回顧了快200個(gè)bug，這個(gè)老工程師總結(jié)這些教訓(xùn)

我一直在如何跟蹤遇到的最有意思的bug。最近回顧了全部194個(gè)bug(時(shí)間跨度達(dá)13年)，看看從中學(xué)到了什么經(jīng)驗(yàn)教訓(xùn)。下面是最重要的幾個(gè)經(jīng)驗(yàn)教訓(xùn)，分為編碼、測(cè)試和調(diào)試這三大類：

編碼

這些是在過去給我?guī)砑謆ug的所有問題：

1. 事件順序：處理事件時(shí)，很有必要提出下列問題：事件是否可以以一種不同的順序到達(dá)?如果我們從來沒有收到該事件，會(huì)怎樣?如果該事件連續(xù)出現(xiàn)兩次，又會(huì)怎樣?即使通常情況下這永遠(yuǎn)不會(huì)出現(xiàn)，但系統(tǒng)(或交互系統(tǒng))的其他部分中的bug可能會(huì)導(dǎo)致這出現(xiàn)。

2. 處理太早：這是上述“事件順序”的一種特殊情況，不過它已引起了一些棘手的bug，所以它自成一類。比如說，如果信令消息接收太早，在配置和啟動(dòng)過程完成之前接收，許多奇怪的行為就會(huì)出現(xiàn)。另一個(gè)例子：當(dāng)某個(gè)網(wǎng)絡(luò)連接還沒有被列入空閑列表就被標(biāo)為斷開。調(diào)試這個(gè)問題時(shí)，我們總是假設(shè)它在處于空閑列表時(shí)被設(shè)為斷開(但為什么它又沒有從列表上撤下?)。沒考慮到有時(shí)動(dòng)作發(fā)生太早要怪我們沒想到。

3. 隱蔽故障：一些跟蹤起來最棘手的bug(一方面)是由出現(xiàn)隱蔽故障、繼續(xù)執(zhí)行而不是給出錯(cuò)誤的代碼引起的。比如說，系統(tǒng)調(diào)用(比如綁定)返回未加檢查的錯(cuò)誤代碼。另一個(gè)例子：遇到錯(cuò)誤元素后，直接返回而不是給出錯(cuò)誤的解析代碼。調(diào)用在故障狀態(tài)下繼續(xù)持續(xù)一段時(shí)間，這大大加大了調(diào)試的難度。最好一旦檢測(cè)到故障情況，就返回錯(cuò)誤。

4. if語句：有幾個(gè)條件的if語句給我?guī)砹嗽S多bug。即使if語句概念上很簡(jiǎn)單，有多個(gè)條件需要跟蹤時(shí)，它們也很容易搞錯(cuò)。如今我試著重寫代碼，力求更簡(jiǎn)單，避免要處理復(fù)雜的if語句。

5. Else：有幾個(gè)bug是沒有適當(dāng)考慮如果條件為假會(huì)發(fā)生什么而引起的。幾乎無一例外的是，每個(gè)if語句應(yīng)該有一個(gè)else部分。此外，如果你在if語句的一個(gè)分支中設(shè)置了某個(gè)變量，可能應(yīng)該在另一個(gè)分支也要設(shè)置該變量。與此相關(guān)的是標(biāo)志(flag)被設(shè)定的情況。僅僅添加設(shè)定標(biāo)志的條件很容易，但是容易忘了添加應(yīng)該重新設(shè)定標(biāo)志的條件。任由永久性設(shè)定的標(biāo)志留在那里可能會(huì)在將來導(dǎo)致bug。

6. 不斷變化的假設(shè)：一開始最難預(yù)防的許多bug是由不斷變化的假設(shè)引起的。比如說，一開始，可能每天只有一個(gè)客戶事件。然后，按照這種假設(shè)編寫了許多代碼。后來某個(gè)時(shí)候，設(shè)計(jì)發(fā)生了變化，允許每天有多個(gè)客戶事件。出現(xiàn)這種情況后，就很難改變受到新設(shè)計(jì)影響的所有情況。很容易找到顯式依賴該變化的所有項(xiàng)，但是難就難在，找到隱式依賴舊設(shè)計(jì)的所有情況。比如說，可能有代碼讀取某一天的所有客戶事件。隱式的假設(shè)可能是，結(jié)果集從不大于客戶數(shù)量。我沒有好的辦法可以預(yù)防這類問題，歡迎讀者建議。

