Hard fault (硬错误,也有译为硬件错误的)是在STM32(如无特别说明,这里的STM32指的是Cortex-M3的核)上编写程序中所产生的错误,造成Hard Fault错误的原因也是最为纷繁复杂的。由于能导致该错误的原因很多,所以一但出现,比较难找到其原因。网上有很多类似的这种方法,现在我将其稍加整理,并结合我曾经遇到过的问题,详细说明。
硬fault 是总线fault、存储器管理fault 以及用法fault 上访的结果。如果这些fault 的服务例程无法执行,它们就会成为“硬伤”——上访(escalation)成硬fault。另外,在取向量(异常处理是对异常向量表的读取)时产生的总线fault,也按硬fault 处理。在NVIC 中有一个硬fault 状态寄存器(HFSR),它指出产生硬fault 的原因。如果不是由于取向量造成的,则硬fault 服务例程必须检查其它的fault 状态寄存器,以最终决定是谁上访的。
1 寄存器描述
首先查看硬故障寄存器,判别原因。
对于调试故障,有个调试故障寄存器,在0xE000ED30处,有详细介绍,不做探讨;
对于取中断发生的,有两类原因,一是在取向量过程中发生总线 fault,二是向量表偏移量设置有误。
本文重点介绍位30所示的,上访类错误。
这样Fault类异常有了三类,用法错误,存储管理错误,总线错误。
对于这些寄存器详尽的描述,见权威指南。
2 确定发生错误的地方
2.1 查找出错原因
Cortex-M3有双堆栈功能,在带有操作系统时,一般都会使用。在Keil软件使用JTAG调试为例,系统的启动文件中,将断点打在下面4个地方。
HardFaultException
B HardFaultException
MemManageException
B MemManageException
BusFaultException
B BusFaultException
UsageFaultException
B UsageFaultException
程序跑飞以后,就会停在上面的4个断点的一个地方。可以通过两种方式查找原因。
第一种,在KEIL软件下,利用软件提供的功能查找故障原因。
在点出的窗口中,可以大体确定是哪个寄存器、什么原因造成了Hard Fault。
第二种,通过在内存观察窗口,直接输入上面那些寄存器的值来确定,通过观看寄存器那个位被置1了,确定出错原因。
2.2 确定出错地方
然后查看左侧寄存器栏中Banked确定现在使用的是那个堆栈,MSP或者是PSP,确定以后,在内存查看窗口,输入堆栈的地址,以这个地址开始的8个32位数值,应该依次是R0,R1,R2,R3,R12,R14,R15,XPSR的数值,据此判定你的堆栈地址是不是对的(有时需要考虑堆栈的增长方向)。R14,R15的地址就是我们出错的代码所在的地址,需要在这个地址基础上,首先偶数对齐,然后向上减去8个字节。
需要考虑的是,在使用MSP的时候,有出错的地方并不一定在R14,R15处,而是在XPSR往后的第二个地址处,在这个附近查找,排除故障。
3 两个例子
下面就我之前碰到过的,举例说明,这两个例子分析出结果后,会觉得很简单,但是查找原因的过程有点费劲。
3.1 memcpy内存拷贝函数引发
总线故障寄存器中IMPERCISERR位,标示不精确的数据总线访问错误,权威指南中对此有详尽的说明,“或者传送的数据单位尺寸不能为设备所接受,此时有可能是LDM/STM指令造成的”。
Memcpy函数的原因是这样的void *memcpy(void *dest, const void *src, size_t n),其中src是源地址,dest是目的地址,n是要拷贝的字节长度。KEIL自带的函数中并不检查这三个参数是否有效,我所开发的程序中,源地址和目的地址都在外存(外部扩展的内存,本次大小是4M)中,假设size的大小是0xFFFF FFFF,这样的数值非常的大,单纯的拷贝都需要10多秒。程序中定义了很多的变量都在外存,这个拷贝函数所在的任务优先级比较低,可能被中断或者其它的任务打断。
我调试程序的时候,首先是发生在了中断的地方,外存数组地址到了0x21FF 2200,原来定义在6802 1000,加起来立刻超出了外存大小。修改中断,最终确定是传入的参数n太大了,直接是0xFFFF FFFF,这样memcpy函数会在这里陷入死循环,一直到外存耗尽,地址再增加,找不到外存地址了,然后触发Hard Fault。
3.2 滥用临界区
程序中的一些关键代码,有时候需要在临界区中执行,但是临界区若使用不当,则也会造成错误。
OS_ENTER_CRITICAL();
。。。。。。。。。。。。。。。。。。
。。。。。。。。。。。。。。。。。。
OS_EXIT_CRITICAL();
#define OS_ENTER_CRITICAL() {cpu_sr = OS_CPU_SR_Save();}
OS_CPU_SR_Save
MRS R0, PRIMASK ;保存全局中断标志 ;
CPSID I ;关中断
BX LR
将全局中断标志保存到R0中,此时R0是0,CPSID I则执行关中断命令,此时PRIMASK是1。
#define OS_EXIT_CRITICAL() {OS_CPU_SR_Restore(cpu_sr);}
OS_CPU_SR_Restore
MSR PRIMASK, R0 ;恢复全局中断标志
BX LR
将R0放入全部中断寄存器中,则允许所有中断了。
程序中如何保护R0的,细看汇编发现,实际上在执行关中断后,将R0保存到了sp+8处,开中断时再取出来,这样才保证了不会被修改。
