查找仅在性能测试下发生的堆损坏的最佳方法是什么？

Question

我工作的软件（用 C++ 编写）目前存在堆损坏问题。当登录到盒子的用户数量达到一定阈值时，我们的性能测试团队不断收到 WER 错误，但他们给我的转储仅显示非正常区域的损坏（例如，当 std::string 释放其底层内存时） 。

我尝试过使用 Appverifier，这确实引发了许多问题，我现在已经修复了这些问题。然而，我现在所处的情况是，测试人员可以使用 Appverifier 尽可能多地加载机器并干净运行，但在没有 Appverifier 的情况下运行时仍然会出现堆损坏（我猜因为他们可以让更多用户在没有 Appverifier 的情况下使用等）。这意味着我无法获得实际显示问题的转储。

对于我可以使用的有用技巧或技术，有人有任何其他想法吗？我已经在没有应用程序验证程序的情况下对堆损坏转储进行了尽可能多的分析，但我看不到任何共同的主题。没有线程在崩溃的同时做任何有趣的事情，并且崩溃的线程是无辜的，这让我认为损坏发生在一段时间之前。

Answer 1

最好的工具是 Appverifier 与 gFlags 的结合，但还有许多其他解决方案可能会有所帮助。

例如，您可以使用以下代码指定每 16 个 malloc、realloc、free 和 _msize 操作进行一次堆检查：

#include <crtdbg.h>
int main( )
{
int tmp;

// Get the current bits
tmp = _CrtSetDbgFlag(_CRTDBG_REPORT_FLAG);

// Clear the upper 16 bits and OR in the desired freqency
tmp = (tmp & 0x0000FFFF) | _CRTDBG_CHECK_EVERY_16_DF;

// Set the new bits
_CrtSetDbgFlag(tmp);
}

Answer 2

我对你表示同情：这是一个非常难以追踪的问题。

正如您所说，这些通常发生在崩溃之前的某个时间，通常是由于写入行为不当（例如写入已删除的内存、超出数组末尾、超出 memcpy 中分配的内存等）。

过去（在 Linux 上，我猜你在 Windows 上）我使用过堆检查工具（valgrind、purify、intel 检查器），但正如你所观察到的，这些工具通常会影响性能，从而掩盖错误。 （您没有说明它是否是多线程应用程序，或处理可变数据集（例如传入消息）。

我还重载了 new 和 delete 运算符来检测双重删除，但这是一个非常具体的情况。

如果所有可用的工具都没有帮助，那么您就只能靠自己了，这将是一个漫长的调试过程。
对此我能提供的最佳建议是努力减少将重现它的测试场景。然后尝试减少正在执行的代码量，即删除部分功能。最终您会将问题归零，但我见过非常好的人花费 6 周或更长时间在大型应用程序（约 150 万个 LOC）上跟踪这些问题。

一切顺利。

Answer 3

您应该进一步详细说明您的软件的实际用途。是多线程的吗？当您谈论“登录到该盒子的用户数量”时，每个用户是否在不同的会话中打开您的软件的不同实例？您的软件是网络服务吗？实例之间是否可以相互通信（就像命名管道一样）？

如果您的错误仅在高负载时发生，而在 AppVerifier 运行时不会发生。我能想到的唯一两种可能性（没有更多信息）是您如何实现多线程的并发问题，或者测试机器存在仅在重负载下才会出现的硬件问题（您的测试人员使用了不止一台机器） ？）。