多核踩踏——给每一块 GM 内存记上"谁写的"

系列二 · 第 5 篇

昇腾算子里有个特别阴险的 bug：两个核往同一块 GM 地址写数据。谁后写谁说了算，而谁先谁后取决于运行时的调度，于是结果时对时错，复现都复现不出来。业内叫它"多核踩踏"。

它难查的根源在于：单看任何一个核，行为都完全正常，该读读、该写写，挑不出毛病；问题只藏在"两个核的写区间重叠了"这个交集上。传统的加打点、看单核走位，对这种跨核的"撞车"几乎无能为力。

msSanitizer 的解法是回到那张影子账本，给每个字节的记录里多塞一个信息：核归属。还记得吗，第 3 篇说过，每个影子字节拆成"低 2 位状态 + 高 6 位核编号"，那高 6 位就是留给"这块地方是谁写的"用的。

逻辑朴素得像在公共白板上写名字：某个核第一次写一个 GM 字节，顺手在账本上记下"这格归我（核 N）“；另一个核也来写同一格，一看账本——“咦，这里已经写了别人的名字”，那就说明两个核写重了，立刻把这一格标成 WARNING ，并报一条"多核踩踏”。

有两点值得琢磨。第一，为什么只有 GM 跟踪核归属？因为 UB、L1、L0 这些片上空间本来就是每个核各用各的，物理上就隔开了，压根不会有"别的核来写我这块"的可能。唯独 GM 是全局共享的，所有核都能碰，才是踩踏的高发地。第二，这份报告为什么是 WARNING 而不是 ERROR？因为"两个核写同一地址"未必就是 bug——比如多个核往结果缓冲区里累加，写地址相同是设计使然。工具只能提示你"这里存在跨核写重叠，请确认是不是故意的"，不能武断判错。这正好呼应了第 2 篇说的 ERROR 与 WARNING 之分。

到这儿可以给这三篇做个小结了：影子内存里那"低 2 位 + 高 6 位"的编码，低 2 位管状态，撑起了越界和未初始化检测；高 6 位管归属，撑起了多核踩踏检测。一套账本，两套用途，这是内存检测里我最喜欢的设计。

内存检测（memcheck）的几板斧就齐了。下一篇换个方向，专门讲未初始化——它和越界共用同一套影子账本，但把关的是一句更纯粹的话：这东西，到底被写过没有？