记一次 .NET某酒业业务系统崩溃分析

记一次 .NET某酒业业务系统崩溃分析已关闭评论
59 次浏览

A+

所属分类：.NET技术

摘要

前些天有位朋友找到我，说他的程序每次关闭时就会自动崩溃，一直找不到原因让我帮忙看一下怎么回事，这位朋友应该是第二次找我了，分析了下 dump 还是挺经典的，拿出来给大家分享一下吧。

便宜好用的国外VPS推荐

一：背景

1. 讲故事

二：WinDbg 分析

1. 为什么会崩溃

找崩溃原因比较简单，用 !analyze -v 命令观察一下便知。

 0:040> !analyze -v  CONTEXT:  (.ecxr) eax=0afdf5dc ebx=0698ade8 ecx=00000001 edx=00000000 esi=0698ade8 edi=7eec0000 eip=7753c5af esp=0afdf5dc ebp=0afdf62c iopl=0         nv up ei pl nz na po nc cs=0023  ss=002b  ds=002b  es=002b  fs=0053  gs=002b             efl=00000202 KERNELBASE!RaiseException+0x58: 7753c5af c9              leave Resetting default scope  EXCEPTION_RECORD:  (.exr -1) ExceptionAddress: 7753c5af (KERNELBASE!RaiseException+0x00000058)    ExceptionCode: c0020001   ExceptionFlags: 00000001 NumberParameters: 1    Parameter[0]: 8007042b  PROCESS_NAME:  xxx.exe

从卦中数据看当前崩溃码是 c0020001，查了下码表说是 string绑定无效 ，截图如下：

记一次 .NET某酒业业务系统崩溃分析

这看起来有点无语呀，接下来观察下线程栈。

 0:040> .ecxr eax=0afdf5dc ebx=0698ade8 ecx=00000001 edx=00000000 esi=0698ade8 edi=7eec0000 eip=7753c5af esp=0afdf5dc ebp=0afdf62c iopl=0         nv up ei pl nz na po nc cs=0023  ss=002b  ds=002b  es=002b  fs=0053  gs=002b             efl=00000202 KERNELBASE!RaiseException+0x58: 7753c5af c9              leave  0:040> k   *** Stack trace for last set context - .thread/.cxr resets it  # ChildEBP RetAddr       00 0afdf62c 70e75e0b     KERNELBASE!RaiseException+0x58 01 0afdf648 70f63bf5     clr!COMPlusThrowBoot+0x1a 02 0afdf654 70b6f1da     clr!UMThunkStubRareDisableWorker+0x25 03 0afdf67c 77a9571e     clr!UMThunkStubRareDisable+0x9 04 0afdf6bc 77a80f0b     ntdll!RtlpTpTimerCallback+0x7a 05 0afdf6e0 77a809b1     ntdll!TppTimerpExecuteCallback+0x10f 06 0afdf830 75c4344d     ntdll!TppWorkerThread+0x562 07 0afdf83c 77a69802     kernel32!BaseThreadInitThunk+0xe 08 0afdf87c 77a697d5     ntdll!__RtlUserThreadStart+0x70 09 0afdf894 00000000     ntdll!_RtlUserThreadStart+0x1b

从卦中的线程栈来看，这里利用了 Windows线程池 的timer回调，回到 clr 之后主动抛了一个异常。

2. 为什么会主动抛异常

要想知道这个答案需要分析下clr 的源码，简化后如下：

 // Disable from a place that is calling into managed code via a UMEntryThunk. extern "C" VOID __stdcall UMThunkStubRareDisableWorker(Thread * pThread, UMEntryThunk * pUMEntryThunk, Frame * pFrame) {     // Check for ShutDown scenario.  This happens only when we have initiated shutdown      // and someone is trying to call in after the CLR is suspended.  In that case, we     // must either raise an unmanaged exception or return an HRESULT, depending on the     // expectations of our caller.     if (!CanRunManagedCode())     {         pThread->m_fPreemptiveGCDisabled = 0;         COMPlusThrowBoot(E_PROCESS_SHUTDOWN_REENTRY);     } }  BOOL CanRunManagedCode(BOOL fCannotRunIsUserError, HINSTANCE hInst) {     // If we are shutting down the runtime, then we cannot run code.     if (g_fForbidEnterEE == TRUE)         return FALSE;      // If we are finaling live objects or processing ExitProcess event,     // we can not allow managed method to run unless the current thread     // is the finalizer thread     if ((g_fEEShutDown & ShutDown_Finalize2) && !GCHeap::GetGCHeap()->IsCurrentThreadFinalizer())         return FALSE;      // If pre-loaded objects are not present, then no way.     if (g_pPreallocatedOutOfMemoryException == NULL)         return FALSE;      return TRUE; }

