Kernel Exception 在工作中偶尔会遇到，发生此异常时候经常会导致手机死机或重启。那么如何解决这些问题，本篇文章将带你从KE小白变小牛。

注：
本文部分内容参考MTK，如有侵权，请告知，立马关闭此文，停止侵权。知识共享，感谢支持！

本篇文章主要介绍 Android 开发中的部分知识点，通过阅读本篇文章，您将收获以下内容:

基础篇: 通过log分析KE
1.Kernel Exception
2.kernel空间布局
3.了解printk
4.ram console
5.前期异常处理
6.die()流程
7.panic()流程
8.nested panic

欢迎关注微信公众号:程序员Android
公众号ID：ProgramAndroid
获取更多信息

微信公众号：ProgramAndroid

我们不是牛逼的程序员，我们只是程序开发中的垫脚石。
我们不发送红包，我们只是红包的搬运工。

基础篇: 通过log分析KE

1.Kernel Exception

KE（Kernel Exception）概念

Android OS由3层组成，最底层是kernel，上面是native bin/lib，最上层是java层：

Android OS 3层结构

任何软件都有可能发生异常，比如野指针，跑飞、死锁等等。

异常发生在kernel层，我们就叫它为KE（kernel exception），同理，发生在native就是NE，java层就是JE。这篇文章仅关注底层的KE。

KE类别

kernel有2种崩溃类别

1. oops (类似assert，有机会恢复)

• oops是美国人比较常有的口语。就是有点意外，吃惊，或突然的意思。内核行为表现为通知感兴趣模块，打印各种信息，如寄存器值，堆栈信息…
• 当出现oops时，我们就可以根据寄存器等信息调试并解决问题。
• /proc/sys/kernel/panic_on_oops为1时导致panic。我们默认设置为1，即oops会发生panic。

2. panic

• Panic – 困惑，恐慌，它表示Linux kernel遇到了一个不知道该怎么继续的情况。内核行为表现为通知感兴趣模块，死机或者重启。
• 在kernel代码里，有些代码加了错误检查，发现错误可能直接调用了panic()，并输出信息提供调试

常用调试方法

凡是程序就有bug。bug总是出现在预料之外的地方。据说世界上第一个bug是继电器式计算机中飞进一只蛾子，倒霉的飞蛾夹在继电器之间导致了计算机故障。由于这个小虫子，程序中的错误就被称为了bug。

有Bug就需要Debug，而调试是一种很个性化的工作，十个人可能有十种调试方法。但从手段上来讲，大致可分为两类，在线调试 (Online Debug) 和离线调试 (Offline Debug).

在线调试,

Online debug, 指的是在程序的运行过程中监视程序的行为，分析是否符合预期。通常会借助一些工具，如GDB和Trace32等。有时候也会借助一些硬件设备的协助，如仿真器/JTAG，但是准备环境非常困难，而且用起来也很麻烦，除非一些runtime问题需要外很少使用。

离线调试,

Offline debug, 指的是在程序的运行中收集需要的信息，在Bug发生后根据收集到的信息来分析的一种手段。通常也分为两种方式，一种是Logging，一种是Memory Dump。

Logging, 日志或者相关信息的收集，可以比较清晰的看到代码的执行过程，对于逻辑问题是一种有效的分析手段，由于其简单易操作，也是最为重要的一种分析手法。

Memory Dump, 翻译过来叫做内存转储，指的是在异常发生的时刻将内存信息全部转储到外部存储器，即将异常现场信息备份下来以供事后分析。是针对CPU执行异常的一种非常有效的分析手段。在Windows平台，程序异常发生之后可以选择启动调试器来马上调试。在Linux平台，程序发生异常之后会转储core dump，而此coredump可以用调试器GDB来进行调试。而内核的异常也可以进行类似的转储。
下面我们由浅入深剖析各种调试方法，先从logging开始吧。

