记一次 .NET 某工控电池检测系统卡死分析

记一次 .NET 某工控电池检测系统卡死分析已关闭评论
85 次浏览

A+

所属分类：.NET技术

摘要

前几天有位朋友找到我，说他的窗体程序有卡死现象，让我帮忙看下怎么回事，解决这种问题就需要在卡死的时候抓一个dump下来，拿到dump之后就可以分析了。

便宜好用的国外VPS推荐

一：背景

1. 讲故事

二：为什么会卡死

1. 观察主线程

窗体程序的卡死，需要观察主线程此时正在做什么，可以用 !clrstack 命令观察。

 0:000:x86> !clrstack OS Thread Id: 0x4a08 (0) Child SP       IP Call Site 012fe784 0000002b [HelperMethodFrame_1OBJ: 012fe784] System.Threading.WaitHandle.WaitOneNative(System.Runtime.InteropServices.SafeHandle, UInt32, Boolean, Boolean) 012fe868 7115d952 System.Threading.WaitHandle.InternalWaitOne(System.Runtime.InteropServices.SafeHandle, Int64, Boolean, Boolean) [f:ddndpclrsrcBCLsystemthreadingwaithandle.cs @ 243] 012fe880 7115d919 System.Threading.WaitHandle.WaitOne(Int32, Boolean) [f:ddndpclrsrcBCLsystemthreadingwaithandle.cs @ 194] 012fe894 711e89bf System.Threading.WaitHandle.WaitOne(Int32) [f:ddndpclrsrcBCLsystemthreadingwaithandle.cs @ 220] 012fe89c 6fb186b8 System.Threading.ReaderWriterLockSlim.WaitOnEvent(System.Threading.EventWaitHandle, UInt32 ByRef, TimeoutTracker, EnterLockType) 012fe8e0 6fb17892 System.Threading.ReaderWriterLockSlim.TryEnterReadLockCore(TimeoutTracker) 012fe920 6fb17562 System.Threading.ReaderWriterLockSlim.TryEnterReadLock(TimeoutTracker) 012fe94c 0325f49f xxx.QuyitpjK0dXKR6IyqH(System.Object) 012fe964 0325ee8a xxx.RWAutoLock..ctor(System.Threading.ReaderWriterLockSlim, Boolean) ...

从卦中的线程栈数据来看，貌似是卡在一个读写锁TryEnterReadLock 上，根据读写锁的规则，必然有人执行了一个 WriteLock 并且出不来，接下来就是寻找持有这个 lock 的线程。

2. 到底谁在持有

如果是 lock ，相信很多朋友都知道用 !syncblk 命令，那读写锁用什么命令呢？说实话我也搞不清楚,只能先挖挖 ReaderWriterLockSlim 类本身，看看有没有什么新发现。

 0:000:x86> !DumpObj /d 03526f38 Name:        System.Threading.ReaderWriterLockSlim MethodTable: 6f947428 EEClass:     6f9a92dc Size:        72(0x48) bytes File:        C:WindowsMicrosoft.NetassemblyGAC_MSILSystem.Corev4.0_4.0.0.0__b77a5c561934e089System.Core.dll Fields:       MT    Field   Offset                 Type VT     Attr    Value Name 70da878c  40004aa       38       System.Boolean  1 instance        0 _fIsReentrant 6f92fa28  40004ab       3c ...LockSlim+SpinLock  1 instance 03526f74 _spinLock 70dfba4c  40004ac       1c        System.UInt32  1 instance       20 _numWriteWaiters 70dfba4c  40004ad       20        System.UInt32  1 instance        1 _numReadWaiters 70dfba4c  40004ae       24        System.UInt32  1 instance        0 _numWriteUpgradeWaiters 70dfba4c  40004af       28        System.UInt32  1 instance        0 _numUpgradeWaiters 6f93d764  40004b0       39          System.Byte  1 instance        0 _waiterStates 70da42a8  40004b1       2c         System.Int32  1 instance       -1 _upgradeLockOwnerId 70da42a8  40004b2       30         System.Int32  1 instance       11 _writeLockOwnerId 70da6924  40004b3        c ...g.EventWaitHandle  0 instance 034844d0 _writeEvent 70da6924  40004b4       10 ...g.EventWaitHandle  0 instance 042a69c8 _readEvent 70da6924  40004b5       14 ...g.EventWaitHandle  0 instance 00000000 _upgradeEvent 70da6924  40004b6       18 ...g.EventWaitHandle  0 instance 00000000 _waitUpgradeEvent 70da150c  40004b8        4         System.Int64  1 instance 367 _lockID 70da878c  40004ba       3a       System.Boolean  1 instance        0 _fUpgradeThreadHoldingRead 70dfba4c  40004bc       34        System.UInt32  1 instance 3221225472 _owners 70da878c  40004c2       3b       System.Boolean  1 instance        0 _fDisposed 70da42a8  40004a9      4dc         System.Int32  1   static        4 ProcessorCount 70da150c  40004b7      4d4         System.Int64  1   static 1882 s_nextLockID 6f942b7c  40004b9        0 ...ReaderWriterCount  0 TLstatic  t_rwc

结合源码分析，发现上面的 _writeLockOwnerId=11 就是持有锁的线程ID，找到持有线程就好办了，把这个 managedid=11 转成 dbgid 再观察。

