你的java/c/c++程序崩溃了？揭秘段错误（Segmentation fault）（3）

前言

接上两篇:

你的C/C++程序为什么无法运行？揭秘Segmentation fault （1）

你的C/C++程序为什么无法运行？揭秘Segmentation fault （2）

写到这里，越跟，越发现真的是内核上很白，非一般的白。

但是既然是研究，就定住心，把段错误搞到清楚明白。

本篇将作为终篇，来结束这个系列，也算是对段错误和程序调试、寻找崩溃原因（通常不会给你那么完美的stackstrace和人性化的错误提示）的再深入。

本篇使用到的工具或命令：

1. dmesg
2. strace
3. gdb
4. linux 内核3.10源码

情景再现

上两篇围绕着一个这样的问题进行展开：

//野指针
char ** p;
//零指针或空指针
p = NULL;
//段错误（Segmentation Fault）
*p = (char *)malloc(sizeof(char));

问题代码

为了本篇的可读性，围绕上述问题编织问题代码：

#include "stdio.h"
#include "string.h"
#include "stdlib.h"
int main(int argc,char** args) {
    char * p = NULL;
    *p = 0x0;
}

段错误

找出问题

---

第1步 strace 查信号描述

上篇已经介绍了gbd+coredump的方法来找到出现段错误的代码，本篇直接上strace：

strace -i -x -o segfault.txt ./segfault.o

得到如下信息：

可以知道：

1.错误信号：SIGSEGV

3.错误码：SEGV_MAPERR

3.错误内存地址：0x0

4.逻辑地址0x400507处出错.

可以猜测:

程序中有空指针访问试图向0x0写入而引发段错误.

第2步 dmesg 查错误现场

上dmesg：

dmesg

得到：

可知：

1.错误类型：segfault ,即段错误（Segmentation Fault）.

2.出错时ip：0x400507

3.错误号：6，即110

第3步 收集已知结论

---

这里 错误号和ip 是关键，错误号对照下面：

    /*
     * Page fault error code bits:
     *
     *   bit 0 ==    0: no page found   1: protection fault
     *   bit 1 ==    0: read access     1: write access
     *   bit 2 ==    0: kernel-mode access  1: user-mode access
     *   bit 3 ==               1: use of reserved bit detected
     *   bit 4 ==               1: fault was an instruction fetch
     */
    /*enum x86_pf_error_code {
        PF_PROT     =       1 << 0,
        PF_WRITE    =       1 << 1,
        PF_USER     =       1 << 2,
        PF_RSVD     =       1 << 3,
        PF_INSTR    =       1 << 4,
    };*/

对照后可知:

错误号6 = 110 = (PF_USER | PF_WIRTE | 0).

即“用户态”、“写入型页错误 ”、“没有与指定的地址相对应的页”.

上面的信息与我们最初的推断吻合.

现在，对目前已知结论进行概括如下：

1.错误类型：segfualt ,即段错误（Segmentation Fault）.

2.出错时ip：0x400507

3.错误号：6，即110

4.错误码：SEGV_MAPERR 即地址没有映射到对象.

5.错误原因：对0x0进行写操作引发了段错误，原因是0x0没有与之对应的页或者叫映射.

第4步 根据结论找到出错代码

上gdb：

gdb ./segfault.o

根据结论中的ip = 0x400507立即得到：

显然，这验证了我们的结论：

我们试图将值0x0写入地址0x0从而引发写入未映射的地址的段错误.

并且我们找到了错误的代码stack.c的第9行：

查根溯源

显然，我们不满足于此，为什么访问了0x0会造成这个错误从而让程序崩溃？

第二篇已经说了进程虚拟地址空间的问题，事实上我们进行写入操作的时候，会引发虚拟地址到物理地址的映射，因为你最终要将数据（本篇是0x0，注意和我们的地址0x0区分）写入到物理内存中。

0x0是个逻辑地址，linux按页式管理内存映射，0x0不会对应任何页，那么内存中就不会有主页，所以对其进行写入就会引发一个缺页中断，这一部分由linux内存映射管理模块(memory mapping,缩写mm)处理。

缺页错误处理

1. __do_page_fault

缺页后进入__do_page_fault流程,注意，这里为了尽量减少篇幅，删去了源代码的一些注释，而与我们有关的命中代码都做了注释：

/*
 * This routine handles page faults.  It determines the address,
 * and the problem, and then passes it off to one of the appropriate
 * routines.
 */
static void __kprobes
__do_page_fault(struct pt_regs *regs, unsigned long error_code./*  注意我们的错误是6，即110 */)
{
    struct vm_area_struct *vma;
    struct task_struct *tsk;
    unsigned long address;
    struct mm_struct *mm;
    int fault;
    int write = error_code & PF_WRITE;
    unsigned int flags = FAULT_FLAG_ALLOW_RETRY | FAULT_FLAG_KILLABLE |
                    (write ? FAULT_FLAG_WRITE : 0);
    tsk = current;
    mm = tsk->mm;
    /* 这里会去取到我们的 地址=0x0 */
    /* Get the faulting address: */
    address = read_cr2();
    if (kmemcheck_active(regs))
        kmemcheck_hide(regs);
    prefetchw(&mm->mmap_sem);
    if (unlikely(kmmio_fault(regs, address)))
        return;
    if (unlikely(fault_in_kernel_space(address))) {
        //这里略去，不会命中
        /* ... */
        return;
    }
    //略去很多代码
    // ...
retry:
        down_read(&mm->mmap_sem);
    } else {
        might_sleep();
    }
    vma = find_vma(mm, address);
    if (unlikely(!vma)) {
        /* 到这里处理 */
        bad_area(regs, error_code, address);
        //处理后返回
        return;
    }
    //略去很多代码
    // ...
}

2. bad_area

其中的一个关键调用bad_area(regs, error_code, address);

static noinline void
bad_area(struct pt_regs *regs, unsigned long error_code, unsigned long address)
{
    /* 注意这里讲错误码设为了SEGV_MAPERR */
    __bad_area(regs, error_code, address, SEGV_MAPERR);
}

可以明确

我们结论中的SEGV_MAPERR的出处.

