荡寇风云

OpenAI 将崩溃调试视为流行病学研究，修复了存在 18 年之久的 GNU libunwind 漏洞_我的网站

A |     作者 | Steef-Jan Wiggers     译者 | 平川          OpenAI 的工程师们花了数周时间，试图解释 Rockset 中那些神秘的崩溃问题。Rockset 是一款 C++ 数据基础设施服务，为 ChatGPT 的搜索和数据插件提供支持。函数似乎会返回错误的内存地址，栈指针在执行过程中似乎会偏移 8 个字节。团队提出的每一种假设都面临着有力的反证。

B |     　　8月24日晚间，拓斯达发布《关于对外投资的公告》，公司拟以自有资金或自筹资金1.47亿元，通过受让武汉来勒光电科技有限公司（下简称来勒光电）原股东所持部分股权的方式，取得来勒光电合计49%的股权。

C | 这个 Bug 似乎根本不可能存在。本次交易完成后，来勒光电将成为公司参股企业。

D | 　　公告显示，公司当日召开第五届董事会第三次会议，审议通过了《关于对外投资的议案》。

E | 　　1.47亿元受让49%股权切入光通信赛道 　　根据公告，拓斯达此次拟受让的股权来自来勒光电原股东张朋勇、郭欢欢及武汉来勒企业管理咨询合伙企业（有限合伙）（下简称武汉来勒）。　　交易前，张朋勇持有来勒光电60%股权，武汉来勒持有30%，郭欢欢持有10%；交易完成后，拓斯达将持有来勒光电49%股权，张朋勇降至36%，武汉来勒降至15%，郭欢欢退出。         他们原本以为是一个 Bug ，结果却发现是两个互不相关的 Bug ，它们只是很巧合地在同一时间被发现了。图片来源：公告截图　　来勒光电成立于2015年，总部位于湖北武汉，是国家高新技术企业。这一突破性发现并非来自对单个崩溃事件的深入排查，而是源于转向了他们所说的“流行病学调试”：构建一条管道，自动分析过去一年中生产环境的每一个核心转储文件，然后寻找整体规律，而不是对单个案例进行推断。         该团队让 ChatGPT 编写了一个脚本，用于下载每个核心文件的开头部分，提取寄存器数据，过滤已知的误报，并将每次崩溃标记为“返回空指针”、“栈对齐错误”或其他类型。他们将该脚本并行应用于过去一年中的所有 Rockset 核心转储文件。其聚焦光模块高精度耦合设备，是光通信领域的高端设备制造商。产品涵盖双透镜自动耦合系统、双FA自动耦合系统、激光器自动耦合系统、芯片自动测试系统等。他们很快就发现了相关性。原本从症状上看属于同类的问题，实际上对应两组特征完全不同的崩溃事件。

F | 　　财务数据显示，截至2026年6月30日，来勒光电资产总额5034.82万元，净资产889.78万元；2026年上半年实现营业收入1822.34万元，净利润321.42万元。

G | 图片来源：公告截图　　公告还披露了一项值得关注的安排：在协议签署且收购方首次信息披露后的6个月内，出售方承诺在二级市场购买上市公司拓斯达A股股票，合计购买总金额不低于3000万元。

H | 　　对于本次投资的目的，拓斯达表示，本次投资来勒光电对公司的业务布局和产业协同具有促进作用，可以进一步完善公司在智能制造装备领域布局，助力公司切入高景气光通信赛道。　　公司认为，AI技术加速迭代推动数据中心流量高速增长，算力扩容拉动高速光模块需求，光模块厂商产线投资或产线升级规模持续走高，光模块设备迎来增长周期。         这些因栈对齐错误导致的崩溃均源自同一个 Azure 区域，有明确的起始日期，而且从未出现在长期运行的节点上。

