- A+
一：背景
1.讲故事
前段时间有位朋友在微信上找到我，说他的程序偶发性崩溃，让我帮忙看下怎么回事，上面给的压力比较大，对于这种偶发性崩溃，比较好的办法就是利用 AEDebug 在程序崩溃的时候自动抽一管血出来，看看崩溃点是什么，其实我的系列文章中，关于崩溃类的dump比较少，刚好补一篇上来，话不多说，上 windbg 。
二：WinDbg 分析
1. 崩溃点在哪里
在 windbg 中有一个 !analyze -v 命令可以自动化分析，输出信息如下：
0:120> !analyze -v ******************************************************************************* * * * Exception Analysis * * * ******************************************************************************* CONTEXT: (.ecxr) rax=00000000032fed38 rbx=00000000c0000374 rcx=0000000000000000 rdx=0000000000000020 rsi=0000000000000001 rdi=00007ffbada727f0 rip=00007ffbada0a8f9 rsp=000000003103c8b0 rbp=0000000000c40000 r8=00007ffb779bdab7 r9=00007ffb782e94c0 r10=0000000000002000 r11=000000002c4aa498 r12=0000000000000000 r13=000000003103eb60 r14=0000000000000000 r15=000000002c873720 iopl=0 nv up ei pl nz na pe nc cs=0033 ss=002b ds=002b es=002b fs=0053 gs=002b efl=00000202 ntdll!RtlReportFatalFailure+0x9: 00007ffb`ada0a8f9 eb00 jmp ntdll!RtlReportFatalFailure+0xb (00007ffb`ada0a8fb) Resetting default scope EXCEPTION_RECORD: (.exr -1) ExceptionAddress: 00007ffbada0a8f9 (ntdll!RtlReportFatalFailure+0x0000000000000009) ExceptionCode: c0000374 ExceptionFlags: 00000001 NumberParameters: 1 Parameter[0]: 00007ffbada727f0 ... 从卦中的 ExceptionCode: c0000374 异常码来看，表示当前 nt堆损坏，这就尴尬了，一个C#程序咋会把 windows nt 堆给弄坏了，可能是引入了第三方的 C++ 代码。
由于异常分异常前和异常后,所以需要用 .ecxr 将当前线程切到异常前的崩溃点，然后使用 k 观察当前的线程栈。
0:120> .ecxr ; k rax=00000000032fed38 rbx=00000000c0000374 rcx=0000000000000000 rdx=0000000000000020 rsi=0000000000000001 rdi=00007ffbada727f0 rip=00007ffbada0a8f9 rsp=000000003103c8b0 rbp=0000000000c40000 r8=00007ffb779bdab7 r9=00007ffb782e94c0 r10=0000000000002000 r11=000000002c4aa498 r12=0000000000000000 r13=000000003103eb60 r14=0000000000000000 r15=000000002c873720 iopl=0 nv up ei pl nz na pe nc cs=0033 ss=002b ds=002b es=002b fs=0053 gs=002b efl=00000202 ntdll!RtlReportFatalFailure+0x9: 00007ffb`ada0a8f9 eb00 jmp ntdll!RtlReportFatalFailure+0xb (00007ffb`ada0a8fb) *** Stack trace for last set context - .thread/.cxr resets it # Child-SP RetAddr Call Site 00 00000000`3103c8b0 00007ffb`ada0a8c3 ntdll!RtlReportFatalFailure+0x9 01 00000000`3103c900 00007ffb`ada1314e ntdll!RtlReportCriticalFailure+0x97 02 00000000`3103c9f0 00007ffb`ada1345a ntdll!RtlpHeapHandleError+0x12 03 00000000`3103ca20 00007ffb`ad9aef41 ntdll!RtlpHpHeapHandleError+0x7a 04 00000000`3103ca50 00007ffb`ad9be520 ntdll!RtlpLogHeapFailure+0x45 05 00000000`3103ca80 00007ffb`aa3882bf ntdll!RtlFreeHeap+0x966e0 06 00000000`3103cb20 00007ffb`66fac78f KERNELBASE!LocalFree+0x2f 07 00000000`3103cb60 00007ffb`66f273a4 mscorlib_ni+0x63c78f 08 00000000`3103cc10 00007ffb`185c4fde mscorlib_ni!System.Runtime.InteropServices.Marshal.FreeHGlobal+0x24 [f:ddndpclrsrcBCLsystemruntimeinteropservicesmarshal.cs @ 1212] 09 00000000`3103cc50 00007ffb`185c4fa1 0x00007ffb`185c4fde 0a 00000000`3103cca0 00007ffb`185edc82 0x00007ffb`185c4fa1 ... 从卦中的 KERNELBASE!LocalFree 方法可知，程序正在释放一个 堆块，在释放的过程中抛出了异常，那为什么会释放失败呢？ 原因就比较多了，比如：
