1 问题：
一个C实现的32位多线程服务在启动时core dump. 该服务运行了一年多，而此问题仅出现了一次，是一个比较难复现的问题。 出core的位置在C库的qsort函数，信号是signal 8(算术错).
2 定位：
core的栈的结构如下:
#0 0x4202a801 in qsort () from /lib/i686/libc.so.6
#1 0x0804e74e in getFRes (databuf=0x406697fc) at fs.cpp:128
#2 0x0804ea74 in adjustOrder (databuf=0x406697fc) at fs.cpp:233
#3 0x0804e553 in Search (databuf=0x406697fc) at fs.cpp:66
#4 0x0804e4b8 in getBResponse (databuf=0x406697fc) at fs.cpp:29
#5 0x0804c559 in getResponse (databuf=0x406697fc) at fs.cpp:283
#6 0x0804c292 in thread_main (arg=0x1) at fs.cpp:222
#7 0x40020941 in pthread_start_thread () from /lib/i686/libpthread.so.0
可以先通过GDB的命令查看出core的汇编指令。当程序core时，$eip保存了当时程序运行指令地址。通过x /i 命令可以将内存以汇编指令的方式查看。 这样就可以得到core dump时运行的汇编指令。如下：
(gdb) x /i $eip
0x4202a801 <qsort+65>: divl 0x724(%ebx)
按汇编看，应该是除法指令出问题，一般觉得会是除数为0之类的错误 由于glibc是开源的，可以查看一下qsort原代码，此处要注意版本问题，要下相同的版本才能方便问题定位。不同linux发行版带的glibc的版本可能是不同的，而且系统维护人员也可能升级过相关的库。 通过以下几个命令可以查看系统的glibc版本。
$ ldd ./bin/fras libpthread.so.0 => /lib/i686/libpthread.so.0 (0x4001a000)
libcrypto.so.2 => /lib/libcrypto.so.2 (0x4004b000) libc.so.6 => /lib/i686/libc.so.6 (0x42000000)
libdl.so.2 => /lib/libdl.so.2 (0x4011f000) /lib/ld-linux.so.2 => /lib/ld-linux.so.2 (0x40000000)
/lib/i686/libc.so.6 (0x42000000) libdl.so.2 => /lib/libdl.so.2 (0x4011f000) /lib/ld-linux.so.2 => /lib/ld-linux.so.2 (0x40000000)
$ /lib/i686/libc.so.6 -v GNU C Library development release version 2.2.93 , by Roland McGrath et al. Copyright (C) 1992-2001, 2002 Free Software Foundation, Inc. This is free software; see the source for copying conditions. There is NO warranty; not even for MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE. Compiled by GNU CC version 3.2 20020903 (Red Hat Linux 8.0 3.2-7). Compiled on a Linux 2.4.9-9 system on 2002-09-05. Available extensions:
下载glibc 2.2.93版本，查看其qsort实现，以下为简化版的原代码
void qsort (void *b, size_t n, size_t s, __compar_fn_t cmp)
{
const size_t size = n * s;
if (size < 1024)
{
void *buf = __alloca (size);
/* The temporary array is small, so put it on the stack. */
msort_with_tmp (b, n, s, cmp, buf);
}
else
{
static long int phys_pages;
static int pagesize;
if (phys_pages == 0)
{
phys_pages = __sysconf (_SC_PHYS_PAGES);
if (phys_pages == -1)
phys_pages = (long int) (~0ul >> 1);
phys_pages /= 4;
pagesize = __sysconf (_SC_PAGESIZE);
}
if (<strong>size / pagesize > phys_pages</strong>)
_quicksort (b, n, s, cmp);
......
}
}
根据错误类型（除法错），可以看到出问题的指令刚好对应代码中黑体部分(size / pagesize > phys_pages); 接下来的问题就相对简单了，程序中有两个static变量如下
static long int phys_pages;
static int pagesize;
在多线程情况下，线程A先运行到第一处黑体代码，静态变量 phys_pages 的值将被修改，即不为0，而pagesize未被赋值. 若此时发生线程切换，线程B开始运行，到分支判断处phys_pages已不为0，所以else条件将被执行，而此时由于pagesize变量尚未被赋 值，结果 (size / pagesize)这一步就发生除0错误了。所以，core dump时的表现就是signal 8即算术错。
3 解决： 可见，该glibc版本的qsort函数不是多线程安全的。 在不修改glibc的基础上，可以考虑绕过此问题的办法：
- 在主程序（线程未启动时）中先调用qsort一次，为static变量赋上值。
- 需要注意的：初始化时，n*s必须大于1024，否则pagesize没进行初始化。
–EnD–
ZZ：http://www.youalab.com/?p=72