当前位置:首页 > 热点 > 正文

记一次 .NET 某工控视觉系统 卡死分析2023-07-04 13:40:58 | 来源:博客园 | 

一:背景1. 讲故事

前段时间有位朋友找到我,说他们的工业视觉软件僵死了,让我帮忙看下到底是什么情况,哈哈,其实卡死的问题相对好定位,无非就是看主线程栈嘛,然后就是具体问题具体分析,当然难度大小就看运气了。


(资料图片)

前几天看一篇文章说现在的 .NET程序员 不需要学习WinDbg,理由就是有很多好的分析工具诸如 VS,DnSpy,PerfView 可以替代,我也只能笑笑,在他们的认知中可能 .NET程序是不需要和其他语言交互而独成一体的。

话不多说,回到主题,上 WinDbg 说话。

二:为什么会卡死1. 主线程在做什么

刚才也说到了,卡死是比较好定位的,切到主线程看线程栈即可,简化输出如下:

0:000> ~0s;kntdll!NtDelayExecution+0x14:00007ffc`7d45fcf4 c3              ret # Child-SP          RetAddr               Call Site00 00000000`007fd628 00007ffc`79a15631     ntdll!NtDelayExecution+0x1401 00000000`007fd630 00007ffc`40b7b116     KERNELBASE!SleepEx+0xa102 00000000`007fd6d0 00007ffc`40b7372e     cogxstd+0x13b11603 00000000`007fd700 00007ffc`40b73ece     cogxstd+0x13372e...09 00000000`007fd9b0 00007ffc`7d1c77e3     CogDisplay!DllUnregisterServer+0x1833f0a 00000000`007fdab0 00007ffc`7d16436c     rpcrt4!Invoke+0x730b 00000000`007fdb00 00007ffc`7cdbc473     rpcrt4!NdrStubCall2+0x42c0c 00000000`007fe130 00007ffc`7c451bf0     combase!CStdStubBuffer_Invoke+0x73 [onecore\com\combase\ndr\ndrole\stub.cxx @ 1446] ...11 00000000`007fe230 00007ffc`7cdc2df6     combase!DefaultStubInvoke+0x1c4 [onecore\com\combase\dcomrem\channelb.cxx @ 1769] 12 (Inline Function) --------`--------     combase!SyncStubCall::Invoke+0x22 [onecore\com\combase\dcomrem\channelb.cxx @ 1826] 13 00000000`007fe380 00007ffc`7cd62e55     combase!SyncServerCall::StubInvoke+0x26 [onecore\com\combase\dcomrem\servercall.hpp @ 825] 14 (Inline Function) --------`--------     combase!StubInvoke+0x265 [onecore\com\combase\dcomrem\channelb.cxx @ 2052] 15 00000000`007fe3c0 00007ffc`7cd8ded2     combase!ServerCall::ContextInvoke+0x435 [onecore\com\combase\dcomrem\ctxchnl.cxx @ 1532] ...31 00000000`007fff60 00000000`00000000     ntdll!RtlUserThreadStart+0x21

从卦中看当前主线程正在 Sleep,这就很奇葩了,并且还是康耐视的 cogxstd动态链接库的逻辑,这里我敢相信它不会有这么低级的错误,接下来我们洞察下到底 Sleep 了多久,仔细观察汇编代码,精简后如下:

