记一次 .NET 某工控自动化控制系统 卡死分析

一：背景

1. 讲故事

前段时间遇到了好几起关于窗体程序的 进程加载锁 引发的 程序卡死 和 线程暴涨 问题，这种 dump 分析难度较大，主要涉及到 Windows操作系统 和 C++ 的基础知识，所以有必要简单整理和大家分享一下，上 windbg 说话。

二：WinDbg 分析

1. 主线程此时在做什么

窗体程序的卡死，入口分析点在 主线程 上，使用 ~0s; k 命令即可。

 0:000> ~0s; k ntdll!NtWaitForSingleObject+0x14: 00007ffc`6010e614 c3              ret  # Child-SP          RetAddr               Call Site 00 0000008c`107fe5d8 00007ffc`5cda4313     ntdll!NtWaitForSingleObject+0x14 01 0000008c`107fe5e0 00007ffc`257b2fe8     KERNELBASE!WaitForSingleObjectEx+0x93 02 0000008c`107fe680 00007ffc`257b2f9e     clr!CLREventWaitHelper2+0x3c 03 0000008c`107fe6c0 00007ffc`257b2efc     clr!CLREventWaitHelper+0x1f 04 0000008c`107fe720 00007ffc`256beed2     clr!CLREventBase::WaitEx+0x71 05 0000008c`107fe7b0 00007ffc`25687e44     clr!WKS::GCHeap::WaitUntilGCComplete+0x2e 06 0000008c`107fe7e0 00007ffc`25688092     clr!Thread::RareDisablePreemptiveGC+0x18f 07 0000008c`107fe880 00007ffc`255d44f4     clr!JIT_RareDisableHelperWorker+0x42 08 0000008c`107fe9d0 00007ffc`22544314     clr!JIT_RareDisableHelper+0x14 09 0000008c`107fea10 00007ffc`22525f32     WindowsBase_ni+0x184314 0a 0000008c`107fead0 00007ffc`22520298     WindowsBase_ni+0x165f32 0b 0000008c`107feb10 00007ffc`2251edaf     WindowsBase_ni+0x160298 0c 0000008c`107feba0 00007ffc`202b6421     WindowsBase_ni+0x15edaf ...  

从卦象中的 WaitUntilGCComplete 函数看，此时的主线程正在等待 GC完成，那到底谁触发了 GC 呢? 接下来用 !t 命令查看下 GC 标记。

 0:000> !t ThreadCount:      58 UnstartedThread:  9 BackgroundThread: 39 PendingThread:    9 DeadThread:       5 Hosted Runtime:   no   42   41  cd8 000001ec5f7f7c90  202b220 Preemptive  0000000000000000:0000000000000000 000001ec3353c710 0     MTA    43   34 1160 000001ec5f7f4db0    21220 Preemptive  0000000000000000:0000000000000000 000001ec3353c710 0     Ukn    44   33 218c 000001ec5f7f5580    2b220 Cooperative 0000000000000000:0000000000000000 000001ec3353c710 1     MTA (GC)    45   36 1110 000001ec5f7f8460  202b220 Preemptive  0000000000000000:0000000000000000 000001ec3353c710 0     MTA    48   32 26a8 000001ec545813e0    2b220 Preemptive  0000000000000000:0000000000000000 000001ec3353c710 0     MTA    49   31  4b4 000001ec54581bb0    2b220 Preemptive  0000000000000000:0000000000000000 000001ec3353c710 0     MTA   

