把長期運行當機收斂為控制碼洩漏調查的案例

案例概要

本案例處理的是一個 Windows 應用程式，在約一個月連續運行之後才會當機。
重要的動作不是急著猜根因，而是先確定 要有哪些觀測點才能可信地把原因收斂下來。

症狀

• 當機只在長時間運行後才出現
• 失敗形態無法直接告訴我們問題是記憶體、控制碼，或其他
• 不可能乾等一個月，必須壓縮重現條件

限制

• 問題路徑牽涉到相機重連與異常情況下的行為
• 只靠正常路徑的日誌不夠
• 必須從時間軸觀察資源的成長，而不只是當機瞬間

觀測到的內容

• Handle Count、Private Bytes、Thread Count 等心跳指標
• 圍繞 session 啟動、重連、關閉等的邊界日誌
• 意識到 create/open/register 與 close/dispose/unregister 成對關係的生命週期日誌

如何收斂問題

不把它當成模糊的「長期運行當機」，而是圍繞重連與異常路徑壓縮重現。
如此一來，把問題當作 控制碼洩漏調查 來處理就變得非常合理。

如何改善

• 強化監控，讓成長趨勢在最終當機前就可見
• 讓所有權邊界在日誌中更易追蹤
• 整理結果讓未來的異常路徑測試能夠建立其上

本案例連結的服務

本案例連結到針對難以重現的長期運行故障的 故障調查 & 根本原因分析，以及改善產品內部日誌、重連行為與運用可視性的 Windows 應用程式開發。

相關文章

聯絡我們

如果您遇到的課題與本頁內容相近，歡迎附上目前狀況與所需支援的形式與我們聯絡。