关于解Bug的总结

 

1. 与其他应用交互的Bug
   背景：
    一个手机音乐播放器，多媒体通常存放在手机外部存储卡上（SDcard上）。所以只有当SD卡Mount到手机上时，才可以播放媒体。音乐播放器就会监听SD卡状态，当SD卡从手上卸载或弹出时，播放器会保存现场并停止播放;当SD卡重新Mount回手机时，再恢复现场和继续播放。也即当播放器收到“SD卡Eject”消息时，停止，当收到“SD卡Mount"时继续播放。播放器可以在后台播放媒体。
    一个文件管理器是另外一个应用程序，可以用来编辑（如删除）SD卡上的文件。文件发生变化后，这个第三方应用会发出”SD卡Mount“这样的消息，以便告知其他应用和系统，文件发生了变化。
   问题：
    当播放器在后台播放媒体的时候，起动文件管理器，然后随便删除一个文件（也可以是正在播放的媒体文件），这时候，播放器停止播放媒体，并且当打开播放器时，发现播放器是处于播放状态的，但是却没有声音。
   分析： 播放器不会没有理由的去停止正在播放的媒体。查找发现，播放器停止播放的原因有几个：用户请求停止，切换媒体时，SD卡Eject，SD卡Mount时。经过调试和跟踪日志信息，发现前面三种情况都未发生。那么问题的原因就是SD卡Mount时，进行了恢复现场的操作，导致媒体停止了。那为什么会进行恢复现场的操作呢，因为SD卡并未被Eject和Mount。进一步调试和跟踪日志发现，当文件管理器删除文件后会发出“SD卡Mount”的消息，以便告知其他应用文件发生了变化。
   解决方案：
   当分析出了问题出现的原因，解决起来就容易了，只需要让播放器在做恢复现场的动作前多一些检测来保证，先前SD卡有Eject过，现在确实是SD卡Mount回来。否则，应该忽略这个消息。
   教训：
   这应该是软件缺陷引起的Bug，音乐播放器本应该做这样的条件检查。音乐播放器本身的策略是没有错的，当没有其他应用程序发出这样的消息时，它是完全可以正常工作的。这是一个典型的与其他应用或模块交互时产生的Bug。
   对于这类Bug，最重要的线索就是，当与其他应用一起操作时会出现问题。这个Bug比较简单，因为很明确是与文件管理器有关。但在有些关系复杂的系统中，当出现了问题，很难搞清是表现问题的模块出了问题，还是其他模块出了问题。这就需要调试跟踪日志，以缩小范围。在调试的时候要一个一个模块的试验和排除，以缩小范围和进一点的深入调查。
2. 原因与问题离的很远的Bug
   背景：
   一个模块专门负责处理SD卡上的多媒体文件，解析这些文件，获取它们的元信息，并存入到媒体数据库中。它是由Java和C++以JNI方式组合来实现的。Java进行上层流程控制和写入数据库操作;C++负责解析文件获取文件元信息。它们之间通过JNI来通信。
   问题：
   当处理一个特殊的文件时候Java的JVM（虚拟机）会异常退出（JVM abort)，并打印出一条错误信息："JNI Warning： illegal start byte 0xb1".
