调试与可靠性问答总集

📚 总集 📅 2026-09-04
#来源/立芯星球 #类型/问答总集

调试与可靠性问答总集

本篇将本目录全部问答帖按知识相关性合并重组，共收录 60 余个知识点（含 3 篇收录于 02 目录的调试主题帖）。同类问题多来源已合并为一条，条目末尾给出原帖与作者。仅图片、无回答帖已在原笔记标记 review: 建议隔离，未收录。

知识地图

  • 一、调试方法论：checklist / 分层排查 / 不可复现问题 / 疑难杂症协作 / 环境一致性
  • 二、HardFault 与异常定位：异常升级机制 / 栈回溯 / 异常返回与屏障指令 / 断点硬件单元 / 多线程调试
  • 三、日志与工具链：RTT/SystemView/Trace / SWD-JTAG / 逻辑分析仪 / GPIO 插桩 / 调试器可见性
  • 四、看门狗与稳定性：喂狗监测 / 外部看门狗 / 向量产验证 / 产测架构
  • 五、测试验证：测试金字塔 / Unity 框架 / 回归测试集 / 测试思维
  • 六、典型案例复盘：Flash 写入 / 屏幕驱动 / 传感器标定 / 预取指死机 / 下载连接故障

一、调试方法论

Bug 调试 checklist（精华）。 逐项检查：1. 栈大小够不够；2. 优化等级（开发阶段建议 0）；3. 是否进入死循环（全速运行后暂停，看是否停在 HardFault，再做栈回溯或用 cmbacktrace）；4. 打印每个相关函数的返回值；5. 打印链路上的指针，断点处看是否为 0x00000000；6. FreeRTOS 优先用其原生 API（queue.h、task.h）而非 CMSIS-OS 封装；7. polling 类快速代码不便打断点，就在各状态/分支里散布 printf 标记。
— bug调试的checklist（Jack）

排查软件问题先分层，再"让问题可观测"。 顺序：先确认供电、时钟等底座，再看外设波形与通信，最后看协议解析与业务状态机；工具用示波器、逻分、串口抓包。
— Q3 平常如何排查软件问题？遇到不可复现的问题怎么办（Jack）

不可复现问题的三板斧。 第一，加现场日志，把关键状态、错误码、最后一帧协议在异常时落盘；第二，保存复位原因与异常栈，至少知道死在哪；第三，按概率排序做假设验证（竞态、缓冲区越界、超时未处理是高频嫌疑），用加保护、加断言、加水位监控把问题"逼出来"，把偶现变成可定位。
— Q3 平常如何排查软件问题？遇到不可复现的问题怎么办（Jack）

偶发性问题定位的三个层级。 1. CmBacktrace：进 HardFault 时把寄存器与调用栈打印保存到内部 Flash，复位或接调试器后再读出分析；2. 野指针类偶现问题用 MPU：在任务切换钩子里为每个线程设置可访问空间，越界访问直接被拦截进 HardFault，实现野指针捕获；3. Trace 捕获器全程监听寄存器变化，最靠谱但成本高，需导出 Trace 接口。
— 偶发性问题定位，有更详细一点的（Jack，收录于 02 目录）

大厂疑难杂症的提问与组织方法（精华）。 求助前讲清 7 件事：问题对项目的影响定调（是否卡量产）；出现次数/复现手法/复现场景（本地、产线还是售后）；是否疑似硬件或特定机器；是否与一供二供物料差异相关；deadline 与失败后果；当前分析状态与有无 workround；有无劣化手段加速复现。执行上：抽调人手与机器做劣化实验和 patch 验证，每天固定点检导出 log 与 coredump，多轮 DOE 排除变量，逐日更新进展；实验机器宝贵，debug log 一次加全，避免反复返工。
— 很多工程师因为英文不好或者没有基础，读不懂外设的数据手册和 Soc 的芯片手册（Jason）

熟悉陌生代码不要逐行读，去调试中熟悉功能。 先了解产品功能，再在调试中观察该功能经过哪些模块、被哪些条件触发。
— 大佬们，有个问题想请教一下，就是我目前在公司实习，然后领导让看公司的代码（Jack）

环境一致性是排查问题的前提。 版本不一致的软件全部卸载、统一安装指定版本；嵌入式环境问题极其消耗时间，"等你发现是环境问题，你会怀疑自己"。
— 工作中，学习中，如果电脑上之前安装了对应的软件了怎么办（Jack）

自己写的东西自己测不出是必然的。 这正是测试需要独立视角、需要他人评审与测试介入的底层原因。
— 老师，我之前有看到别人说开发自己写的东西，自己是测不出来的，真这样：（Jack）

