GPU技术支持-事务篇-问题排查思路

前语

转载请附上原文出处链接

稀土掘金本文链接：/spost/72395…

CSDN本文链接：blog.csdn.net/qq_43252610…

概述

本文为个人在平时排查问题时的思路总结，以下思路仅供参考。

由于本人为软件工程师，经验总结更倾向于软件思想。

思路

思路不复杂，对于很多人来说或许很简略，总结下来就一句话：

规模从大到小，不变中寻觅变化，变化中总结不变

常用办法：比照法

排查问题过程中，用的最多的就是比照法。经过比照的差异性来缩小问题规模，定位到问题点。

例如：

反常、正常状况比照：正常状况和问题状况的各类状况比照。
同类、同类型产品比照：产品替换成同类型、同批次或许其他厂家类似产品，调查问题是否消失。
产品版别比照：不同软件、硬件版别比照，确定问题是否由某一版其他修正引进。

注意：存在设备替换、版别改变等状况改变时，尽量需求保持单一变量改变

呈现机遇：问题何时呈现？

呈现机遇对一些状况下的问题排查有相当大的参考价值。

正常运用一段时间，问题忽然呈现：

问题呈现前是否存在某些状况变化，主要重视这些变化。
设备第一次运用就存在该问题：

呈现机遇无参考价值，正常流程排查

影响规模：个例or共性？

看到一个问题，常常需求承认问题的影响规模。不同的影响规模偏重的排查方向和重心也不同：个例问题针对个例状况单独剖析，在类似的环境中找不同；共性问题则需求在不同的复现环境、机遇下总结复现问题时的共同点。

个例问题

个例问题指的是该问题在同批次、同类型设备仅一台（或许极少量设备）呈现的问题。一般软件环境简略存在差异，也就简略存在个例问题。个例问题需求和正常设备比照寻觅差异，在差异中定位问题。

如果需求找到根因，问题环境需求保存，则需求正向排查、运用其他环境测验复现问题、设备中部分组件替换验证等等办法。

如果只需求解决问题，可以先对软件环境进行统一，如果软件环境统一后问题仍然存在，可以考虑需求硬件介入排查。

共性问题

共性问题指的是问题在同类型、同批次设备中很多或许全部呈现的问题。共性问题一般需求正向排查，首先承认问题大约规模，一步步缩小规模去定位问题。

共性问题也可以运用同类产品比照、产品版别比照来从旁边面去缩小问题规模。

例如：

显现相关问题在硬件上可以替换显现器、线缆、显卡等设备验证。软件上可以替换显卡驱动版别验证。
图形运用运转问题在硬件上可以替换显卡设备验证。软件上可以运转同类运用比照、晋级（降级）显卡驱动、替换窗口管理器等等办法验证。

问题概率：偶发or必现？

问题的呈现概率，一般也代表着问题的排查难度。一般来说，偶发问题排查难度相对大，必现问题排查难度相对小。

偶发问题

偶发问题软件上需求保存问题复现时的状况信息（日志），跟未复现问题时的状况信息做比照（日志），找到其中的不同点，锁定大约的问题规模。

依据问题规模，测验去做相关改动增大复现问题的概率，如果改动点可以增大复现概率，阐明改动方向是正确的。后续理清原理之后，理论上也能经过相关修正把偶发问题变为必现问题。

如果日志比照无法发现反常点，也没办法去增大问题复现概率，经过上述的办法找不到问题的大约规模，可以考虑直接先做大规模的变化：例如替换硬件、替换系统等等办法，先从大的规模承认怀疑点。

必现问题

必现问题一般是正向排查，依据问题现有的报错、日志等等信息，承认问题规模，之后进一步承认问题点。

比照法相同适用于必现问题的排查，经过同类替换，测验将必现问题变为不复现。从大的规模上锁定相关的或许问题点。

问题阻隔：找到有用的变量组合

问题阻隔简略来说就是想办法削减影响的变量。一步步除掉无关变量，将问题规模不断缩小，可以将问题约束在某一规模内。

比方某问题有变量A、B、C、D、E、F、G，其中变量E、G、F同时存在时，问题会发生。那么变量E、G、F就是有用的变量组合。

其实影响规模、问题概率的章节中已经在运用问题阻隔的办法。下面举一个简略的例子来作阐明：

问题现象：一台主机，运转某个游戏溃散了
硬件变量：显卡、CPU、内存、硬盘
软件变量：游戏、操作系统、显卡驱动
缩小规模：
1. 运转其他游戏，是否也会溃散？（显卡驱动、操作系统不变）
2. 运用其他操作系统运转游戏，是否也会溃散？（游戏、显卡驱动版别不变）
3. 运用其他版其他显卡驱动运转游戏，是否也会溃散？（游戏、操作系统不变）
4. ……

当经过缩小规模去掉其他无关变量，找到有用的变量组合后，整个问题的排查规模就已经缩小了，有利于接下来的问题排查。

变量拆分：进一步定位问题点

经过问题阻隔的办法能找到有用的变量组合，那么如何深入下去进一步排查呢？

这个时候就需求对变量进行拆分，将变量拆分成不同的子变量，对子变量进行验证或许剖析，进一步深入去缩小规模。

下面举一个例子来阐明：

在某个视频解码运用的排查过程中，呈现窗口中无图画显现问题，开始定位问题只和运用相关。

运用可以简略分成解码、上屏两个部分，相当于运用这个变量拆分出了解码、上屏两个子变量。接下来就需求对两个子变量进行验证。

运用-变量拆分：

子变量1：解码
子变量2：上屏

运用-变量验证：

解码验证：解码数据给到上屏时是否正常？将解码数据转存下来验证
上屏验证：上屏逻辑是否正常？运用简略图片上屏验证

转存的解码数据正常，运用简略图片上屏仍然无显现，承认问题在上屏逻辑中，持续对上屏的变量进行拆分，拆分为窗口创立、纹路绑定、上屏制作几个子变量。

上屏-变量拆分：

子变量1：窗口创立
子变量2：纹路绑定
子变量3：上屏制作

上屏-变量验证：

窗口创立验证：窗口创立是否正常？窗口是否正常显现
纹路绑定验证：纹路绑定是否有正确的回来值？回来值符合标准
上屏制作验证：制作部分是否正常改写？制作时的矩阵是否

最后定位问题在上屏制作部分，制作部分改写逻辑有误，未能正常改写。

实际问题举例

显现黑屏问题排查

客户反应遇到开机后遇到屏幕黑屏无显现问题。依照文中的思路进行排查。

排查思路：

影响规模：共性问题

据客户反应运用同批次的主板、显卡，问题仍旧存在
问题概率：必现问题

每次开机均呈现该问题
问题阻隔：

显现问题一般跟以下几个变量有关：显卡（强关联显卡驱动）、显现器、线缆

验证1：其他变量不变，替换其他品牌显卡，问题仍旧存在

验证2：其他变量不变，替换其他品牌显现器，问题仍旧存在

验证3：其他变量不变，替换其他线缆，问题解决

该问题可以定位为线缆问题

运用闪退问题排查

客户反应遇到运用闪退问题。依照文中的思路进行排查。