2.Kernel空间布局

在分析KE前，你要了解kernel内存布局，才知道哪些地址用来做什么，可能会是什么问题。

在内核空间中存在如下重要的段：

• vmlinux代码/数据段：
  任何程序都有TEXT（可执行代码）,RW（数据段）,ZI段（未初始化数据段），kernel也有，对应的是.text,.data,.bss

• module区域：
  kernel可以支持ko（模块），因此需要一段空间用于存储代码和数据段。

• vmalloc区域：
  kernel除了可以申请连续物理地址的内存外，还可以申请不连续的内存（虚拟地址是连续的），可以避免内存碎片化而申请不到内存。

• io map区域：
  留给io寄存器映射的区域，有些版本没有io map区域而是直接用vmalloc区域了。

• memmap：
  kernel是通过page结构体描述内存的，每一个页框都有对应的page结构体，而memmap就是page结构体数组。

还有其他段小的段没有列出来，可能根据不同的版本而差别。

目前智能机已进入64bit，因此就存在32bit布局和64bit布局，下面一一讲解。

ARM64bit kernel布局

ARM64可以使用多达48bit物理、虚拟地址（扩充成64bit，高位全为1或0）。对linux kernel来讲，目前配置为39bit的kernel空间。

由于多达512GB的空间，因此完全可以将整个RAM映射进来，0xFFFFFFC000000000之后就是一一映射了，就无所谓high memory了。

vmalloc区域功能除了外设寄存器也直接映射到vmalloc了，就没有32bit布局里的IO map space了。

不同版本的kernel，布局稍有差别：

kernel-3.10

kernel-3.10

>= kernel-3.18 && < kernel-4.6

>= kernel-3.18 && < kernel-4.6

>= kernel-4.6/N0.MP8 kernel-4.4(patch back)

>= kernel-4.6/N0.MP8 kernel-4.4(patch back)

ARM32bit kernel布局

这是一张示意图（有些地址可能会有差异）

ARM32bit kernel布局

整个地址空间是4G，kernel被配置为1G，程序占3G。

内核代码开始的地址是0xC0008000，前面放页表（起始地址为0xC0004000），如果支持模块（*.ko）那么地址在0xBF000000。

由于kernel没办法将所有内存都映射进来，毕竟kernel自己只占1G，如果RAM超过1G，就无法全部映射。怎么办呢？只能先映射一部分了，这部分叫low memory。其他的就按需映射，VMALLOC区域就是用于按需映射的。

ARM的外设寄存器和内存一样，都统一地址编码，因此0xF0000000以上的一段空间用于映射外设寄存器，便于操作硬件模块。

0xFFFF0000是特殊地址，CPU用于存放异常向量表，kernel异常绝大部分都是CPU异常（MMU发出的abort/undef inst.等异常）。

以上是粗略的说明，还需查看代码获取完整的分析信息（内核在不停演进，有些部分可能还会变化）

3.了解printk

kernel log

最初学编程时，大家一定用过printf()，在kernel里有对应的函数，叫printk()。

最简单的调试方法就是用printk()印出你想知道的信息了，而前面章节讲到oops/panic时，它们就通过printk()将寄存器信息/堆栈信息打印到kernel log buffer里。

了解kernel log对问题的调试将非常重要，这里有专门的课程介绍，请看：

• MediaTek On-Line> Quick Start)> Deep in MTK Turnkey Solution Logging Tools> Kernel log。

可以看到kernel log可以通过串口输出，也可以在发生oops/panic后将buffer保存成文件打包到db里，然后拿到串口log或db对kernel进行调试分析了。

通常手机会保留串口测试点，但要抓串口log一般都要拆机，比较麻烦。前面讲到可以将kernel log保存成文件打包在db里，db是什么东西？

AEE db

db是叫AEE（Android Exception Engine，集成在Mediatek手机软件里）的模块检查到异常并收集异常信息生成的文件，里面包含调试所需的log等关键信息。db有点像飞机的黑匣子。

