📚 课程目录第1章故障定位基础

1. 故障定位基础：嵌入式软件故障分类、故障生命周期、故障定位方法论

各位同学好，我是老周。做嵌入式软件测试这行，掐指一算也有十几年了。今天咱们开始第一课，聊聊故障定位的基础。说白了，就是当你发现程序跑飞了、数据错了、系统死机了，你该怎么下手去查。

很多人一上来就急着打日志、接仿真器，结果忙活半天，问题还在那。为什么？因为你没搞清楚你面对的是个什么“鬼”。

1.1 嵌入式软件故障分类

我个人习惯，先把故障分个类。就像医生看病，先得知道是内科还是外科。嵌入式软件的故障，我一般分成三大类：

故障类别	典型表现	我遇到过的例子
逻辑故障	功能跑偏、条件判断错误、状态机卡死	一个温控器，温度到了设定值还不跳断，结果是if条件里写了个“&”而不是“&&”
时序故障	数据采集错位、外设响应超时、任务饿死	某次做电机驱动，SPI读取编码器数据总是丢帧，后来发现是中断优先级配错了，读取被高优先级任务打断了
资源故障	内存泄漏、堆栈溢出、DMA冲突	一个跑了一周才死机的设备，查到最后是malloc了没free，内存碎片把系统拖垮了

我的小习惯：拿到故障报告，先别急着看代码。问清楚三个问题——什么时候发生的？做了什么操作？现象是什么？这三个问题能帮你把故障归到上面三类里，方向就有了。

1.2 故障生命周期

故障不是凭空出现的，它有自己的“一生”。理解这个生命周期，你才能知道在哪个阶段该做什么事。

我把它画成了一张图，你们看看：

你看，故障在潜伏期你是看不见的。代码里有个bug，但一直没触发。直到某个特定条件出现，它被激活了，然后像多米诺骨牌一样传播，最后在表现期被你看到。

我曾经踩过的坑：有一次一个设备偶尔死机，我盯着表现期的现象查了三天，以为是中断问题。后来才发现，真正的根因在潜伏期——一个全局变量初始化顺序错了。所以，别被表象迷惑，要顺着生命周期往回推。

1.3 故障定位方法论

好，分类和生命周期都清楚了，接下来就是动手查。我常用的方法就三个：二分法、排除法、因果链分析。别觉得老套，真正好用的东西往往不花哨。

1.3.1 二分法

说白了就是“折半查找”。你有一堆代码，不知道问题在哪，那就从中间切一刀。

举个例子：

// 假设这是一个处理传感器数据的函数
void process_sensor_data(void) {
    // 步骤1: 读取原始数据
    raw = read_adc();
    
    // 步骤2: 滤波处理
    filtered = low_pass_filter(raw);
    
    // 步骤3: 单位转换
    converted = convert_to_physical(filtered);
    
    // 步骤4: 数据校验
    if (!validate(converted)) {
        set_error_flag();
    }
    
    // 步骤5: 输出结果
    output_result(converted);
}

如果输出结果不对，我怎么做？先在第3步后面加个打印，看converted对不对。如果converted是对的，那问题就在第4或第5步。如果converted是错的，那问题就在第1到第3步。然后继续折半，直到定位到具体某一行。

我的经验：二分法最适合处理“线性流程”的故障。但要注意，如果代码里有全局变量或中断修改数据，二分法可能会被干扰。这时候我会配合“排除法”一起用。

1.3.2 排除法

排除法就是“逐个关掉嫌疑对象”。你怀疑几个模块可能有问题，那就一个一个屏蔽掉，看问题还在不在。

我举个例子，一个系统有A、B、C三个任务，系统偶尔死机。我怀疑是任务间通信出了问题。怎么做？

先把任务C停掉，跑一天，没死机。说明C嫌疑最大。
再把C恢复，停掉B，跑一天，又死机了。说明B不是问题。
最后单独分析C，发现它有个消息队列没及时取数据，导致队列满了，阻塞了发送任务。

你看，排除法就像剥洋葱，一层一层去掉无关因素，剩下的就是真相。

注意：排除法有个前提——你能复现故障。如果故障是偶发的，排除法会很痛苦。我曾经有一个故障，一周才出现一次，用排除法花了整整三周。后来我改用因果链分析，两天就搞定了。

1.3.3 因果链分析

这个方法我最常用，也最推荐。它要求你从故障现象出发，一步步往回推，找出“因”和“果”之间的链条。

我画个图帮你们理解：

你看，从“转速异常”这个现象出发，我问自己：为什么转速异常？因为PWM占空比错了。为什么PWM错了？因为PID输出饱和了。为什么PID输出饱和？因为积分项溢出了。好，根因找到了。

因果链分析的关键就是“连续问为什么”，问到不能再问为止。我一般会问3到5个“为什么”，基本就能摸到根因。

三种方法怎么选？

二分法：适合线性流程、代码结构清晰的场景。快，但容易被全局变量干扰。
排除法：适合多模块、多任务的系统。稳，但要求故障能稳定复现。
因果链分析：适合复杂、偶发的故障。深，但需要你对系统有整体理解。

我个人习惯，先快速用二分法扫一遍，如果不行，就上因果链分析。排除法作为备选，实在没招了再用。

1.4 本章小结

这一章我们聊了三个东西：故障分类让你知道面对的是什么，故障生命周期让你知道问题处在哪个阶段，三种定位方法让你知道怎么下手。嗯，这些都是基本功，但基本功往往最管用。

我记得我刚入行那会儿，遇到一个bug，折腾了一周没搞定。后来师傅过来看了一眼，说：“你先把故障分个类，再画个因果链。”我照着做了，半小时就找到了问题。从那以后，我再也不盲目调试了。