Linker加载so失败问题分析

作者

段聪，腾讯社交平台部高级工程师

商业转载请联系腾讯WeTest获得授权，非商业转载请注明出处。

WeTest 导读

近期测试反馈一个问题，在旧版本微视基础上覆盖安装新版本的微视APP，首次打开拍摄页录制视频合成时高概率出现crash。

那么我们直奔主题，看看日志：

另外复现的日志中还出现如下信息：

'/data/data/com.tencent.weishi/appresArchiveExtra/res1bodydetect/bodydetect/libxnet.so: strtab out of bounds error

后经过测试，发现覆盖安装后首次使用美体功能也会出现crash，日志如下：

由于出现问题的场景都是覆盖安装首次使用，并且涉及到人体检测相关的so，似乎存在某种共同的原因。

因此Abort异常比起fault addr类问题更容易分析，先从前面Linker出现Abort异常的位置开始着手。

Linker是so链接和加载的关键，属于系统可执行文件，因此分析起来比较棘手。好在手上正好有一台刚刷完自己编译的Android AOSP的Pixel，做一些实验变得更轻松了。

出现异常的Linker代码linker_soinfo.cpp如下：

const char* soinfo::get_string(ElfW(Word) index) const {
  if (has_min_version(1) && (index >= strtab_size_)) {
    async_safe_fatal("%s: strtab out of bounds error; STRSZ=%zd, name=%d",
        get_realpath(), strtab_size_, index);
  }

  return strtab_ + index;
}

bool soinfo::elf_lookup(SymbolName& symbol_name,
                        const version_info* vi,
                        uint32_t* symbol_index) const {
  uint32_t hash = symbol_name.elf_hash();

  TRACE_TYPE(LOOKUP, "SEARCH %s in %s@%p h=%x(elf) %zd",
             symbol_name.get_name(), get_realpath(),
             reinterpret_cast<void*>(base), hash, hash % nbucket_);

  ElfW(Versym) verneed = 0;
  if (!find_verdef_version_index(this, vi, &verneed)) {
    return false;
  }

  for (uint32_t n = bucket_[hash % nbucket_]; n != 0; n = chain_[n]) {
    ElfW(Sym)* s = symtab_ + n;
    const ElfW(Versym)* verdef = get_versym(n);

    // skip hidden versions when verneed == 0
    if (verneed == kVersymNotNeeded && is_versym_hidden(verdef)) {
        continue;
    }

    if (check_symbol_version(verneed, verdef) &&
        strcmp(get_string(s->st_name), symbol_name.get_name()) == 0 &&
        is_symbol_global_and_defined(this, s)) {
      TRACE_TYPE(LOOKUP, "FOUND %s in %s (%p) %zd",
                 symbol_name.get_name(), get_realpath(),
                 reinterpret_cast<void*>(s->st_value),
                 static_cast<size_t>(s->st_size));
      *symbol_index = n;
      return true;
    }
  }

  TRACE_TYPE(LOOKUP, "NOT FOUND %s in %s@%p %x %zd",
             symbol_name.get_name(), get_realpath(),
             reinterpret_cast<void*>(base), hash, hash % nbucket_);

  *symbol_index = 0;
  return true;
}

从代码上看，是在so的symtab中查找某个符号时ElfW(Sym)* s的地址出现异常，导致s->st_name获取到错误的数据。

通过复现问题，可以抓到更完整的 /data/tombstone日志，得到如下完整的信息：

尽管从tombstone中我们可以看到一些寄存器数据及寄存处地址附近内存数据，同时也可以看到crash时的虚拟内存映射表，仍然无法获取有价值的信息。另外通过几次复现，发现并不是每次Crash都是SIGABRT，也出现不少SIGSEGV信号，而调用栈和之前都是一样的，比如这个：

这基本上可以说明，并不是so本身的代码存在异常，只可能是加载的so出现了文件异常。

另外通过在linker中增加日志，并重新编译linker替换到/system/lib/linker中：

可以获取到如下的地址信息：

通过根据tombstone中的/proc/<poc>/maps的虚拟内存地址与日志打印的地址进行对比，可以发现最为符号表地址的s并没有指向so文件在虚拟内存中的地址段，因此可以怀疑，so加载确实出现了异常。

因为手机root，可以直接获取到crash时的so文件(adb pull /data/data/com.tencent.weishi/appresArchiveExtra/res1bodydetect/bodydetect/libxnet.so)，导出来对比md5，然而发现与正常情况下的so是一模一样的：

既然前面的这些实验都没有得出什么有意义的结论，那么我回过头来分析一下，与问题关联的so加载到底有什么特殊性。

实际上，微视为了减包，将一部分so文件进行下发，由于so也处于不断迭代的过程中，新版本的微视可能会在后台更新so文件，那么客户端一旦发现新的版本有新的so，就会去下载so并进行本地替换。