从卦中看，当前的 44 号线程触发了 GC，接下来看下它的线程栈情况。

 0:000> ~~[218c]s ntdll!NtWaitForSingleObject+0x14: 00007ffc`6010e614 c3              ret 0:044> k  # Child-SP          RetAddr               Call Site 00 0000008c`0a0bd9b8 00007ffc`5cda4313     ntdll!NtWaitForSingleObject+0x14 01 0000008c`0a0bd9c0 00007ffc`257b2fe8     KERNELBASE!WaitForSingleObjectEx+0x93 02 0000008c`0a0bda60 00007ffc`257b2f9e     clr!CLREventWaitHelper2+0x3c 03 0000008c`0a0bdaa0 00007ffc`257b2efc     clr!CLREventWaitHelper+0x1f 04 0000008c`0a0bdb00 00007ffc`256c821d     clr!CLREventBase::WaitEx+0x71 05 0000008c`0a0bdb90 00007ffc`256c8120     clr!standalone::`anonymous namespace'::CreateSuspendableThread+0x10c 06 0000008c`0a0bdc50 00007ffc`257b9e4c     clr!GCToEEInterface::CreateThread+0x170 07 0000008c`0a0bde40 00007ffc`257b8543     clr!WKS::gc_heap::prepare_bgc_thread+0x4c 08 0000008c`0a0bde70 00007ffc`256be9f7     clr!WKS::gc_heap::garbage_collect+0xfbb37 09 0000008c`0a0bdeb0 00007ffc`256c0c47     clr!WKS::GCHeap::GarbageCollectGeneration+0xef 0a 0000008c`0a0bdf00 00007ffc`255dc7b3     clr!WKS::GCHeap::Alloc+0x29c 0b 0000008c`0a0bdf50 00007ffb`c631853d     clr!JIT_New+0x339  

从线程栈看，GC 在触发的过程中准备使用 CreateThread 函数创建线程，可能有些朋友不太理解，GC触发还有创建线程的操作？？？ 哈哈，这就涉及到一点 CLR 的基础知识，workstation 的 bgc 模式会有一个专门的 后台线程, 而这个后台线程是在运行时的某个时刻创建和销毁的，所以从线程栈看，GC 正在等待 bgc 线程初始化完毕。

很奇怪的是，我从多个卡死状态下的 dump 看，发现 GC 都卡在这个 CreateThread 函数上，言外之意线程在这里无限期等待了。

2. CreateThread 为什么不能初始化完成？

如果大家玩过 C++ 的话，应该知道 C++ 的 dll 会有一个 DllMain 方法，它的意义和 Main 方法一致,代码骨架图如下：

 // dllmain.cpp : Defines the entry point for the DLL application. #include "pch.h"  BOOL APIENTRY DllMain( HMODULE hModule,                        DWORD  ul_reason_for_call,                        LPVOID lpReserved                      ) {     switch (ul_reason_for_call)     {     case DLL_PROCESS_ATTACH:     case DLL_THREAD_ATTACH:     case DLL_THREAD_DETACH:     case DLL_PROCESS_DETACH:         break;     }     return TRUE; }  

从 switch 中的枚举参数来看，就是 dll 加载和卸载，线程创建和销毁，有此 DllMain 方法的 dll 都会收到通知，在进入到这个 DllMain 之前会首先获取到一个全局的 进程加载锁（LdrpLoaderLock）。

既然 GC 过程中不能创建 CreateThread，那必然有人在持有这个 LdrpLoaderLock 锁，接下来的问题就是如何找到 哪个线程正在持有 LdrpLoaderLock ？ 这就涉及到 windows 操作系统的 基础知识了。

3. 谁在持有 LdrpLoaderLock 锁？

LdrpLoaderLock 变量是在 ntdll.dll 用户态网关dll中，可以用 x ntdll!LdrpLoaderLock 命令检索，然后看下是作为哪个临界区持有的。

 0:044>  x ntdll!LdrpLoaderLock 00007ffc`601cf4f8 ntdll!LdrpLoaderLock = <no type information>  0:044> dt _RTL_CRITICAL_SECTION  00007ffc`601cf4f8 atl100!_RTL_CRITICAL_SECTION    +0x000 DebugInfo        : 0x00007ffc`601cf978 _RTL_CRITICAL_SECTION_DEBUG    +0x008 LockCount        : 0n-2    +0x00c RecursionCount   : 0n1    +0x010 OwningThread     : 0x00000000`0000138c Void    +0x018 LockSemaphore    : (null)     +0x020 SpinCount        : 0x4000000  

