1、问题现象
线上服务每隔一个多月会出现一次core，core在一个多线程库的queue里面。
queue使用循环数组实现，里面主要有以下数据成员：
{size_t len;/*数组长度*/ olatile size_t head;/*队列头*/ volatile size_t tail;/*队列尾*/ T* array;/*数组指针*/}
core的调用栈位置：array[tail] = std::move(val); core在向队列尾添加消息的语句。
dmesg信息：segfault at 2872fa0 ip 000000000047e9e3 sp 00007fcc94ffd360 error 4，非法地址是2872fa0，core的位置是47e9e3。
2、使用objdump命令将可执行文件反汇编。
array[tail] = std::move(val);语句对应的汇编代码如下：
%rbx存的是queue对象，(%rbx)对应qlen，0x8(%rbx)对应head，0x10(%rbx)对应tail，0x18(%rbx)对应array。
%rax中存的是无效地址2872fa0，%rax = array + 8*tail。
3、查看core文件中寄存器的内容，使用info registers命令。
4、查看%rbx指向的内存的内容，从中可以得到queue中成员变量的值，使用x命令。
可以看出：tail = 4712592，array = 4713248，array + 8 * tail = 4713248 + 8 * 4712592 = 42413984 = 2872fa0，正好是引起core的无效地址。
进一步发现 qlen = 4708768，head = 4708864，发现可疑的地方，首先qlen没有这么大，我们设置的qlen应该等于远小于这个值，另外qlen也不应该小于head和tail，这时候考虑可能由两种情况导致的：（1）queue对象的内容被飞踩了（2）queue对象是不是获取错了。考虑到queue对象被飞踩定位比较难，所以先检查queue对象获取的是否正确。
5、进一步检查代码，发现多线程库中会有多个Consumer，每个Consumer对应一个queue对象，将一个消息发送给哪个queue是由我们业务根据轮询选择的，轮询的代码（worker++%worker_num），而worker定义成int型，int型当加到最大值后会出现翻转变成负数，对负数取余还是负数，将一个负数付给一个ulong型就会变成一个很大的数，导致获取的queue对象不正确，最终导致core。
6、进一步验证，用f命令进入业务层代码的frame，用info locals命令查看worker变量的值。
worker为负数，验证了问题。
网友评论