 0:000:x86> !t    13   11 47bc 0a0702c0   1029220 Preemptive  00000000:00000000 01425ed0 0     MTA (Threadpool Worker)   0:013:x86> !clrstack OS Thread Id: 0x47bc (13) Child SP       IP Call Site 07e4f1ac 0000002b [InlinedCallFrame: 07e4f1ac]  07e4f1a4 09e38597 DomainBoundILStubClass.IL_STUB_PInvoke(IntPtr) 07e4f1ac 09e38334 [InlinedCallFrame: 07e4f1ac] System.Data.SQLite.UnsafeNativeMethods.sqlite3_step(IntPtr) 07e4f1dc 09e38334 System.Data.SQLite.SQLite3.Step(System.Data.SQLite.SQLiteStatement) 07e4f228 09e36fe8 System.Data.SQLite.SQLiteDataReader.NextResult() 07e4f250 09e36ceb System.Data.SQLite.SQLiteDataReader..ctor(System.Data.SQLite.SQLiteCommand, System.Data.CommandBehavior) 07e4f270 09e367ce System.Data.SQLite.SQLiteCommand.ExecuteReader(System.Data.CommandBehavior) 07e4f284 09e36732 System.Data.SQLite.SQLiteCommand.ExecuteNonQuery(System.Data.CommandBehavior) 07e4f2b0 09e366e6 System.Data.SQLite.SQLiteCommand.ExecuteNonQuery() 07e4f2bc 09e350dc SqlSugar.AdoProvider.ExecuteCommand(System.String, SqlSugar.SugarParameter[]) 07e4f388 13189518 SqlSugar.InsertableProvider`1[[System.__Canon, mscorlib]].ExecuteCommand() 07e4f420 0181ac4a xxx.OperateLog+d__8.MoveNext() ...  0:013:x86> k CvRegToMachine(x86) conversion failure for 0x14f X86MachineInfo::SetVal: unknown register 0 requested  # ChildEBP RetAddr       00 07e4ede0 76c9ad10     ntdll_76ed0000!NtFlushBuffersFile+0xc 01 07e4ede0 6b27af8c     KERNELBASE!FlushFileBuffers+0x30 WARNING: Stack unwind information not available. Following frames may be wrong. 02 07e4edf0 6b270256     SQLite_Interop!SI768767362ea03a94+0xf73c 03 07e4ee1c 6b267938     SQLite_Interop!SI768767362ea03a94+0x4a06 04 07e4ee38 6b2599e1     SQLite_Interop!SI83d1cf4976f57337+0x84c8 05 07e4ee80 6b25902b     SQLite_Interop!SIa3401e98cbad673e+0x3201 06 07e4ee98 6b25258c     SQLite_Interop!SIa3401e98cbad673e+0x284b 07 07e4f168 6b255a05     SQLite_Interop!SI327cfc7a6b1fd1fb+0x633c 08 07e4f19c 09e38597     SQLite_Interop!SI9c6d7cd7b7d38055+0x255

结合卦中的读写信息，大概知道了原来是用写锁来写sqlite，后者卡在缓冲区刷新函数 NtFlushBuffersFile 上，方法签名如下：

 NTSTATUS NtFlushBuffersFile(   HANDLE  FileHandle,   IO_STATUS_BLOCK *IoStatusBlock );

有些朋友可能想看一下到底怎么写的，那就简单的反编译一下代码：

记一次 .NET 某工控电池检测系统卡死分析

到这里基本就搞清楚了，由于 13号线程持有了写锁，导致主线程要用读锁操作 sqlite 时进行了长时间等待。

解决办法就比较简单了，主线程尽可能的只做UI更新的操作，不要让他触发各类锁，否则就有等锁的概率发生。

3. NtFlushBuffersFile 怎么了

有些朋友可能要问为什么 NtFlushBuffersFile 函数会卡死不返回，要想找到这个答案，需要看下反汇编。

 0:013:x86> uf ntdll_76ed0000!NtFlushBuffersFile ntdll_76ed0000!NtFlushBuffersFile: 76f41ad0 b84b000000      mov     eax,4Bh 76f41ad5 ba7071f576      mov     edx,offset ntdll_76ed0000!Wow64SystemServiceCall (76f57170) 76f41ada ffd2            call    edx 76f41adc c20800          ret     8  0:013:x86> u 76F57170h ntdll_76ed0000!Wow64SystemServiceCall: 76f57170 ff252892ff76    jmp     dword ptr [ntdll_76ed0000!Wow64Transition (76ff9228)]  0:013:x86> u 76ec7000 wow64cpu!KiFastSystemCall: 76ec7000 ea0970ec763300  jmp     0033:76EC7009 76ec7007 0000            add     byte ptr [eax],al 76ec7009 41              inc     ecx 76ec700a ffa7f8000000    jmp     dword ptr [edi+0F8h]

从汇编代码看，NtFlushBuffersFile 通过 KiFastSystemCall 进入内核态了，用户态dump是没法看内核态的，所以也无法继续追究下去。

不过也可以看下这个线程过往的 GetLastError() 值，可能有些收获，使用 !gle 命令。

 0:013:x86> !gle LastErrorValue: (Win32) 0x26 (38) - <Unable to get error code text> LastStatusValue: (NTSTATUS) 0xc0000008 - <Unable to get error code text>

根据上面的状态码，去msdn上搜一下具体信息。

记一次 .NET 某工控电池检测系统卡死分析