嵌入式软件bug从哪来？怎么去？

摘要：软件从来不是一次就能完美的，需要以包容的眼光看待它的残缺。那么，该问题究竟为何产生？又如何去除呢？

软件缺陷问题千千万万，但主要是需求、实现和运行环境三个方面造成的。

客户角度的描述，在经过业务对接、产品经理的转述，最终呈现的软件需求可能已经偏离了原始的述求，开发人员基于自身经验的理解偏差，开发过程缺乏有效的沟通及监督，导致最终的软件功能与客户的核心诉求存在偏差。

嵌入式软件必定是运行在特定的硬件设备，硬件本身或环境问题等特殊干扰，开发人员因经验不足缺乏风险评估，面对电脑是无法全方位猜测、模拟各种异常环境下的差异，最终导致设备在特定场景下运行异常。

嵌入式系统的复杂度与开发人员的能力矛盾，导致软件本身的逻辑存在缺陷。

关于软件bug的来源，排除不可控的外界因素，与软件开发人员相关，或者开发人员可以减少问题的发生的可能，从软件开发角度解决的方案如下：

软件开发就是写程序，并设法使之运行，这是个错误的想法。软件结果与客户期望不一致，需求问题不全是软件开发的锅。大多数情况下客户的原始述求不会直接到软件开发，软件开发没法去反诉找客户确认，只能通过软件的实现形式去甄别不合理的，或者针对客观环境、研发团队的基础去评估风险。

比如客户要求可以设备可以定时1秒采集一次温度，精度要求0.0001摄氏度；或者要求数据采集持续采集24h后，每天12:00准点TCP上报后台服务器。这就需要考虑温度传感器的精度、RTC唤醒以及TCP联网时间、24小时采样数据的存储。如果硬件资源或者客观环境无法实现，盲目承诺客户，或者开始编码，最终结果可想而知。

软件开发是个人的任务，但开发前多沟通确认，进行风险评估反馈，减少开发的无用功，也是对开发人员的基本要求。

嵌入式产品都是针对某个细分行业，见多识广，才能预判可能出现的异常，开发阶段有针对性的去处理，或者提前告知使用者去规避。有时候经验比技术能力重要。

软件开发水平，首先是个人能力，熟悉软件SDK的应用，相关的操作系统、设计模式、调试方法等。软件开发能力大多数情况下决定软件质量和可维护性，这是个长期学习提高的过程，如果一定要提供捷径，那就是多阅读优秀的开源代码。

软件开发不能随心所欲，先明确方案和大概的实现流程，胸有成竹，然后再开始编码，完善细节。这理论没毛病，但真正执行起来却比较难，大多数情况下都只在乎软件出结果，而实际上方案不合理，后期修修补补更浪费时间。如果制度和时间不允许，个人在纸上画画框图和结构，先构思再开发也能弥补，起码不至于南辕北辙。

编码规范是软件开发团队合作的标准，嵌入式行业可以参考“华为技术C语言编程规范”，但实际开发过程，和前面的先设计再编码一样，各种不可控因素，比如项目进度压力和开发者水平与认知的差异，导致有编码规范却无法严格执行。随着软件工程规模的扩大，软件交期、代码同步、重构或交接，其风险也逐渐放大。存在编码规则并不能解决问题，只有强制执行才有意义。

软件质量是项目成败的关键点之一，在开发周期有限，人力资源不足的情况下，使用工具实现代码自动扫描，分析出潜在隐患点，可从源头减少软件bug，比如cppCheck、PC-lint等，实现代码自动静态分析，或者人工视检，有效规避简单的软件风险。

如果可能，最佳的选择是单元测试，单元测试比可交付成果本身更重要，文档注释不全时，单元测试就是设计文档；单元测试定义的API和用法，以及可能的使用风险点，就是最佳的参考范例；不足100%的覆盖率，就是玩忽职守，开发人员应该全权负责测试自己造出的产品。依靠后期的黑盒测试发现问题，其消耗的人力物力，是编写单元测试的几倍，而且单元测试可以反复的自动测试。不过，这种情况更多的是存在于开发理论中。

软件问题的解决，有些不是个人能解决的，需要协调沟通，或者与研发团队的整体风格、制度有关。个人能决定的是软件具体逻辑，这也是体现个人技术能力的重点。

1、多看优秀代码，学习其技巧。

2、使用带参数检测的接口，比如优先选择snprintf，少用sprintf，其它str前缀的如strncmp也是，但要明白这类接口和memcmp区别。不同的编译器表现不一致，平时也要多关注。