那么这个过程有什么问题呢？唯一可能的问题，就是先加载了旧的so，之后下载新的so进行了热更新。

我们先看下微视中是否有这种现象。要观察这种现象，我们可以打开linker自身的调试开关，开启so加载的日志。通过设置系统属性，我们可以很容易地进行开启LD_LOG日志：

adb shell setprop debug.ld.all dlerror,dlopen

当然我们也可以只针对某个应用开启这个日志（设置系统属性debug.ld.app.）。另外，为了开启linker中更多的日志，比如DEBUG打印的信息等，我们只需要在adb shell中设置环境变量：

export LD_DEBUG=10

那么，我们重新复现问题，可以看到如下so加载过程：

这个过程表明：旧的so先被加载了，然后下载了新版本的so，并进行了替换。

这个过程有什么问题呢？根据《理解inode》一文我们可以得知，linux的文件系统使用的inode机制支持了so文件的热更新（动态更新），即每个文件都有一个唯一的inode号，打开文件后使用inode号区分文件而不是文件名：

八、inode的特殊作用 由于inode号码与文件名分离，这种机制导致了一些Unix/Linux系统特有的现象。 1. 有时，文件名包含特殊字符，无法正常删除。这时，直接删除inode节点，就能起到删除文件的作用。 2. 移动文件或重命名文件，只是改变文件名，不影响inode号码。 3. 打开一个文件以后，系统就以inode号码来识别这个文件，不再考虑文件名。因此，通常来说，系统无法从inode号码得知文件名。 第3点使得软件更新变得简单，可以在不关闭软件的情况下进行更新，不需要重启。因为系统通过inode号码，识别运行中的文件，不通过文件名。更新的时候，新版文件以同样的文件名，生成一个新的inode，不会影响到运行中的文件。等到下一次运行这个软件的时候，文件名就自动指向新版文件，旧版文件的inode则被回收。

但是问题就出在这里，如果替换文件使用的是cp这样的操作，会导致原来的so文件截断，然后重新写入数据，但是inode并没有更新号，磁盘与内存中的信息出现不一致，这种情况在linux中很常见，比如这篇文章就进行了分析：

1. cp new.so old.so，文件的inode号没有改变，dentry找到是新的so，但是cp过程中会把老的so截断为0，这时程序再次进行加载的时候，如果需要的文件偏移大于新的so的地址范围会生成buserror导致程序core掉，或者由于全局符号表没有更新，动态库依赖的外部函数无法解析，会产生sigsegv从而导致程序core掉，当然也有一定的可能性程序继续执行，但是十分危险。 2. mv new.so old.so，文件的inode号会发生改变，但老的so的inode号依旧存在，这时程序必须停止重启服务才能继续使用新的so，否则程序继续执行，使用的还是老的so，所以程序不会core掉，就像我们在第二部分删除掉log文件，而依然能用lsof命令看到一样。

还有更深入的解释：

Linux由于Demand Paging机制的关系，必须确保正在运行中的程序镜像（注意，并非文件本身）不被意外修改，因此内核在启动程序后会绑定 内存页 到这个so的inode，而一旦此inode文件被open函数O_TRUNC掉，则kernel会把so文件对应在虚存的页清空，这样当运行到so里面的代码时，因为物理内存中不再有实际的数据（仅存在于虚存空间内），会产生一次缺页中断。Kernel从so文件中copy一份到内存中去,a)但是这时的全局符号表并没有经过解析，当调用到时就产生segment fault , b)如果需要的文件偏移大于新的so的地址范围，就会产生bus error。

那么问题基本清晰了。我们在回去看看微视的代码，这里下载了so之后直接unzip到原来的路径，并没有先进行rm操作。

更近一步，我们自己写个demo测试下刚才的问题（2个按钮，一个加载指定so，一个调用so中的native方法）：

代码不能再简单了：

正常加载so然后执行native方法都是ok的，使用rm+mv替换或者adb push替换也都是ok的，最后再按照错误的方法操作，步骤为：

1. 启动app，点击加载so；

2. 通过cp命令替换so；

3. 点击执行native方法；

结果确实是crash了：

日志如下，是不是很最开始的日志信息一样呢：

到此，我们有两种解决办法：

1. 如果so有升级，先不加载旧的so，等新的so下载完成之后再加载；

2. 可以先加载旧的so，但是下载了新的so之后，要删除旧的so，再进行替换。

引文参考：

https://www.cnblogs.com/cnland/archive/2013/03/19/2969337.html

https://www.cnblogs.com/cnland/archive/2013/03/20/2970537.html

http://www.nginx.cn/1329.html

http://www.ruanyifeng.com/blog/2011/12/inode.html

https://www.bo56.com/linux%E4%B8%8Bcp%EF%BC%8Cmv%E8%BF%9B%E8%A1%8C%E5%8A%A8%E6%80%81%E5%BA%93%E8%A6%86%E7%9B%96%E9%97%AE%E9%A2%98%E5%88%86%E6%9E%90/