从卦中看，当前 138c 号线程持有了这个临界区，接下来切到这个线程看下它的线程栈即可。

 0:044> ~~[138c]s win32u!NtUserMessageCall+0x14: 00007ffc`5c891184 c3              ret 0:061> k  # Child-SP          RetAddr               Call Site 00 0000008c`00ffec68 00007ffc`5f21bfbe     win32u!NtUserMessageCall+0x14 01 0000008c`00ffec70 00007ffc`5f21be38     user32!SendMessageWorker+0x11e 02 0000008c`00ffed10 00007ffc`124fd4af     user32!SendMessageW+0xf8 03 0000008c`00ffed70 00007ffc`125e943b     cogxImagingDevice!DllUnregisterServer+0x3029f 04 0000008c`00ffeda0 00007ffc`125e9685     cogxImagingDevice!DllUnregisterServer+0x11c22b 05 0000008c`00ffede0 00007ffc`600b50e7     cogxImagingDevice!DllUnregisterServer+0x11c475 06 0000008c`00ffee20 00007ffc`60093ccd     ntdll!LdrpCallInitRoutine+0x6f 07 0000008c`00ffee90 00007ffc`60092eef     ntdll!LdrpProcessDetachNode+0xf5 08 0000008c`00ffef60 00007ffc`600ae319     ntdll!LdrpUnloadNode+0x3f 09 0000008c`00ffefb0 00007ffc`600ae293     ntdll!LdrpDecrementModuleLoadCountEx+0x71 0a 0000008c`00ffefe0 00007ffc`5cd7c00e     ntdll!LdrUnloadDll+0x93 0b 0000008c`00fff010 00007ffc`5d47cf78     KERNELBASE!FreeLibrary+0x1e 0c 0000008c`00fff040 00007ffc`5d447aa3     combase!CClassCache::CDllPathEntry::CFinishObject::Finish+0x28 [onecorecomcombaseobjactdllcache.cxx @ 3420]  0d 0000008c`00fff070 00007ffc`5d4471a9     combase!CClassCache::CFinishComposite::Finish+0x4b [onecorecomcombaseobjactdllcache.cxx @ 3530]  0e 0000008c`00fff0a0 00007ffc`5d3f1499     combase!CClassCache::FreeUnused+0xdd [onecorecomcombaseobjactdllcache.cxx @ 6547]  0f 0000008c`00fff650 00007ffc`5d3f13c7     combase!CoFreeUnusedLibrariesEx+0x89 [onecorecomcombaseobjactdllapi.cxx @ 117]  10 (Inline Function) --------`--------     combase!CoFreeUnusedLibraries+0xa [onecorecomcombaseobjactdllapi.cxx @ 74]  11 0000008c`00fff690 00007ffc`6008a019     combase!CDllHost::MTADllUnloadCallback+0x17 [onecorecomcombaseobjactdllhost.cxx @ 929]  12 0000008c`00fff6c0 00007ffc`6008bec4     ntdll!TppTimerpExecuteCallback+0xa9 13 0000008c`00fff710 00007ffc`5f167e94     ntdll!TppWorkerThread+0x644 14 0000008c`00fffa00 00007ffc`600d7ad1     kernel32!BaseThreadInitThunk+0x14 15 0000008c`00fffa30 00000000`00000000     ntdll!RtlUserThreadStart+0x21  

可以看到，cogxImagingDevice 发起了一个 user32!SendMessageW 同步方法，导致程序彻底死锁，可能有些朋友有点懵，我简单罗列下。

1. 44 号线程使用 CreateThread 创建线程，但必须要先获取 加载锁，所以一直在等待 61 号线程释放加载锁。
2. 61 号线程用同步的方式 user32!SendMessageW 给 主线程的 WndProc 网关函数打同步消息，等待 主线程给予响应，而此时主线程正在等待 GC 完成。
3. 主线程 在无限期的 等待 GC 结束。

综合来看，只要主线程不响应 44 号线程， 44号线程就不会释放 加载锁，这个 加载锁 不释放，就会导致很多的线程都无法初始化完毕，这个在它的 dump 中也反应出来了，代码如下：

