fopen() 挂起。有时

Question

我正在 Debian Etch 上运行： Linux nereus 2.6.18-6-686 #1 SMP Sat Dec 27 09:31:05 UTC 2008 i686 GNU/Linux

我有一个多线程 c 应用程序，一个线程挂起。有时。通过核心文件，我发现它挂在 fopen() 上：

#0  0xb7f4b410 in ?? ()
#1  0xb660521c in ?? ()
#2  0x000001b6 in ?? ()
#3  0x00008241 in ?? ()
#4  0xb77c45bb in open () from /lib/tls/i686/cmov/libc.so.6
#5  0xb7768142 in _IO_file_open () from /lib/tls/i686/cmov/libc.so.6
#6  0xb77682e8 in _IO_file_fopen () from /lib/tls/i686/cmov/libc.so.6
#7  0xb775d8c9 in fgets () from /lib/tls/i686/cmov/libc.so.6
#8  0xb775fe0a in fopen64 () from /lib/tls/i686/cmov/libc.so.6
#9  0x0805600f in comric_write_external_track_file (control=0xbfc9c284) at ../COMRIC/comric_thread.c:784
#10 0x08055b0e in store_tracks (control=0xbfc9c284, hdr=0xb3d1b828) at ../COMRIC/comric_thread.c:695
#11 0x080568be in comric_thread (userdata=0xbfc9c284) at ../COMRIC/comric_thread.c:997
#12 0xb789530f in g_thread_create_full () from /usr/lib/libglib-2.0.so.0
#13 0xb783f240 in start_thread () from /lib/tls/i686/cmov/libpthread.so.0
#14 0xb77d349e in clone () from /lib/tls/i686/cmov/libc.so.6

该线程从外部源获取数据，处理它，并将其写入文本文件。当我们获得新数据时，文本文件会被一遍又一遍地写入。没有其他人正在访问该文件。文件大小通常小于 1KB。我正在检查 fclose() 调用以确保它返回成功，确实如此。

当主线程检测到我们在超过 30 秒内没有收到问题线程的消息时，它会调用 abort()，以便我们可以获得上面看到的核心转储。

99%的时候，一切都进展顺利。但在过去四天里，这种情况发生的次数越来越多（每天 6 次以上）。我担心这可能是硬盘问题，但我在任何日志中都找不到报告的任何错误。 （不幸的是，SMART信息不可用。）该应用程序已经顺利运行了2年。

有人有什么想法吗？

源代码：

int comric_write_external_track_file( struct ComricControl *control ) {
    FILE *file;

    if( strlen( control->extern_track_file ) == 0 ) return 1;

    file = fopen( control->extern_track_file, "w" );
    if( !file ) {
        ps_slog( "ERROR opening external track file: \"%s\"", control->extern_track_file );
        return 0;
    }

    // Write the file
    G_MUTEX_LOCK( control->mutex );
        g_hash_table_foreach( control->tracks, comric_write_track, file );
    G_MUTEX_UNLOCK( control->mutex );

    fsync( fileno( file ));
    if( fclose( file ) != 0 ) {
        ps_slog( "FATAL ERROR - fclose() FAILED with error \"%s\" (%d)", strerror( errno ), errno );
        sleep( 1 ); abort();  // can we get any debug info out of this?
    }

    return 1;
}

我在网上进行一些搜索后添加了 fsync() 调用。起初，我认为这可能与 fclose() 失败有关，但事实似乎并非如此。

Answer 1

您挂在 open() 上 - 所以这可能是内核或驱动程序级别的问题。

首先，检查 dmesg 是否有明显的错误消息。如果失败，您可以尝试使用 SysRq w 命令来获取有问题进程的堆栈跟踪。