STR r0,[sp,#0x08]tPendTimes = 0;
同时,开中断, LDR r0,[sp,#0x08],则从sp+8处取出来,保存到R0中。
临界区中的代码完成如下内容:
netconn_write(tradeconn,g_u8TcpSendBuf,l_u32CodeSendLen,NETCONN_COPY);
调用TCPIP_APIMSG(&msg);,
sys_mbox_post(mbox, &msg);
OSQPost(mbox->hMBox, msg)发送消息,OS_EventTaskRdy函数修改线程的状态,使OSTCBStatPend变为等待完毕;
此时若协议栈线程优先级高于当前任务,则会触发任务调度,悬起OSPendSV,但是由于关闭了中断,即使在调用OS_ENTER_CRITICAL()后,也无法打开中断,故不能执行中断,任务无法切换。
同理,调用sys_arch_sem_wait(apimsg->msg.conn->op_completed, 0);,也无法阻塞自身,执行任务调度,程序在临界区里面变成了单线程在跑。
一直等待代码执行完毕开中断后,悬起的软中才能执行,本来应该在发送消息和等待消息处执行任务切换的,现在只能等待临界区执行完毕后,才能执行任务切换中断。此刻的PSP是0x2000DFAC,临界区的那段代码我们也有压栈操作,即是0x2000 DFAC后面的内容也是我们需要的,如下图所示。
原来的内容是这样的,如下图所示:
此时在OSPendSV中,执行如下语句
MRS R0, PSP ; PSP is process stack pointer
CBZ R0, OSPendSV_nosave ;
SUBS R0, R0, #0x20 ; save remaining regs r4-11 on process stack
STM R0, {R4-R11}
从PSP-32个字节处开始,保存R4到R11这8个寄存器32个字节,则原来的内容都被覆盖了,而这些内容正好是我们需要的。被修改后的截图如所示,原来的内容被改成R4到R11这几个寄存器的值。
其中从0801556D变成了68130000,协议栈线程如下执行。
msg->msg.apimsg->function(&(msg->msg.apimsg->msg));
函数的地址变成了6813 0000,而6813 0000,是我们的外存,
在这里执行代码0x68130006 F63A07E1 DCD 0xF63A07E1 ; ? Undefined
最终是这句话,触发了Hard fault。
3.3 运行中记录出错位置
以3.2为例子,进行简单的反推。启动文件中的Hard中断处理一般如下所示,即让程序陷入这个死循环。
HardFaultException
; B HardFaultException
现在我们要在记录重要数据,即此刻系统的运行情况,主要包括:此刻堆栈情况、以及R0等8个寄存器的值、相关Hard硬件寄存器的值,若是任务引发的,还要记录任务的ID号,因此修改这个异常处理函数。
HardFaultException
TST LR, #4 ;将LR的值与4按位相与
ITE EQ //若为0则是MSP,否则是PSP
MRSEQ R0, MSP
MRSNE R0, PSP
B hard_fault_handler_c //这个是C语言编写的函数
void hard_fault_handler_c(unsigned int * hardfault_args)
{
unsigned int stacked_r0,stacked_r1,stacked_r2,stacked_r3;
unsigned int stacked_r12,stacked_lr, stacked_pc, stacked_psr;
stacked_r0 = ((unsigned long) hardfault_args[0]);
stacked_r1 = ((unsigned long) hardfault_args[1]);
stacked_r2 = ((unsigned long) hardfault_args[2]);
stacked_r3 = ((unsigned long) hardfault_args[3]);
stacked_r12 = ((unsigned long) hardfault_args[4]);
stacked_lr = ((unsigned long) hardfault_args[5]);
stacked_pc = ((unsigned long) hardfault_args[6]);
stacked_psr = ((unsigned long) hardfault_args[7]);
sprintf((char*)g_cDataBuf,"[Hard fault handler]\n");
Usart232SendStr(g_cDataBuf);
sprintf((char*)g_cDataBuf,"The task pri id = 0x%0.8x\n", OSPrioCur); //任务ID号
Usart232SendStr(g_cDataBuf);
sprintf((char*)g_cDataBuf,"SP = 0x%0.8x\n", hardfault_args); //堆栈地址
Usart232SendStr(g_cDataBuf);
sprintf((char*)g_cDataBuf,"R0 = 0x%0.8x\n", stacked_r0);