ntdll!NtDelayExecution:00007ffc`7d45fce0 4c8bd1           mov     r10, rcx00007ffc`7d45fce3 b834000000       mov     eax, 34h00007ffc`7d45fce8 f604250803fe7f01 test    byte ptr [7FFE0308h], 100007ffc`7d45fcf0 7503             jne     ntdll!NtDelayExecution+0x15 (7ffc7d45fcf5)00007ffc`7d45fcf2 0f05             syscall 00007ffc`7d45fcf4 c3               ret     00007ffc`7d45fcf5 cd2e             int     2Eh00007ffc`7d45fcf7 c3               ret     00007ffc`7d45fcf8 0f1f840000000000 nop     dword ptr [rax+rax]    KERNELBASE!SleepEx:00007ffc`79a15590 89542410         mov     dword ptr [rsp+10h], edx00007ffc`79a15594 4c8bdc           mov     r11, rsp00007ffc`79a15597 53               push    rbx00007ffc`79a15598 56               push    rsi00007ffc`79a15599 57               push    rdi00007ffc`79a1559a 4881ec80000000   sub     rsp, 80h00007ffc`79a155a1 8bda             mov     ebx, edx00007ffc`79a155a3 8bf9             mov     edi, ecx...00007ffc`79a155f4 488b9424b8000000 mov     rdx, qword ptr [rsp+0B8h]00007ffc`79a155fc 85db             test    ebx, ebx00007ffc`79a155fe 0f8592000000     jne     KERNELBASE!SleepEx+0x106 (7ffc79a15696)00007ffc`79a15604 83ffff           cmp     edi, 0FFFFFFFFh00007ffc`79a15607 7443             je      KERNELBASE!SleepEx+0xbc (7ffc79a1564c)00007ffc`79a15609 4869cf10270000   imul    rcx, rdi, 2710h00007ffc`79a15610 48894c2420       mov     qword ptr [rsp+20h], rcx00007ffc`79a15615 48f7d9           neg     rcx...00007ffc`79a15622 488d542420       lea     rdx, [rsp+20h]00007ffc`79a15627 0fb6cb           movzx   ecx, bl00007ffc`79a1562a 48ff15ef641400   call    qword ptr [KERNELBASE!__imp_NtDelayExecution (7ffc79b5bb20)]

再上一段 reactos 的 C++ 方法签名。

DWORDWINAPISleepEx(IN DWORD dwMilliseconds,        IN BOOL bAlertable){}NTSTATUSNTAPINtDelayExecution(IN BOOLEAN Alertable,                 IN PLARGE_INTEGER DelayInterval){}

我们要重点观察 NtDelayExecution方法中 rdx 参数是怎么计算的,重点就是下面的两句汇编。

imul    rcx, rdi, 2710hneg     rcx

这两句汇编是什么意思呢? 转成 C++ 代码就是

interval = - (milliseconds * 0x2710);

在汇编中我们是知道 interval的,它相当于是 milliseconds 计算后的补码,即下面的 Binary:列。

0:000> rrax=0000000000000034 rbx=0000000000000000 rcx=0000000000000000rdx=00000000007fd650 rsi=0000000000000000 rdi=0000000000000001rip=00007ffc7d45fcf4 rsp=00000000007fd628 rbp=00000000bf1efcf8 r8=00000000007fd628  r9=00000000bf1efcf8 r10=0000000000000000r11=0000000000000246 r12=0000000000000000 r13=0000000000000798r14=000000003bd064b0 r15=00000000bf1efce00:000> dp 00000000007fd650 L100000000`007fd650  ffffffff`ffffd8f00:000> .formats ffffffff`ffffd8f0Evaluate expression:  Hex:     ffffffff`ffffd8f0  Binary:  11111111 11111111 11111111 11111111 11111111 11111111 11011000 11110000  ...

那怎么求 milliseconds呢? 其实 补码的补码就是原码,然后再除以 0x2710就可以获取到 milliseconds了哈。

补码:11111111 11111111 11111111 11111111 11111111 11111111 11011000 11110000反码:00000000 00000000 00000000 00000000 00000000 00000000 00100111 00001111补补:00000000 00000000 00000000 00000000 00000000 00000000 00100111 00010000
0:000> .formats 0y0000000000000000000000000000000000000000000000000010011100010000Evaluate expression:  Hex:     00000000`00002710  Decimal: 10000  Decimal (unsigned) : 10000  Octal:   0000000000000000023420  Binary:  00000000 00000000 00000000 00000000 00000000 00000000 00100111 000100000:000> ? 00002710/ 2710Evaluate expression: 1 = 00000000`00000001

从卦中看当前也就暂停了 1ms,如果想验证对不对的话,仔细看mov edi, ecx会发现做了一次备份,但不管怎么说 Thread.Sleep(1)应该问题不大,那问题在哪里呢?

