林渡 - 云栖梦泽

[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

**摘要总结：** 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

**摘要**：本文深入剖析了 Linux 内核中物理内存管理的关键函数 `zone_sizes_init` 和 `free_area_init`，揭示了内存区域（zone）初始化的详细过程。 **主要内容**： 1. **zone_sizes_init** 函数： * 计算每种类型 zone 的最大页帧号（PFN）。 * 调用 `free_area_init` 函数进行后续初始化。 2. **free_area_init** 函数： * 记录区域边界并计算起始 PFN。 * 遍历所有区域，设置边界并初始化 `zone` 结构。 * 计算 `ZONE_MOVABLE` 的边界。 * 打印区域信息。 * 初始化每个 NUMA 节点，包括分配 `mem_map` 空间和设置伙伴系统数据结构。 * 初始化 `struct page` 结构。 3. **free_area_init_node** 函数： * 获取节点信息并计算页帧范围。 * 设置节点 ID、起始 PFN 和节点状态。 * 计算节点的总页数和可用页数。 * 分配 `mem_map` 空间。 * 初始化节点的核心管理结构，包括 `zone` 的范围和伙伴系统数据结构。 4. **zone_init_internals** 函数： * 设置 `zone` 的 `managed_pages` 和 `name`。 * 初始化 `zone` 的锁和 PGP 数据结构。 5. **init_currently_empty_zone** 函数： * 初始化 `zone` 的 `free_area` 数据结构，包括空闲列表和空闲页数。 **关键点**： * `zone_sizes_init` 函数计算区域边界，为后续初始化做准备。 * `free_area_init` 函数是内存区域初始化的核心，负责划分区域、初始化节点和设置伙伴系统。 * `free_area_init_node` 函数负责初始化每个 NUMA 节点的内存管理结构。 * `zone_init_internals` 函数初始化 `zone` 的核心管理结构。 * `init_currently_empty_zone` 函数初始化 `zone` 的 `free_area` 数据结构。 **总结**： Linux 内核通过 `zone_sizes_init` 和 `free_area_init` 等函数，实现了对物理内存的精细化管理，确保了内存分配的高效性和安全性。

[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。

[Android稳定性] 第005篇 [问题篇] 原子状态调度引起死机

本文讨论了在多核系统中因锁使用不当导致的死机异常问题。作者通过两个案例说明了当在原子状态下执行调度命令时会出现BUG，并分析了原因，指出使用全局变量来控制加解锁操作是多此一举且易出错的。文章强调应正确使用锁来保护临界区，避免使用全局变量来控制锁状态，以防止并发执行时的问题。

你好,

我是林渡