Usart232SendStr(g_cDataBuf);
sprintf((char*)g_cDataBuf,"R1 = 0x%0.8x\n", stacked_r1);
Usart232SendStr(g_cDataBuf);
sprintf((char*)g_cDataBuf,"R2 = 0x%0.8x\n", stacked_r2);
Usart232SendStr(g_cDataBuf);
sprintf((char*)g_cDataBuf,"R3 = 0x%0.8x\n", stacked_r3);
Usart232SendStr(g_cDataBuf);
sprintf((char*)g_cDataBuf,"R12 = 0x%0.8x\n", stacked_r12);
Usart232SendStr(g_cDataBuf);
sprintf((char*)g_cDataBuf,"LR = 0x%0.8x\n", stacked_lr);
Usart232SendStr(g_cDataBuf);
sprintf((char*)g_cDataBuf,"PC = 0x%0.8x\n", stacked_pc);
Usart232SendStr(g_cDataBuf);
sprintf((char*)g_cDataBuf,"PSR = 0x%0.8x\n", stacked_psr);
Usart232SendStr(g_cDataBuf);
exit(0); // terminate
return;
}
以3.2为例,发生异常后,串口的输出入下所示:
[Hard fault handler]
The task pri id = 0x00000014 //任务优先级是20
SP = 0x200077d8 //当前任务的堆栈地址是0x2000 77D8
R0 = 0x2000dfa0
R1 = 0x68130000
R2 = 0x2000df9c
R3 = 0x20002100
R12 = 0x00000001
LR = 0x0801c7fb //分析得出,这个地址就是出错的地方
PC = 0x68130000
PSR = 0x00000000
此时需要借助map文件分析,map文件中得出对应的代码和数据位置。
tcpip_thread 0x0801c7ad Thumb Code 190 tcpip.o(i.tcpip_thread)
i.tcpsvr_accept_20 0x0801c874 Section 64 ftpmanage.o(i.tcpsvr_accept_20)
0x0801 c7fb应该在tcpip文件中的tciip_thread函数里。
T_LWIP_THREAD_STK 0x20007000 Data 2048 sys_arch.o(.bss)
rsuPib 0x20007800 Data 32 para.o(.bss)
堆栈空间是0x2000 77D8,是在T_LWIP_THREAD_STK这个栈空间里,这也是协议栈任务的堆栈空间,证明判断的任务优先级为20是正确的。
从0x0801 C7AD处开始的16进制文件如下图所示,再将汇编文件列出(需要KeiL生成)。
tcpip_thread PROC
;;;232 static void
;;;233 tcpip_thread(void *arg)
000000 b508 PUSH {r3,lr} //开始
;;;234 {
;;;235 struct tcpip_msg *msg;
;;;236 LWIP_UNUSED_ARG(arg);
;;;237
;;;238 #if IP_REASSEMBLY
;;;239 sys_timeout(IP_TMR_INTERVAL, ip_reass_timer, NULL);
;;;240 #endif /* IP_REASSEMBLY */
;;;241 #if LWIP_ARP
;;;242 sys_timeout(ARP_TMR_INTERVAL, arp_timer, NULL);
000002 2200 MOVS r2,#0
000004 492e LDR r1,|L11.192|
000006 f2413088 MOV r0,#0x1388
00000a f7fffffe BL sys_timeout
;;;243 #endif /* LWIP_ARP */
;;;244 #if LWIP_DHCP
;;;245 sys_timeout(DHCP_COARSE_TIMER_MSECS, dhcp_timer_coarse, NULL);
;;;246 sys_timeout(DHCP_FINE_TIMER_MSECS, dhcp_timer_fine, NULL);
;;;247 #endif /* LWIP_DHCP */
;;;248 #if LWIP_AUTOIP
;;;249 sys_timeout(AUTOIP_TMR_INTERVAL, autoip_timer, NULL);
;;;250 #endif /* LWIP_AUTOIP */
;;;251 #if LWIP_IGMP
;;;252 sys_timeout(IGMP_TMR_INTERVAL, igmp_timer, NULL);
;;;253 #endif /* LWIP_IGMP */
;;;254 #if LWIP_DNS
;;;255 sys_timeout(DNS_TMR_INTERVAL, dns_timer, NULL);
;;;256 #endif /* LWIP_DNS */
;;;257
