一个诡异的＂删除代码导致程序崩溃＂问题排查
- 2026-02-05 13:23:23
项目环境: STM32G4 + FreeRTOS + 多传感器数据采集
关键词: 数组越界、内存布局、静态变量、.bss段
问题现象
在一个 STM32G4 + FreeRTOS 的嵌入式项目中，遇到了一个令人困惑的问题：
删除一段看似无关的数据处理代码后，串口通信功能完全失效。
被删除的代码如下：
// 在 sample_task.c 中static int16_t tmp_xyz[3*MAX_PKTS]; // 360字节的静态数组for (uint16_t i=0; i<n; i++) {tmp_xyz[3*i+0] =acc_pkts[i].x;tmp_xyz[3*i+1] =acc_pkts[i].y;tmp_xyz[3*i+2] =acc_pkts[i].z;}
这段代码只是把加速度计数据拷贝到一个临时数组，与串口通信毫无关系。但删除后，RS485 通信完全无响应；恢复代码后，通信立刻正常。
错误的排查方向
最初我们怀疑是 FreeRTOS 时序问题——删除代码后循环执行变快，影响了任务调度。
但这个解释站不住脚：
FreeRTOS 的调度机制是成熟可靠的
一个任务执行快一点不应该导致另一个任务完全失效
如果真是时序问题，应该是偶发而非必现
关键实验
为了定位问题，我们设计了三个实验：
| 实验 | 操作 | 结果 |
|---|---|---|
| 实验1 | 用空循环替代数据处理 | ❌ 不工作 |
| 实验2 | 只保留静态数组声明，删除循环 | ✅ 工作 |
| 实验3 | 检查栈使用和内存布局 | 发现真相 |
实验2的结果是关键线索：问题与代码执行无关，只与静态数组的存在有关。
这说明：删除数组改变了内存布局，触发了某个隐藏的内存越界 bug。
真相大白
仔细审查代码后，发现了罪魁祸首：
// sample_task.cstatic struct sensor_datag buf[60u]; // 数组大小：60// ...volatile int ng=fifo_read(gbuf, 64u); // 传入最大值：64！
数组只有 60 个元素，但允许函数写入最多 64 个元素！
当陀螺仪 FIFO 数据量较大时，会发生越界写入：
gbuf[60]、gbuf[61]、gbuf[62]、gbuf[63]被写入这 4 个位置不属于
gbuf，而是其他变量的内存空间
内存布局的"巧合"
为什么 tmp_xyz 的存在能让程序正常工作？
静态变量（static）存储在 .bss 段，编译器会按声明顺序（或优化后的顺序）排列它们。
有 tmp_xyz 时的内存布局：┌─────────────────┐│ gbuf[0..59] │ ← 60个元素，360字节├─────────────────┤│ tmp_xyz[0..179] │ ← 180个元素，360字节（充当"缓冲垫"）├─────────────────┤│ 其他静态变量 │ ← 通信相关的队列、缓冲区等└─────────────────┘ ↑ 越界写入落在 tmp_xyz 区域，不影响关键数据
删除 tmp_xyz 后的内存布局：┌─────────────────┐│ gbuf[0..59] │ ← 60个元素├─────────────────┤│ 通信相关变量 │ ← 被越界写入破坏！└─────────────────┘ ↑ 越界写入直接破坏通信数据结构
tmp_xyz 无意中充当了"保护垫"，吸收了越界写入的伤害。
修复方案
修改一个字符即可：
// 修改前volatile int ng=fifo_read(gbuf, 64u);// 修改后volatile int ng=fifo_read(gbuf, 60u);
或者更规范的写法：
#define ARRAY_SIZE(arr) (sizeof(arr) / sizeof((arr)[0]))volatile int ng=fifo_read(gbuf, ARRAY_SIZE(gbuf));
经验教训
1. "删除代码导致崩溃"往往是内存问题的信号
当遇到这类诡异现象时，应该优先排查：
数组越界
野指针
栈溢出
未初始化变量
2. 静态分析的局限性
这个 bug 在代码审查时很难发现：
gbuf的定义和使用相距几十行60 和 64 的差异很容易被忽略
没有运行时错误提示（ARM Cortex-M 默认不检查数组越界）
3. 编译器/链接器不会帮你
C 语言不做数组边界检查。越界写入是未定义行为：
可能立刻崩溃
可能悄无声息地破坏其他数据
可能在某些内存布局下"恰好"正常工作
4. 防御性编程建议
// 推荐：使用 sizeof 或 ARRAY_SIZE 宏#define ARRAY_SIZE(arr) (sizeof(arr) / sizeof((arr)[0]))static struct sensor_datagbuf[60u];volatile int ng = fifo_read(gbuf, ARRAY_SIZE(gbuf));
或者在函数入口处添加断言：
int fifo_read(struct sensor_data*out, uint8_tmax_frames){assert(out!=NULL);assert(max_frames<=EXPECTED_MAX); // 添加合理性检查// ...}
类似问题的排查思路
遇到"删除/修改无关代码导致异常"时，可以按以下步骤排查：
┌─────────────────────────────────────────┐│ 1. 怀疑内存问题（而不是时序或编译器） │└───────────────────┬─────────────────────┘ ▼┌─────────────────────────────────────────┐│ 2. 设计对照实验，缩小范围 ││ - 只保留声明 vs 保留执行代码 ││ - 修改数组大小观察效果 │└───────────────────┬─────────────────────┘ ▼┌─────────────────────────────────────────┐│ 3. 检查 .bss 段相邻的静态变量 ││ - 查看 .map 文件中的符号地址 ││ - 关注数组和缓冲区的边界 │└───────────────────┬─────────────────────┘ ▼┌─────────────────────────────────────────┐│ 4. 审查所有数组访问，对比声明大小 ││ 和实际使用的索引/长度参数 │└─────────────────────────────────────────┘
总结
这个问题表面上是"FreeRTOS 时序问题"，实际上是经典的数组越界 bug。
它之所以难以发现，是因为：
越界写入的位置恰好被一个"无用"的数组保护
删除"无用"代码后，内存布局改变，bug 才暴露
教训：在嵌入式开发中，遇到"删除无关代码导致崩溃"的现象，第一反应应该是排查内存问题，而不是怀疑 RTOS 或编译器。
参考资料
C语言未定义行为
ARM Cortex-M 内存保护单元 (MPU)
GCC -fsanitize=address 选项（桌面调试时可用）
