记64位地址截断引发的挂死问题

前言

最近要将整个项目的代码从原先的只支持32位变成同时支持32位和64位，这个过程中遇到一个很不容易定位的挂死问题，花了不少时间才定位解决，因此分享给大家。

32位和64位代码区别

在分享之前，需要了解一下32位和64位程序代码有何区别，它的主要区别体现在某些数据类型的占用字节大小的不同：

数据类型	32位	64位
long	4字节	8字节
unsigned long	4字节	8字节
指针	4字节	8字节
size_t	4字节	8字节
ssize_t	4字节	8字节

这些是主要的差别。

那么为什么要切64位呢？原因也很简单，32位寻址范围有限，能使用的最大内存也是非常有限的，因此需要使其能够支持64位，这个过程需要修改编译工程，编译第三方库为64位，修改代码等等。当然这些都不是本文的重点，本文仅介绍遇到的这个典型的问题。

问题描述

由于项目本身涉及的系统比较复杂，因此简单分享一下定位过程，下一节将通过简洁的示例程序来说明。

问题现象：向服务器发送一条操作指令后直接挂死

分析解决过程简化为如下步骤：

查看日志以及coredump信息，初步定位挂死的位置
发现挂死在停止定时器的位置
32位程序正常，而64位异常，因此和32位与64位的差别有关
怀疑传入定时器数据有问题，编写小demo，排除传入数据问题
编译可调试版本，加入-g参数
跟踪调试，发现最终挂在了一个动态库中
设置gdb源码路径，以便调试跟踪动态库
通过gdb观察传入指针，在访问指针时，出现错误，提示访问非法内存
打印传入定时器指针地址，发现异常，地址开头4字节为全f，不正常，因此怀疑该指针最开始就已经出问题
跟踪启动定时器部分，动态库接口返回的地址值，就已经异常了，但是跟踪到动态库接口内部，发现返回的结果是正常的8字节地址值，排除定时器接口的问题
最终可以确定，在调用动态库接口时，虽然返回的是8字节地址，但是赋给外部变量时，就被截断了
换项目中的另外一个进程调试demo发现，编译时出现错误，提示函数没有声明
于是加上声明之后编译通过，但并没有出现挂死的问题
随即继续跟踪原项目出问题的进程，发现同样这些接口都没有外部声明，再加上另外一个进程的警告信息，提示有int往指针强转，因此怀疑和函数的声明有关。

最终确实如此。

具体是为什么呢？

简化示例

示例代码分别放在main.c和test.c中，main.c内容如下：

//main.c
//公众号编程珠玑
#include<stdio.h>
#include<stdlib.h>
int main(void)
{
    void *p = NULL;
    //打印p的地址
    printf("%p\n",&p);
    //为p赋值
    p = testFun();
    printf("%p\n",p);
    //释放内存
    free(p);
    p = NULL;
    return 0;
}

test.c的内容如下：

//test.c
#include<stdio.h>
#include<stdlib.h>
void *testFun()
{
   //申请内存需要足够大，能方便达到本文的示例效果
    void *p = (void*)malloc(1024*1024*10);
    if(NULL == p)
    {
        printf("malloc failed\n");
    }
    printf("malloc success,p = %p\n",p);
    return p;
}

上面两段代码再简单不过，testFun在函数中申请一段内存，并返回。而main函数通过调用testFun，将地址值返回给p，并打印p的地址值。

编译运行：

$ gcc -o main main.c test.c
$ ./main
0x7ffef59d4230
malloc success,p = 0x7f193ec5f010
0x3ec5f010
Segmentation fault (core dumped)

从运行结果中，我们可以发现以下几个事实：

64位程序地址为8字节
testFun内部申请到的内存地址值是占用8字节的值
main函数中的p的地址值为4字节
返回值被截断了

也就是和我们预期的结果完全不一样。我们逐步分析，到底是为什么。

特别说明：
如果赋值那一行改成下面这样

1	p = (void*)testFun();

运行结果中如下：

0x7ffd5a75dbe0
malloc success,p = 0x7fc6fb5ac010
0xfffffffffb5ac010
Segmentation fault (core dumped)

其实看到8字节的前面4字节都是f，就可以判断这个地址是非法的了。为什么？（提示：程序地址空间分布）。

为什么coredump？

这个问题很明显，因为申请内存得到的地址值与释放内存的地址不是同一个，因此导致coredump（coredump的查看可参考《linux常用命令-开发调试篇》中的gdb部分）。

为什么地址值被截断？

在解释这个之前，我们先看一个简单的示例程序：

//testReturn.c
#include<stdio.h>
test()
{
    printf("test function\n");
    return 0;
}
int main(void)
{
    test();
    return 0;
}

编译：

$ gcc -o test testReturn.c
testReturn.c:2:1: warning: return type defaults to ‘int’ [-Wimplicit-int]
 test()
 ^

我们在编译的时候出现了一个警告，提示test函数没有返回值，会默认返回值为int。

也就是说，如果函数实际有返回值，但是函数返回值类型却没有指明，编译器会将其默认为int。

实际上前面的示例程序在编译的时候就有警告：

main.c: In function ‘main’:
main.c:11:9: warning: implicit declaration of function ‘testFun’ [-Wimplicit-function-declaration]
     p = testFun();
         ^
main.c:11:7: warning: assignment makes pointer from integer without a cast [-Wint-conversion]
     p = testFun();
       ^

两个警告的意思分别为：

testFun没有声明
尝试从整形转换成指针

第一个警告很容易理解，虽然定义了testFun函数，但是在main函数中并没有声明。因此对mian函数来说，它在编译阶段（关于编译阶段，可参考《hello程序是如何变成可执行文件的》），“看不到”testFun，因此会默认为其返回值为int。而正因如此，就有了第二个警告，提示从整型转换成指针。

到此其实也就真相大白了。既然testFun的返回值被编译器默认为int，返回一个8字节的指针类型，而返回值却是int，自然就会被截断了。

如何解决

既然知道原因所在，那么如何解决呢？这里提供两种方式。

extern声明
在头文件中声明，调用者包含该头文件

按照第一种方式，在main.c中增加一行声明：

1	extern void *testFun();

运行结果：

1
2
3

0x7fffee1bd7b0
malloc success,p = 0x7fcafef2e010
0x7fcafef2e010

第二种方式，增加test.h，内容为testFun的声明：

//test.h
#include<stdio.h>
#include<stdlib.h>
void *testFun();

main.c包含test.h头文件：

//main.c
//公众号编程珠玑
#include"test.h"
int main(void)
{
    void *p = NULL;
    //打印p的地址
    printf("%p\n",&p);
    //为p赋值
    p = testFun();
    printf("%p\n",p);
    //释放内存
    free(p);
    p = NULL;
    return 0;
}

test.c修改如下：

//test.c
#include"test.h"
void *testFun()
{
    void *p = (void*)malloc(1024*1024*10);
    if(NULL == p)
    {
        printf("malloc failed\n");
    }
    printf("malloc success,p = %p\n",p);
    return p;
}