I | 团队追踪发现，这些崩溃源自一台物理主机，其 CPU 正在悄无声息地产生错误的结果。　　公司工业机器人及自动化应用系统可以与来勒光电耦合设备叠加，形成差异化解决方案，并可借助来勒光电优质光模块客户资源，实现工业机器人及自动化应用系统向光通信高端制造场景导入。它既没有过热，也没有抛出机器检查异常，而只是数学运算默默出了错。　　上半年净利大增263% 　　拓斯达主营业务为工业机器人及自动化应用系统、注塑装备、数控机床，下游主要为3C、汽车、家电等行业。将该主机从服务中移除后，因栈对齐错误导致的崩溃便完全消失了。         在剔除硬件崩溃问题后，剩余的由“返回空指针”导致的崩溃问题便变得可控了。　　公司此前发布的2026年半年度报告显示，2026年上半年公司实现营业收入12.88亿元，同比增长18.61%；归母净利润为1.04亿元，同比增长262.99%；扣非后净利润为8669.12万元，同比增长324.37%。此前，团队曾排除了 C++ 异常展开的原因，因为他们认为自己找到了反例：在未使用异常的代码路径中发生了崩溃。但这些反例全都来自有硬件损坏的故障集群。一旦剔除了这些干扰因素，剩余的所有崩溃便都是发生在异常展开过程中了。         问题发生的根本原因是 GNU libunwind 的 _Ux86_64_setcontext 函数中有一个已经存在 18 年的竞争条件。图片来源：公告截图　　分业务看，工业机器人及自动化应用系统业务实现营业收入7.07亿元，同比增长121.62%，是公司收入增长的主要引擎；数控机床业务实现营业收入2.09亿元，同比增长27.60%；注塑装备业务实现营业收入2.58亿元，同比增长12.86%。

J | 在 C++ 异常展开过程中，libunwind 会在栈上合成一个 ucontext_t 结构体，填充所需的寄存器状态，然后调用 _Ux86_64_setcontext 将控制权转移给清理处理程序。公司表示，收入增长主要系三大主营板块收入规模不同程度增长，而低毛利率的智能能源及环境管理系统业务规模同比减少79.61%，收入结构明显改善。问题在于：_Ux86_64_setcontext 在从旧结构体中读取指令指针的操作尚未完成之前，就将栈指针（%rsp）更新为指向新的栈帧。　　在具身智能领域，公司持续推进布局，其人形机器人“小拓”是中国首款应用于注塑场景的具身智能机器人，四足机器人"星仔"可用于自主巡检及复杂环境专项作业。一旦 %rsp 发生变化，该结构体便不再属于活动栈的一部分，也不再受内核红区的保护。

K | 公司已构建起“场景+机器人+数据+AI”的商业闭环。如果信号恰好在 %rsp 更新与 %rip 读取之间的这一时间窗口内到达，内核就会在该结构体之上构建其信号帧，指令指针遭到破坏，函数便会跳转到 NULL 或垃圾地址。（文章来源：每日经济新闻）。         竞争窗口的宽度正好为一条指令。以现代处理器的时钟频率计算，这大约相当于 100 皮秒。在大多数程序中，这种情况根本不会被触发。OpenAI 的 Rockset 使用了 timer_create 函数，每隔几毫秒的 CPU 时间就发送一次 SIGUSR2 信号，为的是实现轻量级的按查询记账，这样产生的信号发送事件远多于传统的应用程序。正是这种高频的信号发送，将只在理论上可能发生的竞争状况转化成了实际生产环境中的崩溃。         该团队将一个修复方案和一个自包含的重现示例提交到了 GNU libunwind，并通过验证证实，其他展开器（如 libgcc）不存在这个问题。该修复方案通过重新排序指令，确保在更新 %rsp 之前先读取 %rip，从而彻底消除了这个时间窗口。         该团队对这一教训的总结值得全文引用：          最重要的步骤并非巧妙地解读汇编代码，也不是对细节的深入了解，而是构建一个高质量的数据集。

L | 如果没有这个数据集，我们就会把两种截然不同的现象混为一谈，并试图通过推理来理清这种混乱。一旦获得了准确且完整的全量数据，问题的结构便显而易见了。         如果你的团队正在排查难以解释的生产环境崩溃问题，请检查你们是否将多个 Bug 混为一谈。那些看似与所有假设都不相符的症状，实际上可能并不矛盾；它们可能与两个不同的假设相符，而你却无意中将它们混淆了。洞察问题结构的最快途径，并非对单个案例进行更深入的分析，而是获取涵盖所有故障案例的完整、带标签的数据。         这篇完整的工程技术博文包含了详细的栈内存示意图、存在漏洞的汇编指令，以及揭示出两种不同类型故障的崩溃率可视化图表。

M |          https://www.infoq.com/news/2026/07/openai-libunwind-core-dumps/          声明：本文由 InfoQ 翻译，未经许可禁止转载。

Current article:http://5d5s0.chuandanfozhuanbenglipaicuzi.pics/uxyux9q/g6v34r3.html

Published on:01:50:43