   70  Id: 300.4f0 Suspend: 0 Teb: 0000008c`102e1000 Unfrozen  # Child-SP          RetAddr               Call Site 00 0000008c`0ecff388 00007ffc`6008902d     ntdll!NtWaitForSingleObject+0x14 01 0000008c`0ecff390 00007ffc`600b29a7     ntdll!LdrpDrainWorkQueue+0x15d 02 0000008c`0ecff3d0 00007ffc`600e76d5     ntdll!LdrpInitializeThread+0x8b 03 0000008c`0ecff4b0 00007ffc`600e7633     ntdll!_LdrpInitialize+0x89 04 0000008c`0ecff550 00007ffc`600e75de     ntdll!LdrpInitialize+0x3b 05 0000008c`0ecff580 00000000`00000000     ntdll!LdrInitializeThunk+0xe    71  Id: 300.1c88 Suspend: 0 Teb: 0000008c`102e5000 Unfrozen  # Child-SP          RetAddr               Call Site 00 0000008c`0f4ff268 00007ffc`6008902d     ntdll!NtWaitForSingleObject+0x14 01 0000008c`0f4ff270 00007ffc`600b29a7     ntdll!LdrpDrainWorkQueue+0x15d 02 0000008c`0f4ff2b0 00007ffc`600e76d5     ntdll!LdrpInitializeThread+0x8b 03 0000008c`0f4ff390 00007ffc`600e7633     ntdll!_LdrpInitialize+0x89 04 0000008c`0f4ff430 00007ffc`600e75de     ntdll!LdrpInitialize+0x3b 05 0000008c`0f4ff460 00000000`00000000     ntdll!LdrInitializeThunk+0xe    72  Id: 300.15c0 Suspend: 0 Teb: 0000008c`102e7000 Unfrozen  # Child-SP          RetAddr               Call Site 00 0000008c`0f8ff278 00007ffc`6008902d     ntdll!NtWaitForSingleObject+0x14 01 0000008c`0f8ff280 00007ffc`600b29a7     ntdll!LdrpDrainWorkQueue+0x15d 02 0000008c`0f8ff2c0 00007ffc`600e76d5     ntdll!LdrpInitializeThread+0x8b 03 0000008c`0f8ff3a0 00007ffc`600e7633     ntdll!_LdrpInitialize+0x89 04 0000008c`0f8ff440 00007ffc`600e75de     ntdll!LdrpInitialize+0x3b 05 0000008c`0f8ff470 00000000`00000000     ntdll!LdrInitializeThunk+0xe    73  Id: 300.764 Suspend: 0 Teb: 0000008c`102ef000 Unfrozen  # Child-SP          RetAddr               Call Site 00 0000008c`0fcff388 00007ffc`6008902d     ntdll!NtWaitForSingleObject+0x14 01 0000008c`0fcff390 00007ffc`600b29a7     ntdll!LdrpDrainWorkQueue+0x15d 02 0000008c`0fcff3d0 00007ffc`600e76d5     ntdll!LdrpInitializeThread+0x8b 03 0000008c`0fcff4b0 00007ffc`600e7633     ntdll!_LdrpInitialize+0x89 04 0000008c`0fcff550 00007ffc`600e75de     ntdll!LdrpInitialize+0x3b 05 0000008c`0fcff580 00000000`00000000     ntdll!LdrInitializeThunk+0xe  

可以看到，有很多的线程都卡死在 ntdll!LdrpInitializeThread+0x8b 处无法进行下去，那这个方法到底在做什么呢？可以看下 反汇编代码 。

 0:000> u ntdll!LdrpInitializeThread+0x8b ntdll!LdrpInitializeThread+0x8b: 00007ffc`600b29a7 e874a50000      call    ntdll!LdrpAcquireLoaderLock (00007ffc`600bcf20) 00007ffc`600b29ac 90              nop 00007ffc`600b29ad 488b1d1c2a1200  mov     rbx,qword ptr [ntdll!PebLdr+0x10 (00007ffc`601d53d0)] 00007ffc`600b29b4 488d05152a1200  lea     rax,[ntdll!PebLdr+0x10 (00007ffc`601d53d0)] 00007ffc`600b29bb 483bd8          cmp     rbx,rax 00007ffc`600b29be 0f84c5000000    je      ntdll!LdrpInitializeThread+0x16d (00007ffc`600b2a89) ....  

从汇编中可以清晰的看到，都卡在获取加载锁 ntdll!LdrpAcquireLoaderLock 函数上。

三：总结

这是一个由 cogxImagingDevice.dll引发的程序死锁，查了下百度是一个商业版的 视觉图像库，对此我也无法解决，只能建议朋友。

1. 熟悉下这个 dll 的配置，如果不是配置造成建议提交官方解决。

2. 争取做到 C# 和 C++ 的进程级隔离，或者干脆替换掉 cogxImagingDevice.dll ，虽然这个难度有点大。

这个 dump 给我们的教训是： 当 C# 和 C++ 混在一起，争取做到最大可能的隔离，一旦出现问题非常考验你对 windows 底层知识的理解，分析排错门槛很高???。