7. 日志：深入了解程序執(zhí)行的任務(wù)至關(guān)重要，尤其是邏輯很復(fù)雜時(shí)。務(wù)必要添加足夠多(但是別太多)的日志，那樣你就能弄清楚為什么程序在執(zhí)行它執(zhí)行的任務(wù)。如果一切正常，日志并不重要，但是一旦出現(xiàn)了問題(這不可避免)，你會(huì)很高興添加了適當(dāng)?shù)娜罩居涗??！?/p>

測(cè)試

作為一名開發(fā)者，除非進(jìn)行了測(cè)試，否則我不會(huì)說搞完了一項(xiàng)功能。至少，這意味著每一行新代碼或更改后的代碼至少執(zhí)行了一次。此外，單元測(cè)試或功能測(cè)試也很好，但還不夠。新功能還必須在類似生產(chǎn)環(huán)境的環(huán)境下加以測(cè)試和探究。下面是bug在測(cè)試方面給予我的一些重要的經(jīng)驗(yàn)教訓(xùn)：

8. 零和空：務(wù)必要以零和空(合適的情況下)來進(jìn)行測(cè)試。對(duì)于字符串而言，這意味著既指長(zhǎng)度為零的字符串，又指內(nèi)容為空的字符串。另一個(gè)例子：在發(fā)送任何數(shù)據(jù)(零字節(jié))之前，測(cè)試TCP連接的斷開。沒有使用這些組合來測(cè)試是bug悄然出現(xiàn)的頭號(hào)原因，我在測(cè)試時(shí)是原本可以發(fā)現(xiàn)這些bug的。

9. 添加和刪除：新功能常常需要能夠?yàn)橄到y(tǒng)添加新配置，比如說用于電話號(hào)碼翻譯的新配置文件。所以測(cè)試它切實(shí)可行、以便添加新的配置文件很自然不過。然而，我發(fā)現(xiàn)很容易忘了還要測(cè)試配置文件的刪除。

10. 錯(cuò)誤處理：處理錯(cuò)誤的代碼常常很難測(cè)試。最好由自動(dòng)測(cè)試來檢查錯(cuò)誤處理代碼，但有時(shí)這不可能。這種情況下，我有時(shí)采用的一招就是，臨時(shí)修改代碼，讓錯(cuò)誤處理代碼運(yùn)行。要做到這一點(diǎn)，最容易的方法就是反轉(zhuǎn)if語句，比如說將if語句由error_count > 0反轉(zhuǎn)為error_count == 0。另一個(gè)例子是誤拼數(shù)據(jù)庫列名，讓所需的錯(cuò)誤處理代碼運(yùn)行。

11. 隨機(jī)性輸入：常?？梢园l(fā)現(xiàn)bug的一種測(cè)試方法就是使用隨機(jī)性輸入。比如說，H.323協(xié)議的ASN.1解碼可處理二進(jìn)制數(shù)據(jù)。通過發(fā)送有待解碼的隨機(jī)性字節(jié)，我們發(fā)現(xiàn)了解碼器中的幾個(gè)bug。另一個(gè)例子是使用測(cè)試調(diào)用生成腳本，其中調(diào)用持續(xù)時(shí)間、回復(fù)延遲、第一方掛斷等都是隨機(jī)生成的內(nèi)容。這些測(cè)試腳本暴露了無數(shù)bug，尤其是接踵而至的事件引起的干擾。

12. 檢查什么不該發(fā)生：測(cè)試常常包括檢查所需的動(dòng)作已發(fā)生。但它很容易忽視相反的情況――檢查不該發(fā)生的動(dòng)作確實(shí)沒有發(fā)生。

13. 自行編寫工具：我通常構(gòu)建自己的小工具，好讓測(cè)試更容易。比如說，我在處理面向VoIP的SIP協(xié)議時(shí)，寫了一個(gè)小腳本，就返回我所需要的頭和值。有了這個(gè)工具，許多個(gè)別情況測(cè)試起來很容易。另一個(gè)例子是可以進(jìn)行API調(diào)用的命令行工具。通過從小處著手，然后根據(jù)需要逐步添加功能，我最后開發(fā)出了非常實(shí)用的工具。自行編寫工具的好處就是，我獲得了所需的那種功能。

