Windows调试技巧&工具

前言

我们使用调试工具的时候，一般是要处理以下问题：

1. crash
2. anr application no response
3. memory leak
4. dead lock
5. high cpu usage
6. …

Windows平台上有很多对应的处理方案，不过现有的方案一般都有一个通病：一旦打开某些调试功能或者系统设置，调试目标的性能就会成倍下降。这一点有时候会对调试来带很大的干扰，比如出现目标程序UI线程卡顿，导致无法正常操作，或者没发现要调查的问题，反而是发现了一堆性能方面的问题。

crash

崩溃的情况可以从几个正交的维度来划分：是否必现，开发的机器上是否可以复现，是否抓到crash dump。

一旦接手一个crash问题排查，可以按照下面的步骤来排查：

1. 发现问题的机器上是否可以复现。可以复现的情况又分为：
   • 必现 ： 这个情况是最简单了。
   • 高概率复现 ：这个也比较简单。
   • 低概率复现，甚至只出现一次 ：这个最棘手，作为开发最怕遇到这类问题。但是理论上讲，只要能发现一次就一定有一个必现的路径，只不过实践中碰到的概率低而已。套用一句话来描述就是：crash只有0次和无数次。
2. 能复现的话，是否有复现路径。
   • 有的话，开发的机器上是否可以复现：那么直接用调试器来看就好了，这个最简单了，调试器就可以直接抓到crash点。
   • 开发的机器上不能复现的话，qa的机器上是否可以复现：可以通过远程调试的方法来处理。
   • 如果开发和测试的机器都不能复现的话，可能就需要联系客户了。这个要做好准备，这时候可以使用的方法就是：日志+dump。
     • 使用dump还要看是否能（尽量）跑debug版本，因为有时候release版本缺少一些符号信息，可能会出现即使复现了，但由于缺少符号，缺少active信息而导致无法进一步查问题。
     • 提一下，日志对于crash问题来说往往帮助不大，不过聊胜于无。
3. 走到这一步，那就是说这个问题很可能不好复现，而且拿不到dump信息，那么这时候问题的解决就很可能没希望了。留下最后一个办法就是：耐心。排查代码，不论使用什么方法，在怀疑的点上加日志，做好准备抓dump，部署到目标环境，然后静候crash发生。

对于上面的场景，其实概括起来处理方法就三种：

1. 本地调试：一般是使用MSVC
2. 远程调试：MSVC或者WinDbg都可以
3. 抓dump分析：MSVC或者WinDbg都可以，生成dump的方式，可以在资源管理器里面找到目标进程，右键执行创建转储文件；或者使用MSVC/WinDbg的创建dump功能。

anr

首先，对于anr的问题要注意的一个问题是，一定要确定anr确实发生了，因为有时候可能是程序运行环境配置较差导致的，静置一会儿看看是否就没问题了。当然如果干脆就不允许出现anr，那么应该有两方面的考虑：给出最低环境配置和找出造成anr的问题代码（比较有追求的做法）。

确定是anr问题了，那么接下来就要采取一些措施，比如动态抓dump看UI线程卡在哪里了。或者直接制造一个crash，也是得到dump，调查一下UI线程卡在哪里了。当然如果能上（本地或者远程）调试器的话是最好的了，anr的时候直接让程序停下来就可以在call stack中看到UI线程在干嘛。

另外提一下，mac上有一个不错的工具，可以在活动监视器里面采样，从而直观地看到哪行代码有问题。Windows系统上就只能用msvc工具来查了，但毕竟并不是所有（测试/客户的）环境都有调试工具，不是很好查；同时这个问题还可能与high cpu usage或者dead lock有点关联。

memory leak

内存泄露问题，可以：

• 使用msvc的Heap Profiling工具，通过take snapshot不同时间点的内存快照，进行对比得到内存泄露的点。
• Windows 10上可以使用UMDH工具来做类似的动作。
• Dr. Memory，下载地址
• Top 20+ Memory Leak Detection Tools For Java, C++ On Linux And Windows
• 通过Application Verifier工具中的内存相关功能查看。通过WinDbg配合Application Verifier来调试是一个不错的组合，WinDBg可以及时地查看出问题时对应句柄等资源的信息。
• 使用 Debug Diagnostic Tool，根据指定的内存阈值抓取dump，这个工具的另一个名字叫 “DebugDiag”。参考 Memory dumps to study a high-CPU performance issue，使用这个工具需要对系统的各种计数器的含义比较了解。调试诊断工具 (DebugDiag) 旨在帮助解决诸如挂起、性能下降、内存泄漏或内存碎片以及任何用户模式进程中的崩溃等问题。
• Physical and Virtual Memory in Windows 10 介绍Windows 10上内存知识很全面的一篇文档，里面有很多精美的插图。
• Deleaker Blog Visual Studio 20xx的一个付费插件。
• 微软官方工具介绍的一个视频集合：Defrag Tools
• 原本在channel9上的两个内存管理的视频：Mysteries of Memory Management Revealed Part1,Part2
• A story of fixing a memory leak in MiniDumper 使用VMMap + WPT分析内存泄露的一个不错的例子。
• milostosic/MTuner is a C/C++ memory profiler and memory leak finder

dead lock

发现死锁本身就是一个问题，比如非UI线程死锁，可能就没有UI线程卡死那么直观。可能是某些对该线程的同步调用卡住，或者异步调用没有结果返回才能发现。

发现之后可以抓dump，或者上调试器。

high cpu usage

Windows上由于缺少一个对进程的各个线程采样统计的工具（我没发现），所以这个问题查起来没有那么直接。WinDbg上可以用!runaway来查CPU的使用时间，但是这个使用时间，我们无法指定开始统计和结束统计的时间点，也就是说真正耗时的操作可能会被很早运行的线程运行时长超过，导致我们定位不出来。

Profile

PC Profile工具

手工复原堆栈

参考 Manually Walking a Stack

堆栈失效，可能是由于对无效地址的调用导致调试器丢失了返回地址的位置；或者您可能遇到了无法直接获取堆栈跟踪的堆栈指针；或者可能存在其他一些调试器问题。

思路是：

• 先从检查符号开始 x *! 命令
• dd esp/rsp 查看栈指针附近的信息，找出可能是函数指针的值，这里要注意排除掉下面的值：
  • 一般整数比较小，dd的时候大部分位是0，这类值不太可能是函数地址
  • 英文字符的范围一般在 [20,7f] 区间
  • 指向栈上的指针变量大小一般与esp/rsp接近
  • 函数指针一般不太可能重复
  • 状态码通常以 ac (c00000d6) 开头
  • 最后，栈的地址应该位于模块的区间内，也就是在第一步x命令找到的模块的地址区间内
• 这样得到一组函数指针备选集，然后逐个使用ln address查看对应符号，得到一组可能的函数调用符号
• 然后通过反汇编指令u 函数指针备选集合中的每一个元素的前一个地址，看看得到的结果是否匹配上面那组符号，从而构建出调用堆栈来。

GFlags

Windows上好多调试功能都需要 gflags 这个工具。

GFlags（全局标志编辑器）gflags.exe 启用和禁用高级调试、诊断和故障排除功能

gflags官方有一个实例说明：GFlags Examples