对于KE来说，db里包含了如下文件（db可以通过GAT工具解开，请参考附录里的FAQ）：

• __exp_main.txt：异常类型，调用栈等关键信息。

• _exp_detail.txt：详细异常信息

• SYS_ANDROID_LOG：android main log

• SYS_KERNEL_LOG：kernel log

• SYS_LAST_KMSG：上次重启前的kernel log

• SYS_MINI_RDUMP：类似coredump，可以用gdb/trace32调试

• SYS_REBOOT_REASON：重启时的硬件记录的信息。

• SYS_VERSION_INFO：kernel版本，用于和vmlinux对比，只有匹配的vmlinux才能用于分析这个异常。

• SYS_WDT_LOG：看门狗复位信息

以上这些文件一般足以调试KE了，除非一些特别的问题需要其他信息，比如串口log等等。

4.ram console

什么是ram console？

请参考：
MediaTek On-Line> Quick Start> Deep in MTK Turnkey Solution Logging Tools

系统重启时关键信息

ram console除了保持last kmsg外，还有重要的系统信息，这些非常有助于我们调试。这些信息保存在ram console的头部ram_console_buffer里。

ram console
这个结构体里的off_linux指向了struct last_reboot_reason，里面保存了重要的信息：
ram console
以上重要的信息在重启后将被打包到db里的SYS_REBOOT_REASON文件里。对这只文件的各个栏位解读请查看：
MediaTek On-Line> Quick Start> 深入分析看门狗框架> 分析方法> HW reboot> HW reboot调试信息

5.前期异常处理

CPU异常捕获

对于野指针、跑飞之类的异常会被MMU拦截并报告给CPU，这一系列都是硬件行为，具体请看：

• MediaTek On-Line> Quick Start> 深入分析Android native exception框架> 流程-异常处理
• 在上面章节里的内核异常处理流程，有一处不同，走到arm_notify_die()后，判断是kernel mode就直接调用die()了，而不是force_sig_info()

这类问题比较难定位，也是占KE比例的大头，原因通常是内存被踩坏、指针use atfer free等多种因素，在当时可能不会立即出现异常，而是到使用这块内存才有可能崩溃。

分析问题的手段也是多样化，比如用watch point，MMU protect或加debug code等（请参考附录FAQ）

软件异常捕获

在kernel代码里，一般会通过BUG(),BUG_ON(),panic()来拦截超出预期的行为，这是软件主动回报异常的功能。

这些问题分析通常有固定的套路，请参考后面的：《实例篇: 案例分析》

在内核调用可以用来方便标记bug，提供断言并输出信息。最常用的两个是BUG()和BUG_ON()。当被调用的时候，它们会引发oops，导致栈的回溯和错误信息的打印。使用方式如下

if (condition)
BUG();
或者 ：
BUG_ON(condition); //只是在BUG基础上多层封存而已：
#define BUG_ON(condition) do { if (unlikely(condition)) BUG(); } while(0)

32bit kernel：

BUG() 的实现采用了埋入未定义指令（0xE7F001F2，记住这个值，log里看到这个值，你就应该知道是调用了BUG()/BUG_ON()了）的方式

64bit kernel：

原生的kernel，BUG()是直接调用panic()的：

不过Mediatek修改了BUG()的实现，这样有更多的调试信息输出（die()有寄存器等信息输出）

MTK 修改

当你看到如下log时，就应该知道是BUG()/BUG_ON()引起的了！

[ 147.234926]<0>-(0)[122:kworker/u8:3]Unable to handle kernel paging request at virtual address 0000dead

