Assembly 这是不是；“不应该发生”；使AMD Fusion CPU错误崩溃？

我的公司已经开始有很多客户打电话进来，因为我们的程序因为他们系统上的访问违规而崩溃

崩溃发生在SQLite 3.6.23.1中，我们将其作为应用程序的一部分发布。（为了使用与应用程序其余部分相同的VC++库，我们提供了一个自定义构建，但它是SQLite代码。）

当

pcache1Fetch

执行

call 00000000

时发生崩溃，如WinDbg callstack所示：

0b50e5c4 719f9fad 06fe35f0 00000000 000079ad 0x0
0b50e5d8 719f9216 058d1628 000079ad 00000001 SQLite_Interop!pcache1Fetch+0x2d [sqlite3.c @ 31530]
0b50e5f4 719fd581 000079ad 00000001 0b50e63c SQLite_Interop!sqlite3PcacheFetch+0x76 [sqlite3.c @ 30651]
0b50e61c 719fff0c 000079ad 0b50e63c 00000000 SQLite_Interop!sqlite3PagerAcquire+0x51 [sqlite3.c @ 36026]
0b50e644 71a029ba 0b50e65c 00000001 00000e00 SQLite_Interop!getAndInitPage+0x1c [sqlite3.c @ 40158]
0b50e65c 71a030f8 000079ad 0aecd680 071ce030 SQLite_Interop!moveToChild+0x2a [sqlite3.c @ 42555]
0b50e690 71a0c637 0aecd6f0 00000000 0001edbe SQLite_Interop!sqlite3BtreeMovetoUnpacked+0x378 [sqlite3.c @ 43016]
0b50e6b8 71a109ed 06fd53e0 00000000 071ce030 SQLite_Interop!sqlite3VdbeCursorMoveto+0x27 [sqlite3.c @ 50624]
0b50e824 71a0db76 071ce030 0b50e880 071ce030 SQLite_Interop!sqlite3VdbeExec+0x14fd [sqlite3.c @ 55409]
0b50e850 71a0dcb5 0b50e880 21f9b4c0 00402540 SQLite_Interop!sqlite3Step+0x116 [sqlite3.c @ 51744]
0b50e870 00629a30 071ce030 76897ff4 70f24970 SQLite_Interop!sqlite3_step+0x75 [sqlite3.c @ 51806]

C代码的相关行为：

if( createFlag==1 ) sqlite3BeginBenignMalloc();

编译器内联

sqlite3BeginBenignMalloc

，定义为：

typedef struct BenignMallocHooks BenignMallocHooks;
static SQLITE_WSD struct BenignMallocHooks {
  void (*xBenignBegin)(void);
  void (*xBenignEnd)(void);
} sqlite3Hooks = { 0, 0 };

# define wsdHooksInit
# define wsdHooks sqlite3Hooks

SQLITE_PRIVATE void sqlite3BeginBenignMalloc(void){
  wsdHooksInit;
  if( wsdHooks.xBenignBegin ){
    wsdHooks.xBenignBegin();
  }
}

这方面的大会是：

719f9f99    mov     esi,dword ptr [esp+1Ch]
719f9f9d    cmp     esi,1
719f9fa0    jne     SQLite_Interop!pcache1Fetch+0x2d (719f9fad)
719f9fa2    mov     eax,dword ptr [SQLite_Interop!sqlite3Hooks (71a7813c)]
719f9fa7    test    eax,eax
719f9fa9    je      SQLite_Interop!pcache1Fetch+0x2d (719f9fad)
719f9fab    call    eax ; *** CRASH HERE ***
719f9fad    mov     ebx,dword ptr [esp+14h]

登记册包括：

eax=00000000 ebx=00000001 ecx=000013f0 edx=fffffffe esi=00000001 edi=00000000
eip=00000000 esp=0b50e5c8 ebp=000079ad iopl=0         nv up ei pl nz na po nc
cs=0023  ss=002b  ds=002b  es=002b  fs=0053  gs=002b             efl=00010202

如果

eax

为0（即0），则应通过

test eax，eax

设置零标志，但它不是零。由于未设置零标志，

je

不会跳转，然后应用程序在尝试执行

调用eax（00000000）

时崩溃

更新：

eax

此处应始终为0，因为在我们的代码构建中未设置

sqlite3Hooks.xBenignBegin

。我可以使用定义的

SQLite\u ommit\u BUILTIN\u TEST

重建SQLite，这将在代码中启用

\define sqlite3BeginBenignMalloc（）

，并完全忽略此代码路径。这可能会解决问题，但感觉不像是“真正的”修复；什么能阻止它在其他代码路径中发生

到目前为止，共同的因素是所有客户都在运行“Windows 7 Home Premium 64位（6.1，Build 7601）Service Pack 1”，并具有以下CPU之一（根据DxDiag）：

• AMD A6-3400M APU，带Radeon（tm）高清图形（4个CPU），~1.4GHz
• AMD A8-3500M APU，带Radeon（tm）高清图形（4个CPU），~1.5GHz
• AMD A8-3850 APU，带Radeon（tm）高清图形（4个CPU），~2.9GHz

据维基百科称，这些都是基于K10内核的“Llano”型AMD融合芯片，于2011年6月发布，也就是我们第一次收到报告的时候

最常见的客户系统是东芝卫星L775D，但我们也有来自HP Pavilion dv6和dv7以及网关系统的故障报告

这个崩溃是由CPU错误引起的（请参阅），还是我忽略了其他一些可能的解释？（根据雷蒙德的说法，这是可能的，但奇怪的是，只有这种特定的CPU型号受到影响，如果是这样的话。）

老实说，这似乎不可能是真正的CPU或操作系统错误，因为客户不会在其他应用程序中遇到蓝屏或崩溃。肯定还有其他更可能的解释——但是什么呢

8月15日更新：我购买了一台东芝L745D笔记本电脑，带有AMD A6-3400M处理器，在运行该程序时可以始终如一地再现崩溃。碰撞始终在同一指令上

.time

报告崩溃前1米30到7米的用户时间。我在最初的帖子中忽略了一个事实（可能与这个问题有关），那就是这个应用程序是多线程的，CPU和I/O的使用率都很高。默认情况下，应用程序生成四个工作线程，并发布80%以上的CPU使用率（SQLite代码中存在一些I/O和互斥锁阻塞），直到崩溃。我将应用程序修改为只使用两个线程，但它仍然崩溃（尽管需要更长的时间）。我现在正在运行一个只有一个线程的测试，它还没有崩溃

还要注意的是，这似乎不是一个纯粹的CPU负载问题；我可以在系统上无错误地运行Prime95，它会将CPU温度提高到>70℃，而我的应用程序在运行时温度几乎不会超过50℃

8月16日更新：稍微干扰说明会使问题“消失”。对于eax示例，将内存加载（

mov-eax，dword-ptr[SQLite\u Interop！sqlite3Hooks（71a7813c）]

替换为

xor-eax，eax

）可以防止崩溃。修改原始C代码以向

if（createFlag==1）

语句添加额外的检查，从而更改编译代码中各种跳转的相对偏移量（以及

testeax、eax

和

call eax

语句的位置），并且似乎可以防止出现问题

到目前为止，我发现的最奇怪的结果是将

719f9fa0

处的

jne

更改为两条

nop

指令（这样，无论

createFlag

/

esi

的值是多少，控制总是落在

测试eax，eax

指令上）允许程序在不崩溃的情况下运行。

我有点担心为

if（wsdHooks.xBenignBegin）

生成的代码不是很通用。它假设唯一的真值是

1

，而实际上它应该测试任何非零值。尽管如此，MSVC有时还是让人困惑。可能没什么。没关系：这些说明适用于

C

未显示的代码

假设eflag

Z

位是清晰的，而

EAX

位是零，则代码没有通过执行指令到达这里

719f9fa7    test    eax,eax

必须从其他地方跳转到以下指令（

719f9fa9 je SQLite_Interop！pcache1Fetch+0x2d

），甚至是

调用

指令本身

另一个复杂问题是，对于x86系列，无效的跳转目标（如

JE

指令的第二个字节）通常会对相当多的指令执行不受干扰（无故障）的操作，通常最终会恢复到正确的指令对齐方式。换句话说，您可能不希望跳转到这些指令的开头：跳转可能在它们的字节中间，导致执行不显著的操作，如

add[al+ebp]，al

，这些操作往往不会被注意到

我预测异常不会命中

测试

指令处的断点。找到这些原因的唯一方法是