getPIDByName执行144次malloc崩溃及readFromAccel内存写入异常排查

问题1：getPIDByName函数周期性触发malloc段错误 #

现象 #

每执行144次getPIDByName函数时，会在fscanf调用链中的malloc环节触发SIGSEGV段错误。

已完成排查 #

• 存在内存泄漏，但系统剩余内存充足（50~55GB），swap配置为200GB
• 进程内存限制ulimit -v设为unlimited，64位系统排除地址空间耗尽可能
• 调整malloc调用位置后，错误转移至新的malloc行，未定位根因

排查建议 #

• 检查malloc元数据损坏：内存越界写、非法free等操作会破坏malloc的chunk元数据，即使剩余内存充足也会导致后续malloc崩溃。可通过以下方式验证：
  • 启动程序时设置环境变量export MALLOC_CHECK_=1，malloc检测到错误会直接输出详细报错信息
  • 使用mtrace跟踪malloc/free调用：编译时加-g参数，运行前设置export MALLOC_TRACE=mtrace.log，程序结束后执行mtrace 程序名 mtrace.log分析是否存在非法内存操作
• 验证fscanf参数合法性：检查每次循环中fscanf的格式字符串、传入指针是否存在野指针或越界情况，某次非法参数可能破坏内存结构，积累到144次时触发崩溃
• 排查144次的周期关联：检查是否存在资源泄漏（如文件句柄、线程），当资源达到144个时触发系统限制，间接导致内存操作异常。可使用lsof -p 进程ID实时监控文件句柄变化
• gdb捕获崩溃现场：崩溃时执行bt full查看栈帧和寄存器值，检查malloc内部处理的chunk元数据是否被篡改，定位具体损坏的内存区域

问题2：readFromAccel函数fread触发无效内存写入 #

现象 #

valgrind检测到readFromAccel函数中fread存在无效内存写入，报错地址不属于栈、malloc分配或刚释放的内存区域；函数接收的data指针由MLIR通过memref.alloc分配并传递。

排查建议 #

• 验证memref分配的有效性：检查MLIR代码中memref.alloc的参数是否正确，确认分配的内存大小是否足够容纳fread要读取的数据量。比如如果fread要读取1024字节，但memref仅分配512字节，会直接导致越界写入
• 检查memref生命周期：确认data指针在fread执行期间是否仍处于有效状态，是否存在MLIR pass异步释放该memref的情况，导致指针悬空后触发非法写入
• 校验fread参数：确认data指针、读取字节数size、文件流stream的合法性，比如文件流是否已被关闭、size计算错误导致写入超出预期范围
• 跟踪fread执行过程：用gdb在readFromAccel函数内设置断点，通过x/10x data查看data指针的内存范围，单步执行fread，观察写入地址是否真的超出分配范围，或是否有其他线程篡改该内存区域
• 检查MLIR代码生成：查看memref.alloc生成的LLVM IR或机器码，确认内存分配逻辑是否正确，是否存在地址计算错误导致data指针指向非法内存区域

内容的提问来源于stack exchange，提问作者임수환