The Cloudflare Blog
·
我们是如何在Go的arm64编译器中发现一个错误的
💡
原文英文，约3100词，阅读约需12分钟。
📝
内容提要
Cloudflare在其arm64编译器中发现了一个竞争条件错误，导致堆栈回溯不完整。经过调查，问题与Go Netlink库的异步抢占有关。Go团队最终修复了该错误，确保在修改期间堆栈指针不会被抢占，从而消除了竞争条件。
🎯
关键要点
- Cloudflare在其arm64编译器中发现了一个竞争条件错误，导致堆栈回溯不完整。
- 问题与Go Netlink库的异步抢占有关，导致堆栈指针在修改期间被抢占。
- 最初观察到的错误是堆栈回溯未完全展开，可能是由于堆栈损坏。
- 经过调查，发现fatal panic与恢复的panic数量相关，导致了对错误处理方式的改变。
- 最终确认问题与Go Netlink库的Receive函数有关，尤其是在异步抢占期间。
- 通过创建最小可重现示例，确认了这是一个运行时错误，导致堆栈指针在不一致状态下被修改。
- Go团队修复了该错误，确保在修改期间堆栈指针不会被抢占，从而消除了竞争条件。
❓
延伸问答
Cloudflare是如何发现Go的arm64编译器中的错误的？
Cloudflare在其arm64编译器中发现了一个竞争条件错误，导致堆栈回溯不完整，经过监控和调查后确认了问题的根源。
Go Netlink库的异步抢占是如何导致堆栈指针被抢占的？
Go Netlink库的Receive函数在异步抢占期间导致堆栈指针被抢占，从而引发了竞争条件错误。
Cloudflare在调查过程中采取了哪些步骤？
Cloudflare通过观察fatal panic与恢复的panic数量的关系，停止使用panic/recover进行错误处理，并创建最小可重现示例来确认错误。
Go团队是如何修复这个竞争条件错误的？
Go团队修复了该错误，确保在修改期间堆栈指针不会被抢占，从而消除了竞争条件。
这个错误对Cloudflare的服务有什么影响？
这个错误导致了在arm64机器上出现间歇性的fatal panic，虽然对大多数服务影响不大，但仍然引起了关注。
如何创建一个最小可重现示例来确认这个错误？
通过编写一个函数，该函数在循环中调用并分割堆栈指针的调整，从而触发错误并确认其存在。
🏷️
标签
➡️
