kernel panic 分析解决方法

太过爱你忘了你带给我的痛 2022-10-07 00:53 179阅读 0赞

1 何谓OOPS  
Oops是美国人比较常有的口语。就是有点意外，吃惊，或突然的意思。“Oops”并不是很严重，正如在Britney Spears的 “Oops I Did It Again”那首歌的歌词中，也是一种轻描淡写，有时含有抱歉的意思。

[http://v.youku.com/v\_show/id\_XMTM0ODgxMDYw.html][http_v.youku.com_v_show_id_XMTM0ODgxMDYw.html]

对于Linux内核来说，Oops就意外着内核出了异常，此时会将产生异常时CPU的状态，出错的指令地址、数据地址及其他寄存器，函数调用的顺序甚至是栈里面的内容都打印出来，然后根据异常的严重程度来决定下一步的操作：杀死导致异常的进程或者挂起系统。

最典型的异常是在内核态引用了一个非法地址，通常是未初始化的野指针Null，这将导致页表异常，最终引发Oops。

Linux系统足够健壮，能够正常的反应各种异常。异常通常导致当前进程的死亡，而系统依然能够继续运转，但是这种运转都处在一种不稳定的状态，随时可能出问题。对于中断上下文的异常及系统关键资源的破坏，通常会导致内核挂起，不再响应任何事件。

2 内核的异常级别  
2.1 Bug  
Bug是指那些不符合内核的正常设计，但内核能够检测出来并且对系统运行不会产生影响的问题，比如在原子上下文中休眠。如：  
BUG: scheduling while atomic: insmod/826/0x00000002  
Call Trace:  
\[ef12f700\] \[c00081e0\] show\_stack+0x3c/0x194 (unreliable)  
\[ef12f730\] \[c0019b2c\] \_\_schedule\_bug+0x64/0x78  
\[ef12f750\] \[c0350f50\] schedule+0x324/0x34c  
\[ef12f7a0\] \[c03515c0\] schedule\_timeout+0x68/0xe4  
\[ef12f7e0\] \[c027938c\] fsl\_elbc\_run\_command+0x138/0x1c0  
\[ef12f820\] \[c0275820\] nand\_do\_read\_ops+0x130/0x3dc  
\[ef12f880\] \[c0275ebc\] nand\_read+0xac/0xe0  
\[ef12f8b0\] \[c0262d98\] part\_read+0x5c/0xe4  
\[ef12f8c0\] \[c017bcac\] jffs2\_flash\_read+0x68/0x254  
\[ef12f8f0\] \[c0170550\] jffs2\_read\_dnode+0x60/0x304  
\[ef12f940\] \[c017088c\] jffs2\_read\_inode\_range+0x98/0x180  
\[ef12f970\] \[c016e610\] jffs2\_do\_readpage\_nolock+0x94/0x1ac  
\[ef12f990\] \[c016ee04\] jffs2\_write\_begin+0x2b0/0x330  
\[ef12fa10\] \[c005144c\] generic\_file\_buffered\_write+0x11c/0x8d0  
\[ef12fab0\] \[c0051e48\] \_\_generic\_file\_aio\_write\_nolock+0x248/0x500  
\[ef12fb20\] \[c0052168\] generic\_file\_aio\_write+0x68/0x10c  
\[ef12fb50\] \[c007ca80\] do\_sync\_write+0xc4/0x138  
\[ef12fc10\] \[f107c0dc\] oops\_log+0xdc/0x1e8 \[oopslog\]  
\[ef12fe70\] \[f3087058\] oops\_log\_init+0x58/0xa0 \[oopslog\]  
\[ef12fe80\] \[c00477bc\] sys\_init\_module+0x130/0x17dc  
\[ef12ff40\] \[c00104b0\] ret\_from\_syscall+0x0/0x38  
\--- Exception: c01 at 0xff29658  
    LR = 0x10031300

2.2 Oops  
程序在内核态时，进入一种异常情况，比如引用非法指针导致的数据异常，数组越界导致的取指异常，此时异常处理机制能够捕获此异常，并将系统关键信息打印到串口上，正常情况下Oops消息会被记录到系统日志中去。

Oops发生时，进程处在内核态，很可能正在访问系统关键资源，并且获取了一些锁，当进程由于Oops异常退出时，无法释放已经获取的资源，导致其他需要获取此资源的进程挂起，对系统的正常运行造成影响。通常这种情况，系统处在不稳定的状态，很可能崩溃。

2.3 Panic  
当Oops发生在中断上下文中或者在进程0和1中，系统将彻底挂起，因为中断服务程序异常后，将无法恢复，这种情况即称为内核panic。另外当系统设置了panic标志时，无论Oops发生在中断上下文还是进程上下文，都将导致内核Panic。由于在中断复位程序中panic后，系统将不再进行调度，Syslogd将不会再运行，因此这种情况下，Oops的消息仅仅打印到串口上，不会被记录在系统日志中。

