分析

解决办法就比较简单了。

  1. 加个 Thread.Sleep
  2. 换种截停的写法。
  3. 升级 coreclr 的版本

三:总结

这次生产事故,对一般人来说还是有一定的难度,毕竟这种东西不是几个命令就能弄出来的,还是需要考察你对coreclr 一些底层知识的熟悉度。

记一次 .NET某hdp智能柜系统 卡死分析