   分析：
   这是一个很严重的错误，因为它会导致JVM崩溃，进程也会被内核杀掉。唯一的线索就是JVM崩溃时打印出的一条信息"JNI Warning： illegal start byte 0xb1".通过搜索这条消息（幸亏有所有的源代码），发现它是由JVM内部的CheckJNI.c文件打印出来的。这个文件是JVM中比较重要的一个文件，它负责对JNI的所有参数进行合法性检查。特别是字串。因为Java中用的是Modified UTF-8编码格式，所以CheckJNI.c文件就会对所传进来的字串进行编码检查，如果字串不是一个合法的Modified UTF-8格式，就会发出警告并停止JVM。这里找到了问题所在，是因为JVM检查到了不合法的字串才导致JVM崩溃的。那么不合法的字串是从哪里来的呢？又是出现在哪个模块呢？因为系统中有无数地方在用到JNI，所以不能盲目的去查找。又由于这是在媒体扫描器扫描某个媒体时候出现的，因此主要目标锁定在媒体扫描器的JNI部分。媒体扫描器的C++部分解析多媒体文件，然后把所得到的结果（通常为字串）通过JNI传回给Java层。问题就很有可能出在这里，因为多媒体文件的信息有多种编码格式，其中元信息就有可能是非法的Modified UTF-8编码格式。经过调试跟踪，发现，确实是这里出现了问题。
   解决方案：
   这个问题的解决方案仍不是很好，一种方法是对其进行编码转换，但这要知道字串原来的编码方式。另一咱简单的方法就是在传给JNI之前做一次编码合法性检查，以过滤到不合法的字串。最后，采用了后一方式解决了这个问题。
   教训：
   首先，系统崩溃时所给出的信息和出错时给出的信息是第一重要的线索，虽然它们可能不是问题真正的原因，但是从它们出发就可以追踪到原因。其次，错误信息，是由代码打印出来的，所以当你不知道是哪个模块出错时，可以用错误信息对源码进行局搜索，就可以定位出模块和源码位置。最后，如果是一系列的原因导致了一问题，那么可以在最源头解，也可以其中的某一个环节来解，只要不会导致程序崩溃即可。
3. 空指针异常NullPointerException
   背景：
   在C/C++/Java中空指针异常是比较常见的一类导致程序崩溃的原因。在C/C++/Java中，如果使用的指针或对象没有正确的初始化，则很容易发生NullPointerException。
   问题：
   当发生NullPointerException的时候，程序通常会因异常而崩溃的。但通常都会打印出运行时的堆栈信息。
   分析：
   从程序的堆栈信息，会很容易的看到发生问题的代码位置，这样就可以找到直接原因。但是这找到问题的一小部分，具体是什么导致对象为空，这就不是那么容易调查出原因了。
   解决方案：
   对于这类问题，一开始能想到的办法就是加上对空指针的检测，如果指针或对象为空的话就不对其进行操作。但这是行不通的，这也不是正确的解决方法，最直接的问题就是，当指针为空的时候应该去做什么。如果在一个类中，在其他地方引用的时候都做了空指针检测，而这个地方没有做，那么可以仿照其他地方那样，加上空指针检测。但假如不是这样的情况，就要好好的调查一下指针为什么会是空，而非处理空指针。但这通常都是比较困难的，因为要去追踪对象是从哪里来的，又在哪里被修改和引用，是在哪里初始化的。只有找到了真正让对象为空的原因，才能算是比较完整的解决了问题。但如果一个比较复杂的系统，引用的地方很多，且假如又涉及到多线程时，则追踪起来会更加的困难。
   教训：
   对于空指针问题，不能简单的加上一个条件。要进一步的深入去调查是什么导致了指针为空。除非，你有充足的理由去加上条件。
4. 无解的问题
   案例一：
   背景：
   有些问题是极及诡异的，而且出现的机率非常的小，但它们还是会出现，但是找不到合适的解决方案。
   问题：
   在一个GUI系统中，在一个比较基础的类里面报出了一个NullPointerException。由于这个类会被很所有涉及GUI的应用程序所使用。
   分析：
   根据程序退出时打印出来的堆栈信息，找到了发生异常的代码位置。令人感到惊讶的是，这一行是绝不可能发生空指针的，因为它用的都是基本数据类型。上下几十行之内也是绝不可能发生NullPointer的。
   解决方案：
   这个问题，始终没有找到解决方案。
   案例二：
   背景：
   对一个系统做大规模的随机压力测试。一个对象的类Message是一个final的类，且其重载了toString()方法，它会按如下格式打印信息:"{ what=XXX when=XXX XXXXXX }"
   问题：
   在一次测试过程中，系统核心进程因异常退出，导致系统自动重启。
   分析：
   问题的原因是在核心进程中发生了一个RuntimeException，并有一条消息:"[c0x44bc: This message is already in use."。从堆栈找到退出的位置的代码，发现它是程序检测到不合理的操作然后抛出的一个RuntimeException：代码如下：
         // ...
     if (msg.when != 0) {
             throw new RuntimeException(msg + " This message is already in use.");
         }
         // ...