- 原因1：Free 一个已 Free 的堆块
- 原因2：Free 了一个别人的堆块
那到底是哪一种情况呢？ 有经验的朋友应该知道，ntheap 默认开启了 损坏退出 机制，用 !heap -s 命令就能显示出这种损坏原因。
0:120> !heap -s ************************************************************************************************************************ NT HEAP STATS BELOW ************************************************************************************************************************ ************************************************************** * * * HEAP ERROR DETECTED * * * ************************************************************** Details: Heap address: 0000000000c40000 Error address: 000000002c873710 Error type: HEAP_FAILURE_BLOCK_NOT_BUSY Details: The caller performed an operation (such as a free or a size check) that is illegal on a free block. Follow-up: Check the error's stack trace to find the culprit. Stack trace: Stack trace at 0x00007ffbada72848 00007ffbad9aef41: ntdll!RtlpLogHeapFailure+0x45 00007ffbad9be520: ntdll!RtlFreeHeap+0x966e0 00007ffbaa3882bf: KERNELBASE!LocalFree+0x2f 00007ffb66fac78f: mscorlib_ni+0x63c78f 00007ffb66f273a4: mscorlib_ni!System.Runtime.InteropServices.Marshal.FreeHGlobal+0x24 00007ffb185c4fde: +0x185c4fde LFH Key : 0x1d4fd2a71d8b8280 Termination on corruption : ENABLED Heap Flags Reserv Commit Virt Free List UCR Virt Lock Fast (k) (k) (k) (k) length blocks cont. heap ------------------------------------------------------------------------------------- 0000000000c40000 00000002 16756 13688 16364 220 140 5 2 0 LFH ... 从卦中可以清晰的看到错误类型： Error type: HEAP_FAILURE_BLOCK_NOT_BUSY ，这是经典的 Double Free，也就是上面的 原因1 ，接下来我们就要寻找代码源头了。。。
2. 是谁的代码引发的
从线程栈上看，底层的方法区都是十六进制，这表示当前是托管方法，这就好办了，我们用 !clrstack 看看托管代码是什么？
0:120> !clrstack OS Thread Id: 0x4d54 (120) Child SP IP Call Site 000000003103cb88 00007ffbad9b0544 [InlinedCallFrame: 000000003103cb88] Microsoft.Win32.Win32Native.LocalFree(IntPtr) 000000003103cb88 00007ffb66fac78f [InlinedCallFrame: 000000003103cb88] Microsoft.Win32.Win32Native.LocalFree(IntPtr) 000000003103cb60 00007ffb66fac78f DomainNeutralILStubClass.IL_STUB_PInvoke(IntPtr) 000000003103cc10 00007ffb66f273a4 System.Runtime.InteropServices.Marshal.FreeHGlobal(IntPtr) [f:ddndpclrsrcBCLsystemruntimeinteropservicesmarshal.cs @ 1212] 000000003103cc50 00007ffb185c4fde xxxx.StructToBytes(System.Object) 000000003103ced0 00007ffb185ec6b1 xxx.SendDoseProject(System.String) ... 从卦中可以清晰的看到是托管方法 StructToBytes() 引发的，接下来导出这个方法的源码，截图如下：
从方法逻辑看，这位朋友用了 Marshal 做了互操作，为了能够进一步分析，需要找到 localResource 堆块句柄，使用 !clrstack -l 显示方法栈参数。