不過根本不可能在測(cè)試中發(fā)現(xiàn)所有bug，有一回，我改變了由兩部分組成的處理關(guān)聯(lián)號(hào)碼的機(jī)制：路由地址前綴(始終一樣)，以及從000到999的動(dòng)態(tài)分配號(hào)碼。問題是，查找關(guān)聯(lián)時(shí)，動(dòng)態(tài)分配號(hào)碼的第一位數(shù)字在查詢地址表之前就被誤刪除了。所以，不是尋找637之類的號(hào)碼，你尋找的是37，而這個(gè)號(hào)碼不在表中。這意味著，它一直尋找到100，所以前100個(gè)調(diào)用正常，而之余的所有900個(gè)調(diào)用失效。所以除非我在重新啟動(dòng)之前測(cè)試了100多次，否則在測(cè)試時(shí)發(fā)現(xiàn)不了這個(gè)問題。

調(diào)試

14. 討論：在過去對(duì)我?guī)椭畲蟮恼{(diào)試方法就是與同事討論問題。我常常只要向同事描述問題，就足以認(rèn)識(shí)到問題是什么。此外，即使同事不是很熟悉相應(yīng)代碼，常常也能給出好主意，表明哪里可能有問題。我在處理最棘手的bug時(shí)，與同事討論這一招來得尤其管用。

15. 密切關(guān)注：調(diào)試某個(gè)問題花很長(zhǎng)時(shí)間時(shí)，常常是由于我做了錯(cuò)誤的假設(shè)。比如說，我以為問題出現(xiàn)在某個(gè)方法中，而實(shí)際上這個(gè)問題根本不會(huì)出現(xiàn)在這個(gè)方法中?；蛘邟伋龅漠惓２⒉皇俏壹僭O(shè)的那個(gè)異常?；蛘呶乙詾樵谶\(yùn)行軟件的最新版本，實(shí)際上運(yùn)行的是舊版本。因此，一定要核實(shí)這些細(xì)節(jié)，而不是犯想當(dāng)然的毛病。很容易看見預(yù)期看見的問題，而不是實(shí)際擺在那里的問題。

16. 最近的變化：過去可以運(yùn)行的代碼現(xiàn)在無法運(yùn)行時(shí)，這常常是最后一個(gè)變更的對(duì)象引起的。有一回，最近變化的對(duì)象只是日志，但是日志中的錯(cuò)誤引起了更大的問題。為了讓諸如此類的回歸更容易找到，有必要在不同的提交代碼中實(shí)行不同的變更，并且要清楚說明變更。

17. 相信用戶：有時(shí)候用戶報(bào)告問題時(shí)，我的本能反應(yīng)是“這不可能。他們肯定是哪里弄錯(cuò)了?！钡俏乙褜W(xué)會(huì)了擯棄這樣的反應(yīng)。結(jié)果往往證明，用戶報(bào)告的正是實(shí)際發(fā)生的問題。所以如今，我對(duì)用戶報(bào)告的問題信以為真。當(dāng)然，我仍反復(fù)核查各方面已正確設(shè)定。但是我碰過好多情況下，之所以發(fā)生奇怪的問題，是由于不同尋常的配置或意料之外的使用，而我默認(rèn)的假設(shè)是，它們是正確的，程序是錯(cuò)誤的。

18. 測(cè)試修正版：bug的修正版準(zhǔn)備就緒后，它必須進(jìn)行測(cè)試。先在沒有修正版的情況下運(yùn)行代碼，觀察bug。然后打上修正版，重復(fù)測(cè)試用例?，F(xiàn)在，錯(cuò)誤行為應(yīng)該消失。遵照這些步驟可以確保它其實(shí)是個(gè)bug，確保修正版確實(shí)解決了問題。這很簡(jiǎn)單，又必不可少。

其他意見

這13年來我一直在跟蹤我遇到的最棘手的bug，這期間發(fā)生了很大的變化。我開發(fā)過一個(gè)小型嵌入式系統(tǒng)、一個(gè)大型電信系統(tǒng)以及一個(gè)基于Web的系統(tǒng)。我用C 、Ruby、Java和Python編寫過代碼。我用C 編碼時(shí)期的幾類bug已完全消失，比如堆棧溢出、內(nèi)存損壞、字符串問題以及某些形式的內(nèi)存泄漏。

我遇到的其他問題(比如循環(huán)錯(cuò)誤和個(gè)別情況)少了很多，那是由于我一直對(duì)更多的邏輯進(jìn)行單元測(cè)試。但是，這并不意味著沒有bug，還是有bug。這篇文章總結(jié)的經(jīng)驗(yàn)教訓(xùn)幫助我在編碼、測(cè)試和調(diào)試這三個(gè)階段盡量減小破壞。