如何分析crash的backtrace

MySQL异常退出往往会会在error.log中打印backtrace信息，我们从这个backtrace中可以得到一些异常的原因，例如断言错误，空指针内容的访问等。顺着这些信息排查，我们一般再结合代码逻辑来做推断，写测试用例重现，再打补丁，再验证等过程。 但是，线上早期部

MySQL异常退出往往会会在error.log中打印backtrace信息，我们从这个backtrace中可以得到一些异常的原因，例如断言错误，空指针内容的访问等。顺着这些信息排查，我们一般再结合代码逻辑来做推断，写测试用例重现，再打补丁，再验证等过程。

但是，线上早期部署的MySQL编译参数不太规范，导致一些MySQL crash的backtrace看起来不是那么透明，非常难懂，甚至一点意义也没有。这给我们排查问题带来非常大的不便。当然，这个问题已经解决，我们采用google-breakpad来获取MySQL crash时的mini-dump，但这是后话，在此不展开。

那么，这种backtrace就真的没有什么信息可以挖掘吗？不一定。下面我们就以这周发线上的一个故障来分析。

线上一台5.5版本的备库跑了3月之久突然就crash，crash的backtrace为：

/u01/mysql/bin/mysqld(my_print_stacktrace+0x39)[0x7b1b69]<br> /u01/mysql/bin/mysqld(handle_segfault+0x43c)[0x4fa39c]<br> /lib64/libpthread.so.0[0x344dc0f520]<br> /u01/mysql/bin/mysqld[0x7fb4c1]<br> /lib64/libpthread.so.0[0x344dc077e1]<br> /lib64/libc.so.6(clone+0x6d)[0x344d8e68ed<br>

这个backtrace就是典型早期编译部署的MySQL,backtrace信息很难看懂。但是，凭经验和一些常识，这一个调用关系非常简单的线程，因为backtrace中创建的pthread只调用了一次mysqld的函数。那么，我猜测这个线程可能是一个后台线程。mysqld层显示的地址0x7fb4c1到底是哪行代码，对我们分析问题非常关键。

猜测后就该验证了，GDB出马！用GDB在出问题的那台机器上来玩转下反汇编。
注意：
1. 不要在业务高峰期执行GDB相关操作！
2. 一定要对所执行的GDB动作非常熟悉！
3. 最好通知对应的DBA！

那末，搞起！在线disass下地址0x7fb4c1先看看是哪个函数：
gdb -p 31639 -ex "disassemble?0x7fb4c1?" --ex "quit" --batch > /tmp/g1.log

Dump of assembler code from 0x7fb4c1 to 0x7fb4f1:<br> 0x00000000007fb4c1 <srv_master_thread>: cmp %esi,(%rax)<br> 0x00000000007fb4c3 <srv_master_thread>: jne 0x7fb4b0 <srv_master_thread><br> 0x00000000007fb4c5 <srv_master_thread>: mov 0xc(%r8),%edi<br> 0x00000000007fb4c9 <srv_master_thread>: cmp 0x4(%rax),%edi<br> 0x00000000007fb4cc <srv_master_thread>: jne 0x7fb4b0 <srv_master_thread><br> 0x00000000007fb4ce <srv_master_thread>: mov 0x60(%rax),%rdi<br> 0x00000000007fb4d2 <srv_master_thread>: cmp %rdi,0x10(%r11)<br> 0x00000000007fb4d6 <srv_master_thread>: jne 0x7fb4b0 <srv_master_thread><br> 0x00000000007fb4d8 <srv_master_thread>: nopl 0x0(%rax,%rax,1)<br> 0x00000000007fb4e0 <srv_master_thread>: sub %r13,%rdx<br> 0x00000000007fb4e3 <srv_master_thread>: add (%r11),%rdx<br> 0x00000000007fb4e6 <srv_master_thread>: mov $0x0,%eax<br> 0x00000000007fb4eb <srv_master_thread>: mov %r13,(%r11)<br> 0x00000000007fb4ee <srv_master_thread>: mov (%r12),%esi<br> End of assembler dump.</srv_master_thread></srv_master_thread></srv_master_thread></srv_master_thread></srv_master_thread></srv_master_thread></srv_master_thread></srv_master_thread></srv_master_thread></srv_master_thread></srv_master_thread></srv_master_thread></srv_master_thread></srv_master_thread></srv_master_thread></srv_master_thread></srv_master_thread>

有两点我们可以确认：
1. 这是个srv_master_thread线程.
2. 在读取异常指针作比较时，导致segfault.