0:120> !clrstack -l OS Thread Id: 0x4d54 (120) ... 000000003103cca0 00007ffb185c4fa1 xxx.StructToBytes(System.Object) LOCALS: 0x000000003103cd0c = 0x000000000000018f 0x000000003103ccf8 = 0x0000000003084420 0x000000003103ccf0 = 0x0000000003084420 0x000000003103cce8 = 0x0000000000000000 0x000000003103cce0 = 0x0000000000000000 ... 经过对比，发现并没有显示 localResource 值，这就很尴尬了。。。一般在 dump 中 IntPtr 类型是显示不出来的，遇到好几次了，比较闹心。。。既然显示不出来堆块句柄值。。。 那怎么办呢？ 天要绝人之路吗？
3. 绝处逢生
既然托管层找不到堆块句柄，那就到非托管层去找，比如这里的 KERNELBASE!LocalFree+0x2f 函数，msdn 上的定义如下：
HLOCAL LocalFree( [in] _Frees_ptr_opt_ HLOCAL hMem ); 那如何找到这个 hMem 值呢？ 在 x86 程序中可以直接用 kb 就能提取出来，但在 x64 下是无效的，因为它是用寄存器来传递方法参数，此时的寄存器值已经刷新到了 ntdll!NtWaitForMultipleObjects+0x14 上，比如下面的 rcx 肯定不是 hMem 值。
0:120> r rax=000000000000005b rbx=0000000000005b08 rcx=0000000000000002 rdx=000000003103b690 rsi=0000000000000002 rdi=0000000000000000 rip=00007ffbad9b0544 rsp=000000003103b658 rbp=0000000000001da4 r8=0000000000001000 r9=0101010101010101 r10=0000000000000000 r11=0000000000000246 r12=0000000000000000 r13=000000003103c930 r14=0000000000001f98 r15=0000000000000000 iopl=0 nv up ei pl zr na po nc cs=0033 ss=002b ds=002b es=002b fs=0053 gs=002b efl=00000246 ntdll!NtWaitForMultipleObjects+0x14: 00007ffb`ad9b0544 c3 ret 怎么办呢？其实还有一条路，就是观察 KERNELBASE!LocalFree+0x2f 方法的汇编代码，看看它有没有将 rcx 临时性的存到 线程栈 上。
0:120> u KERNELBASE!LocalFree KERNELBASE!LocalFree: 00007ffb`aa388290 48895c2410 mov qword ptr [rsp+10h],rbx 00007ffb`aa388295 4889742418 mov qword ptr [rsp+18h],rsi 00007ffb`aa38829a 48894c2408 mov qword ptr [rsp+8],rcx 00007ffb`aa38829f 57 push rdi 00007ffb`aa3882a0 4883ec30 sub rsp,30h 00007ffb`aa3882a4 488bd9 mov rbx,rcx 00007ffb`aa3882a7 f6c308 test bl,8 00007ffb`aa3882aa 753f jne KERNELBASE!LocalFree+0x5b (00007ffb`aa3882eb) 很开心的看到，当前的 rcx 存到了 rsp+8 位置上，那如何拿到 rsp 呢？ 可以用 k 提取父函数 mscorlib_ni+0x63c78f 中的 Child-SP 值。
0:120> k # Child-SP RetAddr Call Site ... 0e 00000000`3103ca80 00007ffb`aa3882bf ntdll!RtlFreeHeap+0x966e0 0f 00000000`3103cb20 00007ffb`66fac78f KERNELBASE!LocalFree+0x2f 10 00000000`3103cb60 00007ffb`66f273a4 mscorlib_ni+0x63c78f ... 因为这个 Child-SP 是 call 之前的 sp, 汇编中的 sp 是 call 之后的，所以相差一个 retaddr 指针单元，所以计算方法是： ChildSp- 0x8 + 0x8 就是 堆块句柄。
0:120> dp 00000000`3103cb60-0x8+0x8 L1 00000000`3103cb60 00000000`2c873720 上面的 000000002c873720 就是堆块句柄，接下来用命令 !heap -x 000000002c873720 观察堆块情况。
0:120> !heap -x 000000002c873720 Entry User Heap Segment Size PrevSize Unused Flags ------------------------------------------------------------------------------------------------------------- 000000002c873710 000000002c873720 0000000000c40000 000000002c8703c0 30 - 0 LFH;free 果不其然，这个堆块已经是 Free 状态了，再 Free 必然会报错，经典的 Double Free 哈。
4. 回首再看源码
仔细阅读源码，发现有两个问题。
-
没有对 localResource 加锁处理，在并发的时候容易出现问题。
-
localResource 是一个类级别变量，在多个方法中被使用，建议减低作用域。
将信息反馈给朋友之后，建议朋友加锁并降低 localResource 作用域。
三： 总结
这次偶发的生产崩溃事故，主要原因是朋友的代码在逻辑上出了点问题，没有合理的保护好 localResource 句柄资源，反复释放导致的 ntheap 破坏。
这个 dump 虽然问题比较小白，但逆向分析找出原因，还是挺考验基本功的。