Kernelpanic调试举例：

\[ 242.788019\] bluesleep\_outgoing\_data: tx was sleeping  
\[  244.012224\] \*\*\*\*\*\*host\_wake is 1  
\[  245.234647\] Disable\_key\_during\_touch=0   
\[  245.237802\] huqiao\_\_\_button->code=139,state =1   
\[  245.414640\] Disable\_key\_during\_touch=0   
\[  245.417542\] huqiao\_\_\_button->code=139,state =0   
\[  245.821424\] \*\*\*\*\*\*host\_wake is 0  
\[  245.823708\] bluesleep\_hostwake\_isr: \[I\]waking up...  
\[  245.823713\]   
\[  245.830155\] bluesleep\_hostwake\_task: bluesleep\_hostwake\_task is called  
\[  245.838356\] Unable to handle kernel NULL pointer dereference at virtualaddress 00000008  
\[  245.845678\] pgd = c0004000  
\[  245.848188\] \[00000008\] \*pgd=00000000  
\[  245.851751\] Internal error: Oops: 5 \[\#1\] PREEMPT SMP ARM  
\[  245.857122\] Modules linked in:  
\[  245.860080\] CPU: 0    Tainted: G        W    (3.4.0-perf-svn874 \#1)  
\[  245.866444\] PC is at sco\_connect\_cfm+0x380/0x4e8  
\[  245.871106\] LR is at 0xd880  
\[  245.873800\] pc : \[<c07446c0>\]    lr :\[<0000d880>\]    psr: 40000013  
\[  245.873805\] sp : dbe55e78  ip : 00000000  fp : d7d95c00  
\[  245.885246\] r10: d8643998  r9 : d8e5b80d  r8 : d8643830  
\[  245.890529\] r7 : dbe54000  r6 : d9e5b600  r5 : cae27c80 r4 : d8643800  
\[  245.896968\] r3 : 00000008  r2 : 00000000  r1 : d7d96016 r0 : 00000000  
\[  245.903552\] Flags: nZcv  IRQs on  FIQs on  Mode SVC\_32 ISA ARM  Segment kernel  
\[  245.910772\] Control: 10c5787d  Table: 5a47406a  DAC: 00000015  
\[  245.916576\]   
\[  245.916579\] PC: 0xc0744640:  
\[  245.920751\] 4640  e3310000 1afffffa f57ff04f e320f004 e5973004e2433001 e5873004 e5973000  
\[  245.928910\] 4660  ea000042 e59f0190 e300332a e19030b3 e31300040a000004 e2800fc6 e59f1198

如上图，当出现kernel panic的时候，会出现上面所示的堆栈信息。我们可以看到 \[  245.866444\] PC is atsco\_connect\_cfm+0x380/0x4e8，就会知道在sco\_connect\_cfm函数这边出现问题的。一般来说从LR(链接寄存器)这，我们可以知道上面的哪个函数是被hci\_proto\_connect\_cfm所调用的。当看到Unable to handle kernel NULL pointerdereference at virtual address 00000008时，就知道这个函数应用了一个非法地址，在linux中， 将最高的1G字节（从虚拟地址0xC0000000到0xFFFFFFFF），供内核使用，称为“内核空间”。而将较低的3G字节（从虚拟地址 0x00000000到0xBFFFFFFF），供各个进程使用，称为“用户空间），现在内核非法使用了用户空间的地址故存在问题。

关于kernel panic一般很难复现，于是我计划在内核中自己用代码去模拟这个现象。

static inlinevoid hci\_proto\_connect\_cfm(struct hci\_conn \*conn, \_\_u8 status)  
\{  
register struct hci\_proto \*hp;  
  
  
hp = hci\_proto\[HCI\_PROTO\_L2CAP\];  
if (hp && hp->connect\_cfm)  
hp->connect\_cfm(conn, status);  
  
  
hp = hci\_proto\[HCI\_PROTO\_SCO\];  
if (hp && hp->connect\_cfm)  
hp->connect\_cfm(conn, status);  
  
  
if (conn->connect\_cfm\_cb)  
conn->connect\_cfm\_cb(conn, status);  
\}

当我把函数改变为

static inlinevoid hci\_proto\_connect\_cfm(struct hci\_conn \*conn, \_\_u8 status)  
\{  
register struct hci\_proto \*hp;  
  
  
hp = hci\_proto\[HCI\_PROTO\_L2CAP\];  
if (hp && hp->connect\_cfm)  
hp->connect\_cfm(conn, status);  
  
  
conn =  = NULL - 21; // Simulation this phenomenon,  
hp = hci\_proto\[HCI\_PROTO\_SCO\];  
if (hp && hp->connect\_cfm)  
hp->connect\_cfm(conn, status);  
  
if (conn->connect\_cfm\_cb)  
conn->connect\_cfm\_cb(conn, status);  
\}

这个现象就会完全的复现。

其实根据 hci\_conn 结构体定义，我们就会知道 hcon->type的地址为00000008，于是我们就会明白，在最初的代码中，在调用sco\_connect\_cfm的时候，传入的变量conn的地址被改变为NULL - 21;但是在前面跑hp->connect\_cfm(conn, status)却没有什么问题， conn的地址传进 hp->connect\_cfm(conn, status)，也没有什么改变。于是我就开始郁闷了。为什么突然地址变为一个非法的地址？  
     后来在网上查了下，才发现可能是硬件的问题，使得某一个地址发生了临时的错误而导致的。于是找到了原因，这个bug也就分析结束了。

转载：[https://blog.csdn.net/xzhang76/article/details/8920239][https_blog.csdn.net_xzhang76_article_details_8920239]

[http_v.youku.com_v_show_id_XMTM0ODgxMDYw.html]: http://v.youku.com/v_show/id_XMTM0ODgxMDYw.html
[https_blog.csdn.net_xzhang76_article_details_8920239]: https://blog.csdn.net/xzhang76/article/details/8920239