2024 年 - 云栖梦泽

[Android稳定性] 第014篇 [问题篇] slab内存泄露

由于`pd_dbg_info`函数申请内存后，延迟释放导致的内存泄漏。通过调整`dbg_log_limit`、优化工作队列和进行内存泄漏检测，可以有效解决该问题。

[linux内存管理] 第014篇 /proc/zoneinfo的详细解析

深入剖析了Linux内核内存管理中/proc/zoneinfo虚拟文件的实现原理及信息结构，聚焦zoneinfo_show与zoneinfo_show_print两个核心函数，详细解析其如何遍历各个内存节点和zone，并输出包括节点内存统计、zone页面分布、水位线、页面状态等关键数据。文章针对每项输出参数进行了明晰解释，帮助理解匿名页面、文件缓存、slab等在内存管理中的角色及其状态变化。通过精细揭示/proc/zoneinfo信息来源、内容组织和内核统计逻辑，为开发者和运维人员提供了获取和解读Linux物理内存实时状态的系统级参考，对性能优化及故障排查具有实用价值。

[Android稳定性] 第013篇 [问题篇] page allocation failure: order:0内存分配失败的异常报错

在工厂老化测试过程中，设备出现卡视频现象，但USB接口可以识别到ADB口。通过分析日志发现，设备频繁出现"page allocation failure"错误，且均为"order:0"，表明在分配一页大小的内存时失败。然而，系统配置中存在空闲的4KB内存，且内存分配标志为"GFP_NOWAIT|__GFP_NORETRY"，表示希望进行一个非阻塞的内存分配，而空闲的UMEH页面恰好符合这些条件。这表明内核在内存充足的情况下无法分配内存，原因可能在于erofs文件系统在执行解压缩时使用GFP_NOWAIT标签进行内存申请，减少分配page的压力，但可能存在系统内存水位线不满足要求的情况。

[Android稳定性] 第012篇 [原理篇] blackbox的原理介绍

Blackbox 是一种日志管理方案，旨在解决当前日志分析和自动化解析的痛点，如日志分散、时间标准不统一、关键事件记录丢失、RAS 实现自动化分析困难等。Blackbox 将大部分系统日志集中在特定分区，具有时间线的流式日志，可读性更强。它还根据已有经验在系统运行的关键节点打点，提升上市后稳定性问题的定位效率。针对不同的日志，有不同的日志老化删除节奏，从而更多保存异常日志。Blackbox 还提高了 RAS 自动化分析的能力，并可在设备卡死时通过 9008 方式将日志分区 dump 出来并解析，辅助问题分析。

[Android稳定性] 第011篇 [原理篇] minidump的原理介绍补充

这篇文章主要介绍了Android系统中的minidump机制，这是一种用于保存系统崩溃信息的技术。文章首先解释了minidump的概念，即各个子系统在内存映射表中注册，当系统崩溃时，boot subsystem会加密并保存注册过的内存信息到RAM EMMC分区。接着，文章详细描述了minidump的流程图和代码流程，包括HLOS侧和NON-HLOS侧的流程。在HLOS侧，文章重点介绍了defconfig配置、相关代码以及msm_minidump_add_region函数。在NON-HLOS侧，文章重点介绍了add_minidump_regions函数和boot_ram_dump_to_raw_parition函数。文章还介绍了小米项目在minidump中增加的regions，包括md_kmsg、md_pmsg和tz_log，并解释了它们的设计原理。最后，文章介绍了如何验证minidump，包括设置minidump到emmc、触发dump以及从设备中拉取minidump。此外，文章还介绍了minidump.gz的解析方法，包括解压minidump.gz和拆分minidump。

[Android稳定性] 第010篇 [问题篇] 数组越界导致的内核panic

服务器打包的daily版本在刷机后出现900E口死机问题。通过分析dmesg日志，发现程序在`fts_set_cur_value`函数处异常终止。进一步使用trace32工具恢复现场，确认是由于`touch_mode`数组越界导致的内存访问错误。该数组最大值被定义为15，但实际使用时传入了100，导致严重异常。

