1.1 模拟复现条件
1.2 提高相关任务执行频率
1.3 增大测试样本量
缩小排查范围，确认引入问题的任务、函数、语句。
2.1 打印LOG
2.2 在线调试
2.3 版本回退
2.4 二分注释
2.5 保存内核寄存器快照
我们可以在陷入异常中断时将栈上的内核寄存器值写入RAM的一段复位后保留默认值的区域内，执行复位操作后再从RAM将该信息读出并分析，通过PC、LR确认当时执行的函数，通过R0-R3分析当时处理的变量是否异常，通过SP分析是否可能出现栈溢出等。
3.1 程序继续运行
3.1.1 数值异常
3.1.1.1 软件问题
写数组时下标超出数组长度，导致对应地址内容被修改。
如下：
2、栈溢出
| 0x20001ff8 | g_val |
|---|---|
| 0x20002000 | 栈底 |
| ………… | 栈空间 |
| 0x20002200 | 栈顶 |
如上图，此类问题也需要结合map文件进行分析。假设栈从高地址往低地址增长，如果发生栈溢出，则g_val的值会被栈上的值覆盖。
出现栈溢出时要分析栈的最大使用情况，函数调用层数过多，中断服务函数内进行函数调用，函数内部申明了较大的临时变量等都有可能导致栈溢出。
-
在设计阶段应该合理分配内存资源，为栈设置合适的大小； -
将函数内较大的临时变量加”static”关键字转化为静态变量，或者使用malloc()动态分配，将其放到堆上； -
改变函数调用方式，降低调用层数。
3、判断语句条件写错
4、同步问题
如上图程序，本意是等待irq中断之后不再执行foo()函数，但被编译器优化之后，实际运行过程中flg可能被装入寄存器并且每次都判断寄存器内的值而不重新从ram里读取flg的值，导致即使irq中断发生foo()也一直运行，此处需要在flg的申明前加“volatile”关键字，强制每次都从ram里获取flg的值。
3.1.1.2 硬件问题
芯片本身存在BUG，在某些特定情况下给单片机返回一个错误的值，需要程序对读回的值进行判断，过滤异常值。
例如电源管理芯片Isl78600，假设现在两片级联，当同时读取两片的电压采样数据时，高端芯片会以固定周期通过菊花链将数据传送到低端芯片，而低端芯片上只有一个缓存区.
如果单片机不在规定时间内将低端芯片上的数据读走那么新的数据到来时将会覆盖当前数据，导致数据丢失。此类问题需要仔细分析芯片的数据手册，严格满足芯片通信的时序要求。
3.1.2 动作异常
3.1.2.1 软件问题
1、设计问题
2、实现与设计不符
3、状态变量异常
例如记录状态机当前状态的变量被篡改，分析该类问题的方法同前文数值异常部分。
3.1.2.2 硬件问题
1、硬件失效
3.2 程序崩溃
3.2.1 停止运行
3.2.1.1 软件问题
-
在外设时钟门未使能的情况下操作该外设的寄存器； -
跳转函数地址越界，通常发生在函数指针被篡改，排查方法同数值异常； -
解引用指针时出现对齐问题：
以小端序为例，如果我们声明了一个强制对齐的结构体如下：
调试时曾遇到SPI的MISO引脚复用NMI功能，当通过SPI连接的外设损坏时MISO被拉高，导致单片机复位后在把NMI引脚配置成SPI功能之前就直接进入NMI中断，程序挂死在NMI中断中。这种情况可以在NMI的中断服务函数内禁用NMI功能来使其退出NMI中断。
3.2.1.2 硬件问题
③ 复位引脚拉低
3.2.2.1 软件问题
3.2.2.2 硬件问题
问题解决后需要进行回归测试，一方面确认问题是否不再复现，另一方面要确认修改不会引入其他问题。
总结本次问题产生的原因及解决问题的方法，思考类似问题今后如何防范，对相同平台产品是否值得借鉴，做到举一反三，从失败中吸取经验。
来源：小麦大叔
文章评论