那这段汇编代码上下文是什么很难看出到底是哪行代码出问题，这时我们可以把srv_master_thread函数disass下：
gdb -p 31639 -ex "disassemble srv_master_thread" --ex "quit" --batch > /tmp/g2.log

<br> 0x00000000007fb478 : mov 0x3a8(%r10),%r12<br> 0x00000000007fb46d : mov %r12,-0x740(%rbp)<br> 0x00000000007fb474 : nopl 0x0(%rax)<br> 0x00000000007fb486 : test %r12,%r12<br> 0x00000000007fb489 : je 0x7fb908 <srv_master_thread><br> 0x00000000007fb48f : lea (%r9,%r9,2),%rdi<br> 0x00000000007fb493 : mov %r12,%rax<br> 0x00000000007fb496 : xor %edx,%edx<br> 0x00000000007fb498 : shl $0x3,%rdi<br> 0x00000000007fb49c : mov -0x6c8(%rbp,%rdi,1),%esi<br> 0x00000000007fb4b4 : test %rax,%rax<br> 0x00000000007fb4b7 : je 0x7fb900 <srv_master_thread><br> 0x00000000007fb4c1 : cmp %esi,(%rax)<br> 0x00000000007fb4c3 : jne 0x7fb4b0 <srv_master_thread><br> 0x00000000007fb4c5 : mov 0xc(%r8),%edi<br> 0x00000000007fb4c9 : cmp 0x4(%rax),%edi<br> 0x00000000007fb4cc : jne 0x7fb4b0 <srv_master_thread><br> 0x00000000007fb4ce : mov 0x60(%rax),%rdi<br> 0x00000000007fb4d2 : cmp %rdi,0x10(%r11)<br> 0x00000000007fb4d6 : jne 0x7fb4b0 <srv_master_thread><br> 0x00000000007fb4d8 : nopl 0x0(%rax,%rax,1)</srv_master_thread></srv_master_thread></srv_master_thread></srv_master_thread></srv_master_thread>

如果你汇编能力非常强，但是可以慢慢读起。但是，这往往非常累，因为这个函数太长了，并且由于编译优化，汇编代码不是和逻辑代码行级别的顺序完全对应。

对于我们这样的懒人，一般不太愿意，触发是实在没有办法。

那么，还有没有其它办法？有
答案是有的，用 disass /m 可以将汇编和代码对应起来！

gdb -p 31639 -ex "disassemble /m srv_master_thread" --ex "quit" --batch > /tmp/g3.log

3447 in /home/jiyuan/rpmbuild/BUILD/tb-mysql-5.5.18/storage/innobase/srv/srv0srv.c<br> 0x00000000007fb478 : mov 0x3a8(%r10),%r12

3448 in /home/jiyuan/rpmbuild/BUILD/tb-mysql-5.5.18/storage/innobase/srv/srv0srv.c
3449 in /home/jiyuan/rpmbuild/BUILD/tb-mysql-5.5.18/storage/innobase/srv/srv0srv.c
3450 in /home/jiyuan/rpmbuild/BUILD/tb-mysql-5.5.18/storage/innobase/srv/srv0srv.c
3451 in /home/jiyuan/rpmbuild/BUILD/tb-mysql-5.5.18/storage/innobase/srv/srv0srv.c
0x00000000007fb46d : mov %r12,-0x740(%rbp)
0x00000000007fb474 : nopl 0x0(%rax)
0x00000000007fb486 : test %r12,%r12
0x00000000007fb489 : je 0x7fb908
0x00000000007fb48f : lea (%r9,%r9,2),%rdi
0x00000000007fb493 : mov %r12,%rax
0x00000000007fb496 : xor %edx,%edx
0x00000000007fb498 : shl $0x3,%rdi
0x00000000007fb49c : mov -0x6c8(%rbp,%rdi,1),%esi
0x00000000007fb4b4 : test %rax,%rax
0x00000000007fb4b7 : je 0x7fb900

3452 in /home/jiyuan/rpmbuild/BUILD/tb-mysql-5.5.18/storage/innobase/srv/srv0srv.c
0x00000000007fb4c1 : cmp %esi,(%rax)
0x00000000007fb4c3 : jne 0x7fb4b0
0x00000000007fb4c5 : mov 0xc(%r8),%edi
0x00000000007fb4c9 : cmp 0x4(%rax),%edi
0x00000000007fb4cc : jne 0x7fb4b0
0x00000000007fb4ce : mov 0x60(%rax),%rdi
0x00000000007fb4d2 : cmp %rdi,0x10(%r11)
0x00000000007fb4d6 : jne 0x7fb4b0
0x00000000007fb4d8 : nopl 0x0(%rax,%rax,1)

