一个符号冲突导致的core分析

问题描述：

修改跟踪程序(Trace)支持IPV6时，发现程序启动后正常，但是客户端一旦下发查询条件进行跟踪，Trace程序就直接coredump！

 (gdb) bt
 #  0x00007f7dab9e5adb in ComponentImpl::AddProperty(Property*) ()
    from libbuilder.so
 #  0x00007f7daa5a8964 in TimerLogic::InitDeclaration() () from libplat.so
 #  0x00007f7dabfab93c in Thread::startThread(void*) () from libbase.so
 #  0x00007f7dac42f7b6 in start_thread () from /lib64/libpthread.so.
 #  0x00007f7daad8dd6d in clone () from /lib64/libc.so.
 #  0x0000000000000000 in ?? ()
 (gdb)

简单的描述下程序功能：

Trace接收后端送入的数据，同时接收前端送入的查询条件，若数据匹配查询条件，返回该数据！

coredump相关信息：

Trace有一个Timer类(通过启动一个单独线程执行定时任务检测和唤醒计划任务)，该类继承自平台Thread类(Thread设置线程亲和性，通过startThread启动一个线程，最后调用子类的main方法)，从代码角度看，两个类都没有引用TimerLogic。

调试Trace程序时候，发现Timer类启动线程后，线程还没有运行到Timer::main函数就core了。继续调试，还是没有什么进展，不能确定错误地方！决定先通过回退版本来验证是哪一处修改导致的问题，找到修改点后再进行排查！

由于在之前平台除了开源治理和kw治理外，有过两次较大的更新：

a) 用jemalloc替换了tcmalloc

b) 为了上层应用能适配现网大流量数据处理，平台进行了大幅优化！

不怀疑jemalloc库替换会导致core问题，主要还是怀疑平台优化这些代码！从git仓库checkout了这几次提交对应的版本测试，发现在平台优化代码的前一个版本Trace程序运行正常，而提交了优化代码的版本确实导致了Trace程序core！

平台代码优化没有更新过core报错的这一块代码，为了验证Thread类，先屏蔽了业务Timer类启动功能，直接在业务程序里新增了一个Test类继承自Thread，只在线程中打印一个自增变量，以此来判断程序会不会core，结果发现程序运行正常！

这时再屏蔽业务Timer类所有的功能代码，也仅仅在线程中循环打印一个自增变量，发现几乎和Test类相同的代码依然core！

这时想到平台也有一个Timer类(该类继承自TimerLogic)，平台和业务Timer类的文件名两者也相同，暗想会不会是这个原因导致运行时重定位错误，从而导致程序运行core！直接重命名业务程序Trace的Timer类为SSTimer，修改所有调用代码后，运行正常！

------------------------------------------------------------------------------------------------------------------------------

Trace程序启动时会通过命令行先加载libplat.so, 然后加载libTrace.so（启动命令：Trace libplat.so libTrace.so）,  从下面的修改前和修改后符号信息推测， core的版本启动后relocation根据加载的符号优先级(顺序)，会优先把libplat.so里面的Timer::main函数加载到全局符号表(Global Symbol Table)，最终导致客户端下发查询条件时业务Trace程序启动自身Timer::main时crash。尝试把启动命令后so顺序轮换下，由于底层启动时会用到平台Timer，预测Trace程序启动就会crash，测试结果验证了这一点。

# 修改Trace类Timer名称前
Trace # objdump -t libTrace.so | grep Timer | grep main
0000000000083a20 g     F .text  0000000000000058              _ZN5Timer4mainEv
Trace # objdump -t libplat.so | grep Timer | grep main
00000000000581e0 g     F .text  0000000000000087              _ZN5Timer4mainEv
00000000000581d0 g     F .text  0000000000000006              _ZThn112_N5Timer4mainEv
Trace # nm libTrace.so | grep Timer | grep main
0000000000083a20 T _ZN5Timer4mainEv
Trace # c++filt _ZN5Timer4mainEv
Timer::main()
Trace # nm libplat.so | grep Timer | grep main
00000000000581e0 T _ZN5Timer4mainEv
00000000000581d0 T _ZThn112_N5Timer4mainEv
Trace # c++filt _ZN5Timer4mainEv
Timer::main()
Trace #

　　

# 修改Trace类Timer名称为SSTimer后

Trace # objdump -t libTrace.so | grep Timer | grep main
0000000000084420 g     F .text  00000000000003bd              _ZN7SSTimer4mainEv
Trace # objdump -t libplat.so | grep Timer | grep main
0000000000064160 g     F .text  0000000000000059              _ZN5Timer4mainEv
0000000000064150 g     F .text  0000000000000006              _ZThn112_N5Timer4mainEv
Trace # nm libTrace.so | grep Timer | grep main
0000000000084420 T _ZN7SSTimer4mainEv
Trace # c++filt  _ZN7SSTimer4mainEv
SSTimer::main()
Trace # nm libplat.so | grep Timer | grep main
0000000000064160 T _ZN5Timer4mainEv
0000000000064150 T _ZThn112_N5Timer4mainEv
Trace # c++filt _ZN5Timer4mainEv
Timer::main()
Trace #

由于修改前Trace程序运行正常，直接查看平台dll加载代码，发现确实是更新了此处代码引入的问题：

RTLD_GLOBAL : 动态库中定义的符号可被其后打开的其他库解析。
RTLD_LOCAL    : 动态库中定义的符号不能被其后打开的其他库重定位, 与RTLD_GLOBAL作用相反。

dlopen如果没有明确指定选项是RTLD_GLOBAL还是RTLD_LOCAL，默认使用RTLD_LOCAL。删除代码里新增的RTLD_GLOBAL测试，此时Trace程序正常运行！

# 删除dlopen加载参数RTLD_GLOBAL符合信息，看起来和不删没有不同
Trace # objdump -t libplat.so | grep Timer | grep main
0000000000057f90 g     F .text  0000000000000059              _ZN5Timer4mainEv
0000000000057f80 g     F .text  0000000000000006              _ZThn112_N5Timer4mainEv
Trace # objdump -t libTrace.so | grep Timer | grep main
0000000000084000 g     F .text  00000000000003bd              _ZN5Timer4mainEv
Trace # nm -A libplat.so libTrace.so | grep Timer | grep main
libplat.so:0000000000057f90 T _ZN5Timer4mainEv
libplat.so:0000000000057f80 T _ZThn112_N5Timer4mainEv
libTrace.so:0000000000084000 T _ZN5Timer4mainEv
Trace # c++filt _ZN5Timer4mainEv
Timer::main()
Trace #

　　

------------------------------------------------------------------------------------------------------------------------------

一些待改进的地方：

1. 合入优化代码的时候分为了多个commit（编译错误解决，导致其它业务运行时报错等问题的解决），导致其它一些提交夹杂期间(像jemalloc替换，kw修改等)，导致取版本测试花费了较多时间(运行时报错以为发现一个问题，后发现是在后续提交修复了的代码)，为了彻底排除是jemalloc等代码造成的问题，最后是在优化代码的第一个提交上手动合入了后续的错误修正代码进行测试！

这说明组内代码提交前还是应该要先进行充分的测试，特别是涉及到平台组件更新，更应该慎重！不能把版本库和genkins/自动化当成代码验证的环境，同时最好能一次就提交完成，这对于gerrit代码走查和checkout也有帮助！

2. 平台代码支持了命名空间，但现在没有启用！后续所有模块都应该考虑启用命名空间！