   这里的msg是一个Message的对象。
   通常来讲+会调用对象的toString()方法，而toString()方法的输出又有特定的格式，所以，这里就发生了让人极其迷惑的事情。因为最终打印出来的消息跟对象的toString()有很大的差别。从日志信息来看，当前对象应该是一个char数组，而并非一个Message对象，但是在相关的上下文都无法找到这样一个char数组。
   解决方案：
   这个问题，怀疑是对象的内存已被破坏，其内的数据已不再是对象本身。这也是一个没有解决方案的问题。
   教训：
   这类问题是真正的难题。需要对语言和系统达到精通的人物才可能解的了。
5. 难重现的必现问题
   背景：
   一个Gallery应用程序能够以网格形式显示很多张图片。当图片较多时，就会在左边出现滑块用来滚动屏幕。正常来讲，当打开应用时，这个滑块应处在最上面的位置。
   问题：
   有人报告说初始打开应用时，滑块不是在最上面，而是在中部，或其他地方。而且声称这是必现的问题。
   分析：
   但当调试的时候却怎么也无法重现这个问题。虽然这并不是一个严重的问题，但感觉这样的行为是很诡异的。在调试的过程中，发现，测试人员的应用与我这边应用显示图片的顺序似乎有些不同，是正好相反的顺序。这是有一个可配置的选项在控制的，所选项设置为正序或倒序。发现测试人员当时用的倒序，而通常大多数情况下，用的都是正序（可能是因为没有人去设置这个东西，它默认的是正序）。这可能是问题产生的原因。果然，当把顺序设置为倒序的时候，滑块的位置就不会置顶了。
   解决方案：
   找到了问题的重现规律，对于这种问题就好办了。发现，当设置为倒序的时候，代码的本意是想把滑块放在最后，但是计算时有些错误，误把一个屏幕窗口的高度当成整个文档长度了。所以当，整个文档长度超过一个屏幕时，滑块的位置就不正确了。由于，把滑块放在最上端的更符合一般情况，所以就无论排序顺序，把滑块置顶。
   教训：
   事实上，很少问题是真正的小概率事件（Seldom），只有当涉及多个线程的时候才会有真正Seldom的问题，因为无法确定线程的执行顺序。对于其他的问题，应该是都还没有找到重现的规律。相信了这一个事实以后，就要不断的去试验和假设以重现问题。在试验的时候，也要注意细节，因为很多细节都可能是一条重要线索。最重要的是要相信问题是存在的，是可以重现的，更是可以解决的。
   有一些方法技巧可以用来重现看似比较难重现的问题：
      1. 仔细询问或查看问题出现时的相关操作和日志，以确定是否漏掉了一些必要的前提条件和操作
      2. 如果涉及与其他应用或模块交互，则要了解每个应用和模块的特性，然后做适当的假设，再去做试验。
      3. 猜测可能导致问题的原因，然后去创造这些条件，看在有这些条件的情况下，是否可以重现问题。比如，如果猜测是时间长短或文件大小导致了问题，那么就可以调大时间，用大文件来测试。如果猜测是空指针的问题，那么就可以故意创造出一个空指针等等。
      4. 要相信问题是存在的，也要相信问题是可以重现的，更要相信这个问题是可以修复的。
      5. 要有耐心，不断的思考，假设，然后去验证，一次改变一个条件，一点一点的分析与验证，最终是能够重现并修改问题的。
6. 真正难重现的问题----线程问题
   背景：一个手机音乐播放器支持多个播放列表，当删除播放列表的时候，如果其中有正在播放的歌曲，那么当删除这个播放列表后，是不会再继续播放。在删除过程中，如果删除到正在播放的歌曲时，会打开并播放播放列表中的下一个歌曲，直到播放列表中的所有歌曲都删除完。删除歌曲的动作是放在与播放不同的线程。
   问题：有些时候，删除含有正在播放歌曲的播放列表后，当前歌曲跳到了其他播放列表继续播放
   分析：删除过程中会涉及到很多个过程：停止，找到下一首，播放，和删除，如果每一次都这么走的话，是不可能出现这个问题的。经过大量的调试与跟踪，最终发现，是由于停止和播放没能一次执行完，中途被打断。因为删除是在另一个线程中，因此有可能当正在执行停止的时候，TaskScheduler切换了线程，执行了播放，从而切换到了另外的播放列表。
   解决方案：找到了问题的原因，解决起来就很容易了，加上同步锁，让删除，停止和播放的每一个过程都保证不被中断，就解决了这个问题。
   教训：这是一个真正的随机出现的问题，因为它是由于线程引起的。多线程带来的第一个问题就是不确定性，另外一个问题就是同步与共享的问题。如果没能很好的处理同步与共享，那么多线程会带来更多的问题，远多于它们所解决的问题。