6.die()流程

经过前面的流程，走到了die()函数，该函数主要输出便于调试的寄存器信息/堆栈信息等重要资料，我们通过log分析KE就是分析这些资料，因此要知道整个流程。die() => panic()的大致流程如下：

die()流程图

在学习这些流程时，建议结合代码和KE的log一起看，你就知道log里那些信息在代码哪处打印出来的了。

die()总流程

先从die()入手，看下die()总流程：

die()总流程

走到debug_locks_off()就有log输出了，如下：

debug_locks_off() log输出

如果这个异常是代码里调用BUG()/BUG_ON()引起，那么有额外log说明

输出的log大致如下：

log

__die()流程

绝大部分的关键信息是由__die()函数输出的，流程如下：

__die()流程

异常类型信息

开始印出异常类型等信息，看一份kernel log有没有oops，直接搜索关键字Internal error就可以了：

输出的信息大致如下：

log

module信息

接下来是module信息，不过我们不建议使用module，这边也不打算介绍了。

CPU寄存器信息

然后是重要的CPU寄存器信息（32bit的代码，64bit类同）：

CPU信息

输出的信息大致如下：

log信息

寄存器附近的内存

有助于我们分析问题的内存信息，问题很可能就出在里面。

输出的信息大致如下：

调用栈

有时问题可以直接从调用栈看出来，由此可见调用栈是多么重要。

输出的信息大致如下：

PC附近指令

可以看到PC附近的指令：

输出的信息大致如下：

分析log

到这里die()函数就完成了它的使命，将重要信息输出来了。接下来你要如何调试呢？这个就看个人的功力了，你可以：

• 通过PC指向的函数，用addr2line（后面的GNU tools有介绍）定位到哪只文件的哪一行，大致可以知道发生了什么，如果无法一下子定位，也可以通过结合printk()多次观察KE时的log排查。如果是由BUG()/BUG_ON()引起的KE，则就可以着手修复问题了。
• 查看调用栈，有些时候调用栈可以说明流程，看看代码是否有按预期跑，如果没有，可以结合printk()定位问题。
• 如果你想看函数参数或全局变量信息，那么你需要用《进阶篇: ramdump分析》的知识调试了。

7.panic()流程

流程走到panic()就里死（异常重启）不远了，关键的信息已输出到kernel log。那么panic()做了什么呢？

panic()流程

panic()流程

panic()有标志性的log输出，大致如下：

kernel panic 异常

因此我们也可以通过搜索关键字Kernel panic查找是否有panic发生。

panic通知链

panic()会调用栈通知链上的回调函数同时感兴趣的模块，比如我们的aee注册了回调函数，用于保存kernel log/mini dump等关键信息，并将其保存到emmc的expdb分区，等等重启后将其回读并保存成KE db。

expdb

重启过程DRAM会丢失，因此信息只能保存在flash上了，在分区表里有一项就是expdb了：

流程大致如下（版本不停演进，可能有很大变化，仅供参考）：

重启后，aee将回读aeedb分区资料并转化为KE db。

8.nested panic

有时die()/panic()流程不一定能正常走完，可能走到某一步又发生了异常，则就形成了嵌套，这种情况，我们一般不会关注后面的异常，而是关注最开始的那个异常。

为了避免异常嵌套，在发生第2次异常时，我们就拦截下来，我们在3个地方用于拦截nested panic：

• do_PrefetchAbort()
• do_DataAbort()
• do_undefinstr()

拦截后不走die()/panic()流程，因为这些流程可能会再次发生异常，走我们写的函数aee_stop_nested_panic()函数：

在里面尽量少用kernel模块，很有可能也会发生异常，仅仅将寄存器等重要信息输出到ram console就等死（死循环等等看门狗复位！）。这时你抓回来的db里的SYS_LAST_KMSG就可以看到这些资料，大致如下（不同版本稍有区别）：

里面包含了寄存器信息、堆栈信息和调用栈，我们就可以通过工具（addr2line）还原当时异常的位置。

不过nested panic能参考的信息很少，不像普通的KE那样丰富。

至此，本篇已结束，如有不对的地方，欢迎您的建议与指正。期待您的关注，
感谢您的阅读，谢谢！

​欢迎关注微信公众号:程序员Android
公众号ID：ProgramAndroid
获取更多信息

微信公众号：ProgramAndroid

我们不是牛逼的程序员，我们只是程序开发中的垫脚石。
我们不发送红包，我们只是红包的搬运工。

点击阅读原文，获取更多福利