如何在复杂代码中寻找BUG

来自知乎问答，看了觉得很有益，就整理过来学习一下。

原始提问：快毕业的通信学生，之前正式代码经验几乎零。目前在已经给Offer的公司实习安卓开发。Mentor说先从找code base中bug开始。但是我感觉我们的codebase好复杂，这几天突然没什么进展。uml之类的也画了不少。想问问前辈们有什么建议？

解答：

1：来自姚冬，哥写的不是代码，是梦想

我曾经做了两年大型软件的维护工作，那个项目有10多年了，大约3000万行以上的代码，参与过开发的有数千人，代码checkout出来有大约5个GB，而且bug特别多，open的有上千，即使最高优先级的showstopper也有上百。
分享下我的debug的经验

1. 优先解决那些可重现的，可重现的bug特别好找，反复调试测试就好了，先把好解决的干掉，这样最节约时间。

2. 对于某些bug没有头绪或者现象古怪不知道从哪里下手，找有经验的同事问一下思路，因为在那种开发多年的大型系统里，经常会反复出现同样原因的bug，原因都类似，改了一处，过一阵子另外一处又冒出来，而且无法根治。
比如：我那个系统里有个特别危险的API，接口参数比较难用，一旦有人用错了某些情况下就会出诡异的现象，解决很简单，找到调用这个API的地方把调用方式写对就好了。为什么不根治呢？因为要保持兼容性不能改接口了。Windows系统里就好多这种烂API。
问下老员工吧，说不定他们都遇到过好多次了。

3. 放大现象，有些bug现象不太明显，那么就想办法增大它的破坏性，把现象放大。这只是个思路，具体怎么放大只能根据具体的代码来定。
比如：美剧《豪斯医生》里有一集，怀疑病人心肺有问题，就让病人去跑步机上跑步，加重心肺负担，从而放大症状。

4. 二分法定位，把程序逻辑一点点注释掉，看看还会不会出问题，类似二分查找的方法，逐步缩小问题范围。

5. 模拟现场，有时候我会问自己，如果我要实现bug描述的现象我要怎么写代码才行？
比如：我遇到一个死锁问题，但是检查代码发现所有的锁都是配对的，没有忘记解锁的地方，而且锁很简单就是一个普通的临界段，保护几行附值语句而已。这样的代码怎么写才能让他死锁呢？
我想如果让我故意制造这样一个现象，只有在上锁的时候强制杀掉线程了。
既然这样就可以去看看有谁强杀线程了没有。

6. 制作工具，针对某些bug编写一些调试辅助工具。
比如，我那个系统没有完善的崩溃报告，虽然也有dump，但是分析出来的callstack经常不准。于是我为解决崩溃问题编写了个工具，会自动扫瞄代码，在每个函数入口和出口插入log，以此来定位崩溃点。

7. 掩盖问题，虽然这样做有点不厚道，但是有时不得不这么做。有些bug找不到真正的root cause，但是又要在规定时间内解决，那么我们就可以治疗症状而不去找病因。比如用try catch掩盖一些奇怪的崩溃。不到万不得已不要这么干，未来可能会付出更大代价。

我在做这份工作的时候也在追美剧《豪斯医生》，豪斯大叔解决病症的思路和debug差不多，对我很有启发。

2：vczh，专业造轮子 http://www.gaclib.net

我在sqlserver的时候，有一次让我去修改一个用C++后来转MC++后来转C++/CLI和C#混合写的sql profiler的05年的一个replay什么东西的trace的bug。软件巨大无比，当初创建这个bug的人都不知道为什么要这么写了。于是我静下心来，肉眼看了3个星期的代码（！！！！！），整个软件的脉络都理清了，最后稍微运行了一下确定位置（因为启动debug实在是太麻烦了），然后修掉了。

