上锁的房间

OpenAI 将崩溃调试视为流行病学研究，修复了存在 18 年之久的 GNU libunwind 漏洞_我的网站

一 |     萌宝初体验          LET’S GO          半          日          体          验          /          /          金色摇篮青岛园          亲爱的家长朋友们，您是否在为孩子寻找一个充满爱与欢乐的成长乐园？金色摇篮青岛园半日体验活动重磅来袭！          在这里，孩子们将踏上一段奇妙的旅程。

二 |     作者 | Steef-Jan Wiggers     译者 | 平川          OpenAI 的工程师们花了数周时间，试图解释 Rockset 中那些神秘的崩溃问题。有规律的活动时间，还有丰富课程活动，还能促进同龄儿童之间的交往、分享与合作等。Rockset 是一款 C++ 数据基础设施服务，为 ChatGPT 的搜索和数据插件提供支持。函数似乎会返回错误的内存地址，栈指针在执行过程中似乎会偏移 8 个字节。         在为孩子寻觅优质教育的路上，我们是您的不二之选。

三 | 诚邀您带孩子前来体验，感受温馨的校园氛围，我们用专业与爱心，助力孩子赢在成长起跑线。                                                 活          动          详          情                              活动时间                    2025年2月22日（星期六）          上午9:00                    邀请对象                    2-6岁未入园的幼儿及家长                    活动地址                    青岛西海岸新区太行山路16号          金色摇篮幼儿园                    活动流程                    08:30-09:00快乐游园          09:00-09:30烘焙时光          09:30-10:00活动展示          10:00-10:20水果加餐          10:20-10:40缤纷课堂          10:40-11:00亲子游戏          11:00-11:10领取面包                    报名方式                                                            精          彩          瞬          间                                                            温          馨          提          示                                        1.为了活动方便，请幼儿和爸爸妈妈们穿上比较舒适的服装和运动鞋。团队提出的每一种假设都面临着有力的反证。这个 Bug 似乎根本不可能存在。         他们原本以为是一个 Bug ，结果却发现是两个互不相关的 Bug ，它们只是很巧合地在同一时间被发现了。         2.请家长自行为幼儿准备水壶，及时为孩子补充水分。游戏中孩子避免独立活动，喝水、如厕请家长陪护，保证幼儿安全。

四 | 这一突破性发现并非来自对单个崩溃事件的深入排查，而是源于转向了他们所说的“流行病学调试”：构建一条管道，自动分析过去一年中生产环境的每一个核心转储文件，然后寻找整体规律，而不是对单个案例进行推断。         该团队让 ChatGPT 编写了一个脚本，用于下载每个核心文件的开头部分，提取寄存器数据，过滤已知的误报，并将每次崩溃标记为“返回空指针”、“栈对齐错误”或其他类型。         3.活动过程中请家长看管好自己的孩子，妥善保管好自己的物品。他们将该脚本并行应用于过去一年中的所有 Rockset 核心转储文件。他们很快就发现了相关性。如有特殊情况一定要及时告知老师。在进行游戏时，家长们一定要遵守游戏规则，为孩子做好榜样。         4.活动当天请家长配合做好体温测量及手部消毒工作，准时参加活动。

五 | 原本从症状上看属于同类的问题，实际上对应两组特征完全不同的崩溃事件。                                       关注我们          了解更多园所详情                    咨询电话：186 6020 0978 丁园长。         这些因栈对齐错误导致的崩溃均源自同一个 Azure 区域，有明确的起始日期，而且从未出现在长期运行的节点上。团队追踪发现，这些崩溃源自一台物理主机，其 CPU 正在悄无声息地产生错误的结果。它既没有过热，也没有抛出机器检查异常，而只是数学运算默默出了错。将该主机从服务中移除后，因栈对齐错误导致的崩溃便完全消失了。         在剔除硬件崩溃问题后，剩余的由“返回空指针”导致的崩溃问题便变得可控了。此前，团队曾排除了 C++ 异常展开的原因，因为他们认为自己找到了反例：在未使用异常的代码路径中发生了崩溃。但这些反例全都来自有硬件损坏的故障集群。一旦剔除了这些干扰因素，剩余的所有崩溃便都是发生在异常展开过程中了。

六 |          问题发生的根本原因是 GNU libunwind 的 _Ux86_64_setcontext 函数中有一个已经存在 18 年的竞争条件。在 C++ 异常展开过程中，libunwind 会在栈上合成一个 ucontext_t 结构体，填充所需的寄存器状态，然后调用 _Ux86_64_setcontext 将控制权转移给清理处理程序。

七 | 问题在于：_Ux86_64_setcontext 在从旧结构体中读取指令指针的操作尚未完成之前，就将栈指针（%rsp）更新为指向新的栈帧。一旦 %rsp 发生变化，该结构体便不再属于活动栈的一部分，也不再受内核红区的保护。如果信号恰好在 %rsp 更新与 %rip 读取之间的这一时间窗口内到达，内核就会在该结构体之上构建其信号帧，指令指针遭到破坏，函数便会跳转到 NULL 或垃圾地址。         竞争窗口的宽度正好为一条指令。

八 | 以现代处理器的时钟频率计算，这大约相当于 100 皮秒。在大多数程序中，这种情况根本不会被触发。

九 | OpenAI 的 Rockset 使用了 timer_create 函数，每隔几毫秒的 CPU 时间就发送一次 SIGUSR2 信号，为的是实现轻量级的按查询记账，这样产生的信号发送事件远多于传统的应用程序。正是这种高频的信号发送，将只在理论上可能发生的竞争状况转化成了实际生产环境中的崩溃。         该团队将一个修复方案和一个自包含的重现示例提交到了 GNU libunwind，并通过验证证实，其他展开器（如 libgcc）不存在这个问题。

十 | 该修复方案通过重新排序指令，确保在更新 %rsp 之前先读取 %rip，从而彻底消除了这个时间窗口。         该团队对这一教训的总结值得全文引用：          最重要的步骤并非巧妙地解读汇编代码，也不是对细节的深入了解，而是构建一个高质量的数据集。如果没有这个数据集，我们就会把两种截然不同的现象混为一谈，并试图通过推理来理清这种混乱。一旦获得了准确且完整的全量数据，问题的结构便显而易见了。         如果你的团队正在排查难以解释的生产环境崩溃问题，请检查你们是否将多个 Bug 混为一谈。那些看似与所有假设都不相符的症状，实际上可能并不矛盾；它们可能与两个不同的假设相符，而你却无意中将它们混淆了。洞察问题结构的最快途径，并非对单个案例进行更深入的分析，而是获取涵盖所有故障案例的完整、带标签的数据。         这篇完整的工程技术博文包含了详细的栈内存示意图、存在漏洞的汇编指令，以及揭示出两种不同类型故障的崩溃率可视化图表。

十一 |          https://www.infoq.com/news/2026/07/openai-libunwind-core-dumps/          声明：本文由 InfoQ 翻译，未经许可禁止转载。

Current article:http://www.diaoengngtengdiachanpiezao.sbs/xn9r/20260826/170250.ppt

Published on:11:29:34