2. 问题到底在哪里

既然问题不在 Sleep(1)上那到底在哪里呢?仔细观察线程栈会发现底层做了一个 RPC 通讯,从 combase!SyncServerCall::StubInvokerpcrt4!NdrStubCall2方法来看,它是 RPC 的 Server 端,既然是 Server 端就必然有 Client 端,根据经验这个 RPC 应该是 命令管道的方式,没开 Windows 的RPC诊断所以不能100%确认。

接下来看下其他线程有没有 RPC 的 rpcrt4!NdrpClientCall请求,抱着试试看的态度搜一搜,我去,还真有10几个,截图如下:

仔细分析这 12 个 Reqeust,发现其中的 Cognex.VisionPro.Display.CogDisplay.set_Image比较可疑,毕竟 Image 运作起来肯定是费时费力的。

0:543> k # Child-SP          RetAddr               Call Site00 00000000`fc65def8 00007ffc`79a1c2ce     ntdll!NtWaitForMultipleObjects+0x14...04 (Inline Function) --------`--------     combase!CSyncClientCall::SwitchAptAndDispatchCall+0x34a05 00000000`fc65e290 00007ffc`7cd9b015     combase!CSyncClientCall::SendReceive2+0x42c06 (Inline Function) --------`--------     combase!SyncClientCallRetryContext::SendReceiveWithRetry+0x25 07 (Inline Function) --------`--------     combase!CSyncClientCall::SendReceiveInRetryContext+0x25 08 00000000`fc65e480 00007ffc`7cd8c55d     combase!DefaultSendReceive+0x6509 00000000`fc65e4e0 00007ffc`7cd60a54     combase!CSyncClientCall::SendReceive+0x12d 0a 00000000`fc65e710 00007ffc`7cdbc54e     combase!CClientChannel::SendReceive+0x84 0b 00000000`fc65e780 00007ffc`7d151e93     combase!NdrExtpProxySendReceive+0x4e 0c 00000000`fc65e7b0 00007ffc`7cdbae17     rpcrt4!NdrpClientCall2+0x4630d 00000000`fc65edf0 00007ffc`7ce2ce92     combase!ObjectStublessClient+0x1d7 0e 00000000`fc65f180 00007ffb`f1321db8     combase!ObjectStubless+0x420f 00000000`fc65f1d0 00007ffc`4002c906     0x00007ffb`f1321db810 00000000`fc65f2c0 00007ffb`f131d541     Cognex_VisionPro_Display_Controls_ni!Cognex.VisionPro.Display.CogDisplay.set_Image+0xb60:543> !clrstackOS Thread Id: 0x2bbc (543)        Child SP               IP Call Site...00000000fc65f208 00007ffbf1321db8 [InlinedCallFrame: 00000000fc65f208] Cognex.VisionPro.Interop.CogDisplayClass.set_Image(Cognex.VisionPro.Interop.ICogImage)00000000fc65f1d0 00007ffbf1321db8 DomainBoundILStubClass.IL_STUB_CLRtoCOM(Cognex.VisionPro.Interop.ICogImage)00000000fc65f2c0 00007ffc4002c906 Cognex.VisionPro.Display.CogDisplay.set_Image(Cognex.VisionPro.ICogImage)00000000fc65f310 00007ffbf131d541 xxxx.SetDefaultRecord()...00000000fc65f680 00007ffc4bc17e46 System.Threading.ThreadPoolWorkQueue.Dispatch()00000000fc65fb20 00007ffc4d706c93 [DebuggerU2MCatchHandlerFrame: 00000000fc65fb20] 

根据卦中的托管方法 xxxx.SetDefaultRecord(),让朋友不要做 Image 赋值观察下效果,朋友反馈说,这个 Image 不赋值问题就没有了。

既然去掉就好了,到这里只能推测当前主线程不是卡死,而是 RPC 请求过多Size过大,导致主线程一直忙碌中,具体为什么会忙碌,这就需要逆向 cogxstd来滤清业务逻辑了,这个就太费时费力了,还是先绕过去为好。

三:总结

还是回到文章开头的那句话,这种 dump 问题,你能用 DnSpy,VS 调试出来吗?说实话很难,虽然以 .NET 程序为出口,但考察了你很多基础知识,诸如 RPC,COM,汇编,没有这些基础沉淀,这类dump很难摸清来龙去脉。

上一篇:看点:点滴积累,汇成竞技实力 最后一页下一篇: