【硬核实战】嵌入式设备“偶发死机”的系统性排查手册

目录

1、现场还原与检查：别急着按复位键！

2 、谁杀了你的系统？四大嫌疑人特征画像

3、 线上“活体解剖”技术：不重启怎么查？

4、栈溢出实战：谁动了我的返回地址？

5、硬件玄学：并不是所有的锅都得软件背

6 、 真正会“遛狗”：看门狗（Watchdog）的高阶用法

7 、 线上排查的“核武器”：Core Dump 与 异常捕获

8、总结性的排查思维导图

9 、 并发之痛：那个名为“竞态”的幽灵

10、 别让 printf 骗了你：海森堡图块 (Heisenbug)

1、现场还原与检查：别急着按复位键！

搞嵌入式或者后端服务开发的兄弟们最怕什么？不是需求变更，也不是产品经理改UI，而是那种跑了几天几夜后突然“挂了”的设备。

如果是必现的Bug，那都好说，哪怕是逻辑错误，挂个GDB或者加打印也能磨出来。最搞心态的就是“偶发”。跑了一周，正好周五晚上你要去约会，客户打电话来说：“机器不动了”。你远程一看，没反应；你让客户重启，好了。然后客户问你：“啥原因？啥时候彻底解决？” 你支支吾吾说不出话，因为现场已经被“重启”破坏了。

既然我们是做硬核排查，第一条铁律就是：除非万不得已，绝对不要断电重启！ 很多时候，死机后的“尸体”里藏着所有的秘密。

我们先得把“死机”这个笼统的概念切碎了看。客户嘴里的“死机”，在技术上通常分三种情况，定位路径