;;;258 if (tcpip_init_done != NULL) {
00000e 482d LDR r0,|L11.196|
000010 6800 LDR r0,[r0,#0] ; tcpip_init_done
000012 b128 CBZ r0,|L11.32|
;;;259 tcpip_init_done(tcpip_init_done_arg);
000014 482b LDR r0,|L11.196|
000016 1d00 ADDS r0,r0,#4
000018 6800 LDR r0,[r0,#0] ; tcpip_init_done_arg
00001a 492a LDR r1,|L11.196|
00001c 6809 LDR r1,[r1,#0] ; tcpip_init_done
00001e 4788 BLX r1
|L11.32|
;;;260 }
;;;261
;;;262 LOCK_TCPIP_CORE();
;;;263 while (1) { /* MAIN Loop */
000020 e04c B |L11.188|
|L11.34|
;;;264 sys_mbox_fetch(mbox, (void *)&msg);
000022 4669 MOV r1,sp
000024 4827 LDR r0,|L11.196|
000026 1f00 SUBS r0,r0,#4
000028 6800 LDR r0,[r0,#0] ; mbox
00002a f7fffffe BL sys_mbox_fetch
;;;265 switch (msg->type) {
00002e 9800 LDR r0,[sp,#0]
000030 7800 LDRB r0,[r0,#0]
000032 2805 CMP r0,#5
000034 d240 BCS |L11.184|
000036 e8dff000 TBB [pc,r0]
00003a 030b DCB 0x03,0x0b
00003c 222b3500 DCB 0x22,0x2b,0x35,0x00
;;;266 #if LWIP_NETCONN
;;;267 case TCPIP_MSG_API:
;;;268 //if(msg->msg.apimsg->msg.conn == NULL)
;;;269 // break;
;;;270 LWIP_DEBUGF(TCPIP_DEBUG, ("tcpip_thread: API message %p\n", (void *)msg));
;;;271 msg->msg.apimsg->function(&(msg->msg.apimsg->msg));
000040 9a00 LDR r2,[sp,#0]
000042 6892 LDR r2,[r2,#8]
000044 1d10 ADDS r0,r2,#4
000046 9a00 LDR r2,[sp,#0]
000048 6892 LDR r2,[r2,#8]
00004a 6811 LDR r1,[r2,#0]
00004c 4788 BLX r1
;;;272 break;
00004e e034 B |L11.186| //0x0801 c7fb对应的代码
;;;273 #endif /* LWIP_NETCONN */
;;;274
;;;275 case TCPIP_MSG_INPKT:
;;;276 LWIP_DEBUGF(TCPIP_DEBUG, ("tcpip_thread: PACKET %p\n", (void *)msg));
;;;277 #if LWIP_ARP
;;;278 if (msg->msg.inp.netif->flags & NETIF_FLAG_ETHARP) {
000050 9800 LDR r0,[sp,#0]
从代码看地址对应是00004e e034 B |L11.186| ,即switch分支的break语句,但是实际应该是上面的那句,BLX r1,而此时R1的值是
R1 = 0x68130000,即跳转到6813 0000处执行,与在3.2的分析是一样的。
这也只能判断出出错的位置,原因还是需要仿真调试,才能找到。
3.4 总结
发生Hard Fault以后,意味着程序跑飞了,有的原因是很简单的,但是有的需要仔细分析,以上两个例子应该都算比较简单的。以第一个例子来说,若从首次定位来看是在中断里,中断里变量的数值太大,超出了外存的大小,但是这个值为什么会这么大?正常中断接收数据不会变成有0x21FF 2200这么多字节的,此时就需要考虑是别的地方踩到了此处的内存,导致取出来的数据一下子变成了这么大。然后逐步定位,才能找出真正的原因。
4 参考文献
网上有几篇非常不错的文章,可以看看,加深理解。
[1] Cortex-M3 权威指南,Joseph Yiu 著,宋岩 译。(在书的附录E中对Fault类异常有非常详尽的介绍)
[2] Cortex-M3技术参考手册,周立功。(在书的P89到96页对以上所介绍的寄存器有很详细的描述)
[3] Application Note 209,Using Cortex-M3 and Cortex-M4 Fault Exceptions. KEIL Tools by ARM.(这个是KEIL软件下使用的说明,介绍的例子可以一看)
[4] 教你如何找到导致程序跑飞的指令,,http://blog.sina.com.cn/ifreecoding.(博主在文章里一步步讲述,非常清晰,让人一看就明白)