这个类型就是无法映射到对象的意思！看下面strace得到的东西,其中

si_code=SEGV_MAPERR.

--- SIGSEGV {si_signo=SIGSEGV, si_code=SEGV_MAPERR, si_addr=0} ---
+++ killed by SIGSEGV (core dumped) +++

最后会来到这里：

static void
__bad_area_nosemaphore(struct pt_regs *regs, unsigned long error_code,
               unsigned long address, int si_code)
{
    struct task_struct *tsk = current;
    /* 我们的错误码是6 = 110,PF_USER = 100,所以会进入这个if */
    if (error_code & PF_USER) {
        /* 关中断 */
        local_irq_enable();
        //...略 
        if (address >= TASK_SIZE)
            error_code |= PF_PROT;
        /* 这里会将出错信息打印 */
        if (likely(show_unhandled_signals))
            show_signal_msg(regs, error_code, address, tsk);
        tsk->thread.cr2     = address;
        tsk->thread.error_code  = error_code;
        tsk->thread.trap_nr = X86_TRAP_PF;
        /* 这里会强制发送 SIGSEGV=段错误 信号 */
        force_sig_info_fault(SIGSEGV, si_code, address, tsk, 0);
        return;
    }
    //...略
}

注意上面的代码的两个关键调用:

show_signal_msg  //用于打印出错信息
force_sig_info_fault  //用于强制发送信号

3. show_signal_msg

/*
 * Print out info about fatal segfaults, if the show_unhandled_signals
 * sysctl is set:
 */
static inline void
show_signal_msg(struct pt_regs *regs, unsigned long error_code,
        unsigned long address, struct task_struct *tsk)
{
    //...略
    /* 打印段错误信息 -> /proc/kmsg */
    printk("%s%s[%d]: segfault at %lx ip %p sp %p error %lx",
        task_pid_nr(tsk) > 1 ? KERN_INFO : KERN_EMERG,
        tsk->comm, task_pid_nr(tsk), address,
        (void *)regs->ip, (void *)regs->sp, error_code);
    print_vma_addr(KERN_CONT " in ", regs->ip);
    printk(KERN_CONT "\n");
}

其中，打印段错误的信息的代码，就是我们使用dmesg得到的东西.

可以对比下我们的段错误的图：

4. force_sig_info_fault

最后就是发送信号了。

static void
force_sig_info_fault(int si_signo, int si_code, unsigned long address,
             struct task_struct *tsk, int fault)
{
    unsigned lsb = 0;
    siginfo_t info;
    info.si_signo   = si_signo;
    info.si_errno   = 0;
    info.si_code    = si_code;
    info.si_addr    = (void __user *)address;
    if (fault & VM_FAULT_HWPOISON_LARGE)
        lsb = hstate_index_to_shift(VM_FAULT_GET_HINDEX(fault));
    if (fault & VM_FAULT_HWPOISON)
        lsb = PAGE_SHIFT;
    info.si_addr_lsb = lsb;
    /* 强制发送SIGSEGV信号 */
    force_sig_info(si_signo, &info, tsk);
}

force_sig_info：

int
force_sig_info(int sig, struct siginfo *info, struct task_struct *t)
{
    unsigned long int flags;
    int ret, blocked, ignored;
    struct k_sigaction *action;
    spin_lock_irqsave(&t->sighand->siglock, flags);
    /* 这里就指定信号的处理程序了 */
    action = &t->sighand->action[sig-1];
    //...略
    /* 必须强制发送 */
    if (action->sa.sa_handler == SIG_DFL)
        /* 不需要递归式的发送SEGSIGV信号，所以清掉SIGNAL_UNKILLABLE */
        t->signal->flags &= ~SIGNAL_UNKILLABLE;
    // 发送
    ret = specific_send_sig_info(sig, info, t);
    spin_unlock_irqrestore(&t->sighand->siglock, flags);
    return ret;
}

上面的代码告诉我们，信号的处理程序如何被指定的，那么关于段错误的信号SEGSIGV默认就是core dump.

5. core dump

到此，我们已经可以拿到core dump，那么第二篇中找到引发段错误的代码的方法就可以用了，这也是推荐的做法：

gdb ./segfault.o core.36054

是不是立即可知stack.c第9行的代码*p = 0x0是罪魁祸首了呢？

结语

到此，整个段错误的探索就结束了，希望读者和我一样不虚此行。

列出几种常见段错误原因：

1.数组越界

    int a[10] = {0,1};
    printf("%d",a[10000]);

2.零指针或空指针

    //本系列所用实例
    char * p = NULL;
    *p = 0x0;

3.悬浮指针

如果指针p悬浮，它指向的地址有可能能用，也有可能不能，你不知道那块地址什么时候被写入，什么时候被保护（mprotect）.

如果被保护为可读，你写就出现段错误！

4.访问权限，非法访问

参见3.

5.多线程对共享指针变量操作

不仅c/c++,android中、java程序中有可能也会出现jvm崩溃哦，那检查下多线程的共享变量吧！

如有错误，请不吝赐教.