Linux core dump问题定位

1、什么是core dump？

core dump又叫核心转储, 当程序运行过程中发生异常, 程序异常退出时, 由操作系统把程序当前的内存状况存储在一个core文件中, 叫core dump，报错信息一般是“segmentation fault (core dumped)”。比如linux中内存越界会收到SIGSEGV信号，然后就会core dump。

2、什么情况下会出core dump？

（1）内存访问越界

 a) 由于使用错误的下标，导致数组访问越界

 b) 搜索字符串时，依靠字符串结束符来判断字符串是否结束，但是字符串没有正常的使用结束符

 c) 使用strcpy, strcat, sprintf, strcmp, strcasecmp等字符串操作函数，将目标字符串读/写爆。应该使用strncpy, strlcpy, strncat, strlcat, snprintf, strncmp, strncasecmp等函数防止读写越界。

（2）多线程程序使用了线程不安全的函数。

（3）多线程读写的数据未加锁保护。对于会被多个线程同时访问的全局数据，应该注意加锁保护，否则很容易造成core dump

（4）非法指针

a) 使用空指针

b) 随意使用指针转换。一个指向一段内存的指针，除非确定这段内存原先就分配为某种结构或类型，或者这种结构或类型的数组，否则不要将它转换为这种结构或类型的指针，而应该将这段内存拷贝到一个这种结构或类型中，再访问这个结构或类型。这是因为如果这段内存的开始地址不是按照这种结构或类型对齐的，那么访问它时就很容易因为bus error而core dump.

（5）堆栈溢出。不要使用大的局部变量（因为局部变量都分配在栈上），这样容易造成堆栈溢出，破坏系统的栈和堆结构，导致出现莫名其妙的错误。

3、怎样查看core dump保存的core文件？

（1）查看系统是否配置了core dump的功能

ulimit -c，使用该命令可查看core file大小的配置情况。

如果为0，则表示关闭了此功能，即使发生了core dump，也不会保存core文件；

如果为unlimited，则表示core文件的大小不收限制。如果占用了超大内存的应用程序发生了core dump，完整的core文件可能需要较长时间才能写到硬盘上；

如果为一个数值，则表示超过多少kb的文件将会被裁剪，最终生成一个不超出指定大小的、不完整的core文件，在调试此core文件时，gdb会提示错误。

可以使用ulimit -c xxx设置core文件的大小，可以设为unlimited或一个数值，设为0则关闭保存core文件。注意，这种设置只对当前shell有效，

（2）core文件的保存路径和名称

一般默认情况下，core文件会保存在发生了segmentation fault的可执行程序所在的同意路径下，文件名就是“core”，新的core文件会覆盖旧的

vi /proc/sys/kernel/core_pattern，可修改core文件保存位置和文件名格式，此处不详细描述修改方法

vi /proc/sys/kernel/core_uses_pid，文件内容为0时，表示core文件命名就是"core"，设为1，将添加pid为扩展名，比如core.xxxx

（3）查看core文件及错误定位

查看core文件需要gdb工具，如果没有安装，则使用sudo apt-get install gdb安装

使用gdb 可执行文件名 core文件名，打开core文件，再输入bt命令，即可看到程序出错的地方

对于结构复杂的程序，如涉及模板类或复杂的调用，gdb得出了出错位置，似乎这还不够，还需要进一步做内存分析，则需要使用更为专业的工具——valgrind

（4）实例演练

复制以下代码段，保存为core_dump_test.c

#include "stdio.h"
int main(){
int stack_of[100000000];
int b=1;
int* a;
*a=b;
}

使用gcc -g core_dump_test.c -o core_dump_test编译，再执行./core_dump_test，直接会出现segmentation fault (core dumped)

使用gdb core_dump_test core，查看core文件，输入bt，查看错误行在这行：

int stack_of[100000000];

原因很明显，直接在栈上申请如此大的数组，导致栈空间溢出，触犯了OS对于栈空间大小的限制，所以出Core（这里是否出Core还和OS对栈空间的大小配置有关，一般为8M）。但是这里要明确一点，真正出Core的代码不是分配栈空间的int stack_of[100000000]， 而是后面这句int b=1, 为何？出Core的一种原因是因为对内存的非法访问，在上面的代码中分配数组stack_of时并未访问它，但是在其后声明变量并赋值，就相当于进行了越界访问，继而出Core。

参考资料：

https://www.cnblogs.com/jefree/p/4439034.html

https://www.cnblogs.com/bodhitree/p/5850212.html