前段時間，某個同事找我傾訴，說是因為strict weak ordering導致程序coredump，給公司造成數百萬損失，最終評級故障為P0級，年終獎都有點不保了，聽完不禁一陣唏噓。
在之前的文章中，我們分析了std::sort的源碼實現，在數據量大時候，采用快排，分段遞歸排序。一旦分段后的數據量小于某個閾值，為了避免快排的遞歸調用引起的額外開銷，此時就采用插入排序。如果遞歸層次過深，還會采用堆排序。
今天，借助本文，我們分析下這次故障的原因，避免后面的開發過程中出現類似的問題。
背景
流量經過召回、過濾等一系列操作后，得到最終的廣告候選集，需要根據相應的策略，進行排序，最終返回首位最優廣告。
struct AdItem {
std::string ad_id;
int priority;
int score;
};現在有一個AdItem類型的verctor，要求對其排序，排序規則如下:
按照priority升序排列
如果priority一樣大，則按照score降序排列
需求還是比較簡單吧，當時線上代碼如下：
void AdSort(std::vector<AdItem> &ad_items) {
std::sort(ad_items.begin(), ad_items.end(), [](const AdItem &item1, const AdItem &item2) {
if (item1.priority < item2.priority) {
return true;
} else if (item1.priority > item2.priority) {
return false;
}
return item1.score >= item2.score;
} );
}
測試環境構造測試case，符合預期，上線。
恐怖的事情來了，上線不久后，程序直接coredump，然后自動重啟，接著有coredump，當時心情是這樣的。
定位
第一件事，登錄線上服務器，通過gdb查看堆棧信息
由于線上是release版的，看不了堆棧信息，將其編譯成debug版，在某臺線上進行灰度，不出意料，仍然崩潰，查看堆棧信息。
通過堆棧信息，這塊的崩潰恰好是在AdSort函數執行完，析構std::vector的時候發生，看來就是因為此次上線導致，于是代碼回滾，重新分析原因。
原因
為了盡快定位原因，將這塊代碼和線上的vector值獲取出來，在本地構建一個小范圍測試，基本代碼如下：
void AdSort(std::vector<AdItem> &ad_items) {
std::sort(ad_items.begin(), ad_items.end(), [](const AdItem &item1, const AdItem &item2) {
if (item1.priority < item2.priority) {
return true;
} else if (item1.priority > item2.priority) {
return false;
}
return item1.score >= item2.score;
} );
}
int main() {
std::vector<AdItem> v;
/*
給v進行賦值操作
*/
AdSort(v);
return 0;
}
執行下面命令進行編譯，并運行：
g++ -g test.cc -o test
./test
運行報錯，如下：
通過gdb查看堆棧信息
線上問題復現，基本能夠確認coredump原因就是因為AdSort導致，但是在AdSort中，就一個簡單的排序，sort不可能出現崩潰，唯一的原因，就是lambda函數實現有問題。
利用逐步定位排除法，重新修改lambda函數，執行，運行正常。
void AdSort(std::vector<AdItem> &ad_items) {
std::sort(ad_items.begin(), ad_items.end(), [](const AdItem &item1, const AdItem &item2) {
if (item1.priority < item2.priority) {
return true;
} else if (item1.priority > item2.priority) {
return false;
}
if (item1.score > item2.score) {
return true;
}
return false;
} );
}
運行正常，那么就是因為lambda比較函數有問題，那么為什么這樣就沒問題了呢？
想起之前在<Effective STL
那么為什么要遵循這個原則呢？打開Google，輸入std::sort coredump，看到了一句話
?Having a non-circular relationship is called non-transitivity for the
?<operator. It’s not too hard to realise that if your relationships are circular then you won’t be getting reasonable results. In fact there is a very strict set of rules that a data type and its comparators must abide by in order to get correct results from C++ STL algorithms, that is 「strict weak ordering」.
從上面的意思看，在STL中，對于sort函數中的排序算法，需要遵循嚴格弱序(strict weak ordering)的原則。
嚴格弱序
什么是嚴格弱序呢？摘抄下來自wikipedia的定義：
?A 「strict weak ordering」 is a binary relation < on a set S that is a strict partial order (a transitive relation that is irreflexive, or equivalently,[5] that is asymmetric) in which the relation "neither a < b nor b < a" is transitive.[1] Therefore, a strict weak ordering has the following properties:
?
For all x in S, it is not the case that x < x (irreflexivity). For all x, y in S, if x < y then it is not the case that y < x (asymmetry). For all x, y, z in S, if x < y and y < z then x < z (transitivity). For all x, y, z in S, if x is incomparable with y (neither x < y nor y < x hold), and y is incomparable with z, then x is incomparable with z (transitivity of incomparability).
上面概念，總結下就是，存在兩個變量x和y：
x > y 等同于 y < x x == y 等同于 !(x < y) && !(x > y)
要想嚴格弱序，就需要遵循如下規則：
對于所有的x：x < x永遠不能為true，每個變量值必須等于其本身 如果x < y，那么y < x就不能為true 如果x < y 并且y < z，那么x < z,也就是說有序性必須可傳遞性 如果x == y并且y == z，那么x == z，也就是說值相同也必須具有可傳遞性
那么，為什么不遵循嚴格弱序的規則，就會導致coredump呢？
?對于
?std::sort()，當容器里面元素的個數大于_S_threshold的枚舉常量值時，會使用快速排序，在STL中這個值的默認值是16
我們先看下sort的函數調用鏈(去掉了不會導致coredump的部分)：
sort
-> __introsort_loop
--> __unguarded_partition
我們看下__unguarded_partition函數的定義：
template<typename _RandomAccessIterator, typename _Tp, typename _Compare>
_RandomAccessIterator
__unguarded_partition(_RandomAccessIterator __first,
_RandomAccessIterator __last,
_Tp __pivot, _Compare __comp)
{
while (true)
{
while (__comp(*__first, __pivot))
++__first;
--__last;
while (__comp(__pivot, *__last))
--__last;
if (!(__first < __last))
return __first;
std::iter_swap(__first, __last);
++__first;
}
}
在上面代碼中，有下面一段：
while (__comp(*__first, __pivot))
++__first;
其中，__first為迭代器，__pivot為中間值，__comp為傳入的比較函數。
如果傳入的vector中，后面的元素完全相等，那么__comp比較函數一直是true，那么后面++__first，最終就會使得迭代器失效，從而導致coredump。
好了，截止到此，此次線上故障原因分析完畢。
此次故障，由于牽扯到算法、工程等部門，由于一開始的時候，不確定問題出在哪(一方面線上是release版本，一方面涉及到多個模塊的改動)，幾個部門聯合分析，最終才定位到bug原因，期間曲折過程略去不表。
結語
這個故障，說真的，無話可說，只能怪自己學藝不精，心服口服，也算是給自己一個教訓，后面test case盡可能跟線上一致，把問題盡早暴露在測試階段。
這次把這個故障原因分享出來，希望大家在后面的開發過程中，能夠避免遇到同樣的問題。
好了，本期的文章就到這，我們下期見。
往期推薦