是不是看起来有点感觉了？终于有对应的代码了！
但是，高兴太早了，只是显示了代码文件名，没有说明是那行代码！
这个问题的原因是mysqld是在显示的那个目录下编译的，如何rpm打包，分发到线上机器部署。而安装的时候，我们是不安装对应的编译的代码文件。

那么，接下来怎么办？
好办，将对应的源文件拷贝一份到任何一个目录下，利用GDB的substitute-path来将编译时的路径和我们拷贝的代码路径对应起来就行了。

拷贝一份对应版本的源码到/tmp下，再次disass下：
注：0x00000000007fb46d 这个地址是我随便选择的，在srv_master_thread函数中某个有些地址，在0x7fb4c1之前，没有太多实际意义。

gdb -p 31639 -ex "set substitute-path? /home/jiyuan/rpmbuild/BUILD/tb-mysql-5.5.18 /tmp/alimysql-5.5.18"?-ex "disassemble /m??0x00000000007fb46d??" --ex "quit" --batch > /tmp/g4.log

3446 for (j = 0; j 0x00000000007fb47f : mov 0x3a0(%r10),%r13

3447 lint blocks_num, new_blocks_num, flushed_blocks_num;
0x00000000007fb478 : mov 0x3a8(%r10),%r12

3448 ibool found;
3449
3450 buf_pool = buf_pool_from_array(j);
3451
0x00000000007fb46d : mov %r12,-0x740(%rbp)
0x00000000007fb474 : nopl 0x0(%rax)
0x00000000007fb486 : test %r12,%r12
0x00000000007fb489 : je 0x7fb908
0x00000000007fb48f : lea (%r9,%r9,2),%rdi
0x00000000007fb493 : mov %r12,%rax
0x00000000007fb496 : xor %edx,%edx
0x00000000007fb498 : shl $0x3,%rdi
0x00000000007fb49c : mov -0x6c8(%rbp,%rdi,1),%esi
0x00000000007fb4b4 : test %rax,%rax
0x00000000007fb4b7 : je 0x7fb900

3452 blocks_num = UT_LIST_GET_LEN(buf_pool->flush_list);
0x00000000007fb4c1 : cmp %esi,(%rax)
0x00000000007fb4c3 : jne 0x7fb4b0
0x00000000007fb4c5 : mov 0xc(%r8),%edi
0x00000000007fb4c9 : cmp 0x4(%rax),%edi
0x00000000007fb4cc : jne 0x7fb4b0
0x00000000007fb4ce : mov 0x60(%rax),%rdi
0x00000000007fb4d2 : cmp %rdi,0x10(%r11)
0x00000000007fb4d6 : jne 0x7fb4b0
0x00000000007fb4d8 : nopl 0x0(%rax,%rax,1)

3453 bpage = UT_LIST_GET_FIRST(buf_pool->flush_list);
3454 new_blocks_num = 0;
0x00000000007fb4a3 : lea -0x6d0(%rbp,%rdi,1),%r8
0x00000000007fb4ab : jmp 0x7fb4c1
0x00000000007fb4ad : nopl (%rax)

3455
3456 found = FALSE;
3457 while (bpage != NULL) {
3458 if (prev_flush_info[j].space == bpage->space
3459 && prev_flush_info[j].offset == bpage->offset
0x00000000007fb4b0 : mov 0x40(%rax),%rax

3460 && prev_flush_info[j].oldest_modification
0x00000000007fb4bd : add $0x1,%rdx

终于看到熟悉的代码了！
可以定位到问题本质，第3452行异常导致，即buf_pool->flush_list.count访问为非法内存地址。

这段代码是srv_master_thread频繁访问的内存变量，出现这种问题，我只能说是其它地方有异常导致此处内存被污染。至于原因，没有啥思路，等下会遇到再分析。

到此，我们就能力范围内对mysql的backtrace进行了深度挖掘，揭开backtrace中地址的神秘面纱。但这个问题还是没有解决，backtrace中还有其它可以挖掘的信息，后面有高人指定也许会豁然开朗。

原文地址：如何分析crash的backtrace, 感谢原作者分享。