关于排查应用引发电脑死机问题的技术求助及日志建议

听起来你碰到了个挺头疼的状况——客户一口咬定你的应用跑几个小时后会让他电脑死机，你已经在他机器上用Task Manager盯了好久，GDI资源、内存占用、CPU使用率都查了，愣是没发现啥明显异常。还好客户允许调试，从Event Viewer里拿到了关键日志：

Error: 04-19-2018 13:49:30 The system has been shutdown unexpectedly at 04-19-2018 00:27:04

用户当时是发现系统完全没响应，才长按电源强制关机的。结合这些信息，我给你几个后续排查的方向，说不定能找到症结：

• 先排除系统硬件/驱动层面的锅
  意外关机的锅不一定全在你的应用上，先把硬件和驱动的可能性排除掉：

  • 运行chkdsk /f命令检查磁盘有没有坏道或者文件系统错误，磁盘问题有时候会导致系统无响应甚至强制关机
  • 盯着CPU和显卡的温度看——过热是系统意外关机的常见元凶，Task Manager的性能页就能看，或者让客户装个简单的温度监测工具跑一段时间
  • 督促客户把显卡、主板、电源相关的驱动都更到最新，老旧驱动和新应用长期运行很容易出兼容性冲突

• 深挖应用隐藏的长期资源泄漏
  你监测的几个指标没问题，但有些资源泄漏是“慢刀子”，得积累很久才会触发系统级问题：

  • 除了GDI，重点盯句柄数（Handles）和线程数（Threads）——比如没关闭的文件句柄、没释放的网络连接，这些玩意儿积累多了会把系统资源耗干，Task Manager的详细信息页能看到这些数据
  • 用专业的内存分析工具（比如Visual Studio的Memory Profiler）挂着应用跑，追踪非托管资源的释放情况——这类资源在Task Manager的内存统计里可能藏得很深，肉眼看不出来

• 扒一扒系统崩溃前后的详细日志
  你拿到的只是意外关机的结果日志，得往前找前置线索：

  • 去Event Viewer的系统日志里，翻04-19-2018 00:27:04前后10到15分钟的所有警告和错误事件，重点看和电源、硬件、驱动相关的条目，说不定能找到崩溃前的异常信号
  • 如果客户电脑开了内存转储（Memory Dump），直接拿dump文件用WinDbg分析——这是定位系统崩溃原因最直接的方式，能精准查到是哪个进程或者组件出了问题

• 模拟真实场景复现问题
  单一应用长时间运行可能出不了问题，得模拟用户的真实使用环境：

  • 让应用持续跑24小时以上，同时让客户正常用其他常用软件，比如浏览器、办公工具啥的，说不定是应用和其他软件的长期交互出了问题
  • 在应用里模拟高负载场景，比如批量处理数据、多并发操作，看看能不能加速触发死机，这样排查起来也省时间

内容的提问来源于stack exchange，提问作者tmighty