质量是设计出来的，不是测试堆出来的。 事后测试只是兜底：项目初期需求清晰、架构合理，执行期版本控制、代码审查、自动化构建与测试，才是质量主力；架构混乱的项目测试再努力也只是补丁摞补丁。
— 过去有一种流行的观点：只要不断测试和调试，最终一定能把产品做得好（山海无名）

嵌入式敏捷指开发过程敏捷。 即开发中实时调整需求，而非交付后再敏捷；芯片+模组行业例外——SDK 常带着坑首发，等客户踩坑后"下个版本修复"。
— 嵌入式软件怎么实现敏捷开发呢，发布一版新的软件不像互联网软件那样可以灵活更新（Jack）

没有人只做自己小组的工作。 项目前期全员参与规格与可行性评估，中期固件帮系统、系统帮 AP，后期所有人都要参与测试与 debug。
— 几乎没有人只会或只需要做某个小组的工作。举例来说，项目刚开始时，项目管理组会比较忙（山海无名）

基于 OS 的调试比裸机难。 常规裸机手段（打 log、在线调试）在 OS 下都会失真：log 会丢、断点影响时序。束手无策时回到"可运行的基准版本"，一点一点加代码边加边分析。
— 关于基于OS的调试： OS本（Jack）

设计要高内聚低耦合，日志连接可以合并。 两个主体之间若存在多条连接，日志这类连接应当合并收口，否则耦合过多。
— 为什么这样的设计不合适，违背了高内聚，低耦合（Jack）

二、HardFault 与异常定位

哪些错误会进入 HardFault（多源合并）。 BusFault：访问无效地址；MemoryManageFault：访问违例（MPU 拦截）；UsageFault：除 0、非法指令等。关键机制：当这些错误未配置处理函数（或未拦截）时，自动升级为 HardFault——平台没定义 MemManage 处理函数，本属它的错误就直接变 HardFault；在错误处理里直接退出同样会升级。所以 HardFault 的真凶常在上一层，栈回溯不能只回溯一层，可能要好几层。
— 什么时候会进入Hardfault中断？（重点答案在最下面（Jack）、ARM中，对于平台未定义服务函数的异常，一般都是自动升级成hardfault（Jack）、为什么很多错误不及时处理会引起hardfault（Jack）、hello，想咨询一下，仿真进入hardfault（Jack）

HardFault 的触发通常是同步的，但有预取指例外。 非法操作一旦被发现，处理器立即停止当前指令跳转 HardFault，不会"再执行几条语句"；但流水线已预取的指令可能先执行、直到非法操作被发现；BusFault 在部分芯片没有独立中断号/悬起位时也会直接升级 HardFault。
— HardFault触发真的是同步的吗？举个例子（Jack）

栈回溯原理与操作（精华，收录于 02 目录）。 HardFault 类跑飞无法用"暂停看位置"定位，因为停下的总是 HardFault 处理函数而非故障点。函数调用时 LR 保存返回地址，深层调用会把返回地址压栈；因此：进 debug 看 Core 寄存器组找到 SP，再检查该栈帧内存——函数代码一般在 0x0800xxxx 段，在栈帧内存中找到 08 开头的连续 4 字节，即为其一层的函数返回地址，逐层回溯即可找到故障点。
— 栈回溯学会了，总结一下：栈回溯解决的是HardFault类问题（Lili_iliLX）

栈回溯以 LR 为主、其他寄存器为辅。 异常时栈中压存的 PC 其实直接指向触发指令，为什么看 LR？因为栈回溯的本质是通过栈帧推调用关系，LR 是串联各层的依据；PC、CPSR、fault status 寄存器仍可作辅助信息。
— 老师，LR存储的是函数的返回地址，即函数被调用完后的下一条指令地址（Jack）

栈回溯有局限性。 栈回溯只能拿到有限信息；HardFault 意味着严重非法访问、未定义指令或栈溢出，CPU 压栈保存的上下文（PC 等）只是起点，长文详解见原文链接。
— 老师，关于如何排查hard fault这个问题（山海无名）

进 HardFault 后的排查套路（存根）。 查看 LR-4 处（Thumb 下预取导致 LR 指向异常指令下一条）；在 HardFault 处理函数中打印 R0-R12、SP、LR、PC、xPSR 及 CFSR/HFSR/DFSR 等错误状态寄存器。
— 进入hardfault后怎么排查问题？（立芯嵌入式）

cm_backtrace 与 Ozone 的场景区分。 cm_backtrace 可离线捕获：异常信息存入内部 Flash，重新上电或接调试器时读出分析；Ozone 属在线调试，需要调试器在场。
— cm_backtrace也是可以捕获hardfault（Jack）

异常返回是"伪地址"编码。 复位/异常进入 Handler 模式后 LR 被写入 0xFFFFFFF9 之类特殊值，这不是内存地址而是异常返回行为编码（如返回 Thread 模式）；启动代码 LDR R0,=__main + BX R0 跳去执行 __main，返回时凭 LR 的编码退出 Handler 进入 Thread 模式跑 main。
— 在复位异常后，CPU进入handle模式，LR被赋值0xFFFFFFF9（Jack）