所以说，只要老板不逼你，肉眼看代码找bug是毫无问题的。

3：RefuseBT，IT/IOS开发/ACG/小散/求交往

1、能复现BUG，你就捡到宝了。基本调试一下都能找出问题在那里。
2、排除法很重要，尽可能多的排除掉可能性，将一个复杂环境的问题，缩小到一个特定范围。比如先是找问题模块、再是找问题函数、最后找问题代码，然后排查出现问题的输入、条件等等。
3、怎么改，要看这个问题范围内依赖那些变量、条件。然后查找这些变量、条件被那些地方公用。比如这里面需要变量value，那么你就通过搜索“value =”，找到所有赋值的位置。看看这些地方有没有问题。最后决定解决bug的方案。也就是说你发现问题的地方可能不是应该改bug的地方，真正的原因可能在其他依赖的地方。
4、你要对你所使用的语言、系统有深入了解。比如有些问题是线程同步问题，调用时序的前序后继问题，有些是副作用。这个时候单步调试可能困难比较大，那么你需要在可疑位置打Log进行排查。

4：黄亮，程序员，函数，算法

居然有这么多自以为正确的做法？做了这么多年工作没有反思过？

我的经验：bug没有在第一秒反映出几个原因，只能说明你对软件系统非常不熟悉。这个第一反映的原因当然不一定正确，需要看代码或调试映证自己的推测。一个架构师不能把几十万代码放到心里，一个程序员不能把一两万条代码放到心里是一种能力不足的表现。能力不足的人沉下心来写几万行代码是个不错的选择。

先说说什么是bug，我认为所有不符合客户预期的软件功能和属性就是bug。因此bug有且只有两种，一是没有按需求设计，二是没有按设计实现。前者暂不讨论，我们说说后者。

最痛苦的情况莫过于已经不知道当时的设计是什么，这也很常见，解决方案有两个：

其一，删了它。没错，就是删了它。只要产品还是beta之前，就可以做这个事，删除它，试错，根据客户反馈找到需求，大不了改回来。关键是你找到了需求，有了参考代码，重新设计一下不会太难，再根据设计来简化实现。这就是所谓的“根本不改bug，直接重新实现”。

另一种情况比较难办，已经是维护产品，不能给最终用户发布测试版本出去试错。这就需要clean code中的办法对付这种leagacy code。这是真的水磨功夫，不过对于压力不大的维护版本，还是有时间做的。特殊情况下，又急又紧时，上第一种办法。人都要死了还在乎一块肉，割了。

相对比较好的情况是有一定的设计，但设计文档留下的不完整，或代码与设计已经有较大区别。这时，你需要找一个老员工，听他讲讲这些代码是做什么的，哪里有坑他都知道。这个过程大体上是能补全一个设计思路，特别是当初没有设计好的地方。但是请注意老员工一般有很多低层次的经验和得过且过的想法，不能太当一回事，也不能完全忽视。下面的工作还是重新设计，简化实现。

最好的情况是有一个比较完整的设计。这种情况基本是纯代码问题，确认到函数层次后，基本是照本宣科，常见的错误就哪么些，已经知道错在哪里，一行行的对吧。findbugs什么的也是在这种情况下有用。哪有什么找不到错误，不知道错哪了。一句话总结：”经验不足“，没见过怎么找得到。

举个例子，云风提到一个"崩溃发生在一段红黑树插入节点的代码中，这里的 pathp 指针变成了 NULL"问题。首先你应该马上想到野指针，数组溢出，字符串结尾\0。这就是经验，老程序员的核心价值。然后找到对应的代码，一行行的看，有没有上面的问题。至于这两行代码你能不能找到问题，这又是另一种经验了：

char *buffer = calloc(sz*2+1, sizeof(char));
for (int i = 0; i < sz; ++i) {
    sprintf(buffer+i*2, "%02x", data[i]);
}

答案：溢出了。%x在遇到负数时，会输出补码，这就不只2字节了。从这个角度来说，程序员不在乎对了多少，而在乎错过多少。

对于不得不干这个事的新手，建议你找一个老员工帮你提思路，你来一行一行的验证，对于有疑点的地方找老员工确认。

我在刚进软件行业时，也认为软件系统是一个不确定系统，影响因素太多，以至于测试无法证明它的正确性。不过这几年我发现，软件系统的正确性可以被设计出来（所有属性都可以被设计，只是要权衡取舍）。不考虑物理错误的情况下，软件系统是确定系统，所以bug不过是一个错位了的功能。

P.S. 让新员工独立找bug或者解决bug是一个非常不负责的作法，新员工更适合与老员工结对完成新功能。一方面，他们冲劲足，思想还没有条条框框，实现起来比较快，有更多的创新；另一方面，他们经验不足，还没有团队习惯，不能独立工作。一但无法融入团队，就会造成伤害。