[linux内存管理] 第013篇 zone的初始化

深入剖析Linux内核在物理内存初始化阶段对zone区域的配置过程，围绕zone_sizes_init和free_area_init两个关键函数，系统展示内存分区边界的确立与结构初始化流程。通过追踪start_kernel的调用链，详细讲解zone_sizes_init如何依据DRAM最小与最大页帧号、系统体系结构特性动态计算ZONE_DMA、ZONE_DMA32、ZONE_NORMAL等区域的PFN界限，并最终通过free_area_init设置各zone边界，同时针对NUMA架构完成节点内存的分区与struct page的初始化。

[Android稳定性] 第009篇 [问题篇] 数组越界导致的内核panic

**问题现象**：部分机器插着 USB 后出现死机。 **问题分析**：通过 `dmesg` 和 `trace32` 分析，发现死机原因是 `power_operation_mode_show` 函数中 `typec_port` 结构体的 `pwr_opmode` 成员值错误（为负数），导致数组越界。 **解决方案**：更新 charger 模块，修复对 `pwr_opmode` 的误判，确保其值为正数，避免数组越界。 **总结**：本次问题是由 `typec_port` 结构体的 `pwr_opmode` 成员值错误导致，通过分析定位问题，并更新 charger 模块修复了问题。

[Android稳定性] 第008篇 [原理篇] 动态设置kernel cmdline

本文介绍了一种在fastboot模式下动态修改内核参数的方法，无需重新打包。首先，通过扩展fastboot oem指令，接收输入的内核参数并写入到devinfo分区中。然后，在更新kernel cmdline时，将保存的内核参数添加到cmdline中。实验测试显示，该方案可以成功修改内核参数，并永久生效。代码更新后，支持设置、追加和清除模式，方便用户根据需求进行操作。

[Android稳定性] 第007篇 [问题篇] 中断风暴导致panic

问题摘要：系统日志显示irq 193存在异常，其action为0，表明中断未被注册，导致中断被送至`handle_bad_irq`处理。经查询，该中断对应gpio 93，且在设备树中该gpio被用于wusb3801的中断和复位功能。去除相关配置后，系统恢复正常。

[Android稳定性] 第006篇 [问题篇] hungtask causing panic-死锁

本文讨论了一个系统问题现象，通过分析日志文件发现一个进程因等待锁而被阻塞120秒。通过使用`tace32`工具跟踪调用栈，发现存在一个三方的死锁情况，涉及进程`2848_9`、`crtc_commit:160`、`vendor.qti.came`和`kworker/u16:7`。文章详细展示了锁的持有者和调用栈信息，但未提供具体的解决方法。

[Android稳定性] 第003篇 [原理篇] mtdoops的原理介绍

**mtdoops简介与原理总结** mtdoops是一种将系统崩溃时的日志信息保存到MTD（Memory Technology Device）设备中的机制，用于在系统panic时捕获关键信息。它利用MTD子系统，将崩溃日志转存到非易失存储器中，便于后续问题分析。mtdoops与其他捕获panic的方式（如ramoops和kdump）相比，具有特定优势，但需依赖MTD设备和相关配置。 **核心内容摘要：** - mtdoops通过在内核中注册捕获panic或oops，将日志信息保存到MTD设备。 - 需要在内核defconfig中启用相关配置，并在设备树中预留存储空间。 - 通过cmdline动态更新，确保在系统启动时正确配置mtdoops。 - 功能验证包括开机初始化log检查、cmdline确认及重启测试抓取log。 - offline_log机制可触发mtdoops日志抓取，便于问题诊断。

2026 年 3 月
日	一	二	三	四	五	六
1	2	3	4	5	6	7
8	9	10	11	12	13	14
15	16	17	18	19	20	21
22	23	24	25	26	27	28
29	30	31