根据上面的源码，应该就是CanRunManagedCode()函数返回false 导致的，那这个函数真的返回 false 吗？可以用 Windbg 验证下g_fForbidEnterEE 这个变量。

 0:040> dp clr!g_fForbidEnterEE L1 712a2684  00000001

无语了，这个变量为true表示当前的CLR处于关闭状态，应该是主线程调用了 Exit 方法，用 windbg 可以简单验证下。

 0:000> k 00 0028d3b0 77549cd4     ntdll!NtQueryAttributesFile+0x12 01 0028d3b0 70bf560b     KERNELBASE!GetFileAttributesW+0x71 02 0028d3c8 710602a5     clr!CheckFileExistence+0x1a ... 39 0028ebc0 70d2684b     clr!WaitForEndOfShutdown_OneIteration+0x81 3a 0028ebc8 70d300e2     clr!WaitForEndOfShutdown+0x1b 3b 0028ec08 70d1329e     clr!EEShutDown+0xad 3c 0028ec14 70d132fb     clr!HandleExitProcessHelper+0x4d 3d 0028ec70 70d2ff99     clr!EEPolicy::HandleExitProcess+0x50 3e 0028ec70 7115af3b     clr!ForceEEShutdown+0x31 3f 0028ec70 702a9faf     clr!SystemNative::Exit+0x4f

接下来研究下它要进入到什么托管方法中，这个答案就在 UMEntryThunk.m_pManagedTarget 字段里，参考源码如下：

 class UMEntryThunk { private: 	// The start of the managed code 	const BYTE* m_pManagedTarget;  	// This is used for profiling. 	PTR_MethodDesc m_pMD; }

有了这些前置知识就可以用 windbg 轻松挖掘。

 0:040> kb 5  # ChildEBP RetAddr      Args to Child               00 0afdf62c 70e75e0b     c0020001 00000001 00000001 KERNELBASE!RaiseException+0x58 01 0afdf648 70f63bf5     006e0fe0 0afdf67c 70b6f1da clr!COMPlusThrowBoot+0x1a 02 0afdf654 70b6f1da     0698ade8 00580a38 0698ade8 clr!UMThunkStubRareDisableWorker+0x25 03 0afdf67c 77a9571e     00000000 00000001 7d723ac9 clr!UMThunkStubRareDisable+0x9 04 0afdf6bc 77a80f0b     0afdf71c 006e0fe0 006f6c10 ntdll!RtlpTpTimerCallback+0x7a  0:040> dp 00580a38 L2 00580a38  00386580 008f2eb8  0:040> !U 00386580 Unmanaged code 00386580 e9ab390000      jmp     00389f30 ...  0:040> !ip2md 00389f30 MethodDesc:   0018af94 Method Name:  xxx._checkInput1(IntPtr, Boolean) Class:        00435a7c MethodTable:  0018afd8 mdToken:      06000034 Module:       0018a6a8 IsJitted:     yes CodeAddr:     00389f30 Transparency: Critical

通过一顿反解果然是一个托管回调函数，分析到这里ztm的开心哈，感觉马上就要看到光了，仔细找了下代码，果然是借助Windows线程池创建了一个定时事件，无语了，截图如下：

记一次 .NET某酒业业务系统崩溃分析

到这里就真相大白了，退出进程的时候一定要先调用C#的Dispose()方法把非托管的Timer给关掉，否则就会出现这种偶发的崩溃异常。

3. 一些题外话

这个dump的错误码非常有误导性，一个是外部的c0020001 ，一个内部的 8007042Bh，尤其是搜内部的 8007042Bh 会把你带入到误区里，让你修复系统文件啥的，其实就是一个固定的死值，没有意义的，参见汇编代码。

 0:000> ub 70f63bf5 clr!UMThunkStubRareDisableWorker+0x7: 70f63bd7 c9              leave 70f63bd8 e8d47fc3ff      call    clr!CanRunManagedCode (70b9bbb1) 70f63bdd 8b7508          mov     esi,dword ptr [ebp+8] 70f63be0 85c0            test    eax,eax 70f63be2 7511            jne     clr!UMThunkStubRareDisableWorker+0x25 (70f63bf5) 70f63be4 b92b040780      mov     ecx,8007042Bh 70f63be9 c7460800000000  mov     dword ptr [esi+8],0 70f63bf0 e8f721f1ff      call    clr!COMPlusThrowBoot (70e75dec)

所以还是多以代码说话，少道听途说陷入迷途不知返。