在GCC中编译运行（设备）：

注：snprintf的返回值为字符串的长度，且写入的字符串后面带有‘\0’结束符。

在VC中编译运行：

3、注意函数返回类型，避免类型强制转换导致调用判断异常，有些编译器对隐示类型转换直接报错，因为它确实存在风险。

4、合理的使用sizeof、struct、union、weak等关键字，增加代码的可读性和可扩展性。

5、参数使用前，如数组小标，指针变量使用前必须先判断是否合法。

6、浮点数不能直接进行==和!=比较，等等，这些细节太多，可以参考《C陷阱与缺陷》。

7、讲的都会，说的都对，但真实际写代码，就容易各种小问题，主要还是态度问题，缺乏自我检查、自测的步骤，依靠测试发现bug去驱动研发调试修复是大忌。

1、尽量做到申请与释放在同一个函数，申请内存后，先判断是否申请成功，再进行其它操作。

2、内存申请与释放之间有特殊情况return，要注意释放。

3、释放结构体指针前，注意该变量内部是否还有指针变量动态申请空间，先释放内部，再释放外部。

4、关于内存申请与释放，或使用越界是C语言的劣势，如果设备堆空间足够大，可以在申请时额外多申请固定空间，记录申请函数、长度、并在首尾标记，后续释放时检查内存区首尾标记是否被覆盖；或者查询是哪些函数申请的内存始终没有被释放。

1、使用系统API前先判断自身传入参数的有效性和范围等是否符合要求，一般系统API是库文件，使用错误更难发现问题。

2、针对不同的平台常用的接口，务必增加适配层隔离，便于调试和后续移植。比如有的平台中断（SDK提供的中断回调不一定是硬件中断）不支持串口日志。

1、多任务的竞争，在RTOS系统中，需要注意全局函数、全局变量的使用，避免互相竞争影响，对公共函数尽量做到可重入设计。

2、中断与任务的调度关系。

3、合理分配任务栈空间和消息队列的深度，函数内部尽量少用大数组。

软件编码完成，不是能编译就收工了，其功能是否符合预期，开发人员自己检查是最高效的，很多问题都是开发不仔细，或者很简单的C基础应用错误，这不是技术问题而是心态。可以多看看开源代码，或者《C专家编程》等。

如果软件问题不可避免，该如何去修复解决呢？

一般来说，100%出现的问题都比较容易解决，找到相关代码仔细检查或者加点日志就能发现问题。难处理的是小概率出现的问题，稳定复现它就是成功的一半。

稳定复现问题才能快速对问题进行定位、解决以及验证，如何提高复现的概率？

1、模拟复现条件，问题只在特定的条件下出现，对于依赖外部输入的条件难以满足，可以考虑程序里预设直接进入对应状态，或者软件内部进行极端的压力测试。

2、提高相关代码执行频率，进行某个操作才可能出现异常，人工持续操作，或者软件频繁执行相应的功能，提高问题点的执行频率，加快复现速度。

3、增大测试样本量 ，个别样机难出现，如果条件允许，可以使用多个设备同时进行测试。一般情况下试产就是为了发现这类问题。

缩小排查范围，确认引入问题的函数或代码片段。

1、打印日志 ，日志是最直接、简单的调试方法，在问题的可疑点增加日志输出，以此来追踪程序执行流程以及关键变量的值，观察是否与预期相符。

2、版本回退，使用版本管理工具时可以通过不断回退版本，验证前面版本的情况，定位首次引入该问题的版本，针对该版本的改动进行排查。

3、二分注释，“二分注释”类似二分查找法的方式注释掉部分代码，以此判断问题是否由注释掉的这部分代码引起。具体为将与问题不相干的部分代码注释掉一半，看问题是否解决，未解决则注释另一半，如果解决则继续将注释范围缩小一半，以此类推逐渐缩小问题的范围，确定是哪一块代码导致这个问题。

4、硬件协助，借助示波器、逻辑分析仪分析波形，必要时也请硬件协助分析；问题样机与正常样机的主控对调，看问题是否随芯片走。尤其是涉及驱动方面的问题，比如充电、中断、复位、外设通信调试异常时。

5、仿真调试 ，在线调试可以起到和打印LOG类似的作用，适合排查程序崩溃类的BUG，当程序陷入异常中断候可以直接STOP查看call stack以及内核寄存器的值，快速定位问题点，不过这需要硬件支持。

6、三板斧，使用最多的是前面三种方法，这三板斧足以应付大部分业务逻辑问题；偶尔请硬件协助解决驱动问题，日常开发中的问题都能解决。个别系统层面或者架构不合理导致的深沉问题，要么花时间死磕coredunmp，要么联系原厂FAE协助，一般芯片方案商都提供技术支持。

1、缩小范围确定问题代码，再排查具体的函数，修复问题点

2、有些问题属于架构层面，比如和RTOS相关的竞争关系，这种就无法定位到具体问题代码点，只能在宏观上依靠经验或操作系统理论去解决

3、解决后需要进行回归测试，确认问题是否不再出现，也要确认修改不会引入其他新问题。

1、一般情况下最后发现原因都是很简单的几句话，比如数据越界或者循环体多执行一次，看起来都是很简单的基础用法，因为一句错误可能需要几周时间来发现解决，为什么当初写错而且没检查发现呢？

2、总结问题产生的原因及解决方法，今后如何防范，对其他平台否值得借鉴，做到举一反三，从失败中吸取经验。

业务指示开发、测试驱动开发，这一荒谬方**，体现在部门合作与职责不清，整体就是效率低下、互相推诿，在这样的环境下开发软件也很累。