SVC 为什么需要 BX R14 手动返回。 大部分内部中断由硬件自动做异常返回；SVC 是软中断，需要软件指令完成回退，所以汇编里会出现 BX R14。
— 老师，这里的BX R14是指啥，通过异常返回值退出异常（Jack）

同步异常与异步异常。 同步异常：错误产生后 CPU 立刻进入处理函数，无论当时在执行代码还是另一个中断；异步异常：CPU 要等当前代码或中断结束后才进入处理函数。
— 同步异常：异常（错误）产生，CPU立刻进入错误处理函数（Jack）

DSB 与 ISB 屏障指令。 DSB（数据同步屏障）：让之前的内存访问（如写外设/NVIC/SCB 寄存器）真正"落地"再往下走；ISB（指令同步屏障）：清空流水线里对旧状态的"理解"，改中断使能、特权级、向量表、MPU 后通常要跟一条。
— ISB：DSB这些指令是干什么的，异常都是同步（Jack）

向 PC 写值必须是奇数（LSB=1）。 Cortex-M 只有 Thumb 状态，分支目标地址 LSB=1 表示 Thumb 执行；若写入 0 视为企图切换 ARM 模式，直接触发 fault。
— 老师，我不太能理解这里的含义（Jack）

NVIC_SetPendingIRQ 与 STIR 的区别。 前者是 CMSIS 函数，操作 NVIC 挂起位（除内部异常外都可挂起，可挂起可清除，时机由控制器决定）；后者写软件触发中断寄存器，立即触发外部中断、用于模拟硬件中断，但不修改挂起位。
— 老师，NVIC_SetPendingIRQ(IRQn)设置悬起和NVIC-：STIR（Jack）

断点的硬件原理与数量。 调试器打断点靠 FPB（Flash Patch and Breakpoint Unit）；注意与 DWT 区分——DWT 是数据观察点（监视某地址被访问即停机）。STM32F411：FPB 断点 6 个，DWT 观察点 4 个。
— STM32F411接上调试器能够打断点的原理是什么？能打的断点数量是多少（Jack）

DWT 高级离线断点 vs BKPT。 DWT 离线断点不能在仿真中使用（调试器本身占用 DWT）；BKPT 死板（执行到即停）；DWT 可设条件断点，如"某变量大于某值就暂停"，在高速协议分析、离线复杂问题诊断中非常有用。
— 老师，使用DWT离线断点的时候不能仿真吗，只能离线运行才能触发（Jack）

多线程下确认队列/事件被接收的三种手段。 1. 打 log；2. 在 vTaskSwitchContext() 里加打印队列信息的代码，精确看每个队列/事件接收情况；3. 非抢占模式下改写 vApplicationTickHook() 打印。
— 多个线程的时候怎么调试，app里面发事件，但是调试怎么确定任务线程已经收到事件（Jack）

三、日志与工具链

RTT 与 SystemView 可以共存。 默认 SystemView 用通道 1，RTT Viewer 扫描通道 0；只要两者不用同一通道即可。
— rttlog 和systemview 是不能共存的把（Jack）

SystemView 有侵入性，ETM Trace 零占用。 SystemView 会占用一点 CPU，更轻的选择是插桩；ETM Trace/TPIU 是 0% CPU 占用，已用于高级系统诊断与电机 us 级采样（国内工具链尚空白，英飞凌有 Aurora Trace，可参考劳特巴赫 Trace 视频）。
— sysetmview会破坏原本的任务时许吗@Jack（Jack）

Trace 调试 vs DAP 调试（精华）。 Trace 用 ETM 内核单元（TRACEDx 接口），DAP 调试用 DAP 单元（J-Link/SWD 接口）。单步调试只能跟踪一条路径、占用 AHB 总线拖慢系统、其他路径被触发时可能漏捕，属侵入式调试（经 AHB-AP 干预 CPU）；Trace 可跟踪多条路径、不干预运行，属非侵入式调试，适合对已完成的程序做综合分析。
— Trace调试和DAP调试（Jack）

SWD 为什么两根线却够用。 SWD 是 ARM 专为自家内核做的协议，去掉了兼容 8051、TriCore 等多内核的冗余，比 JTAG 简洁，单位时间净荷数据更多；JTAG 线多是为通用性，并非更快。
— 我想问一下，SWD调试是串口通行，可以输入可以输出，那他是半双工（Jack）

JTAG 上下拉电阻不是必须的，要按信号调。 阻值过大导致驱动不足，走线长时 TDO 建立时间不达标会造成连不上；应用示波器实测调整阻值，量产级联下载场景尤其要留心。
— JATG的上下拉电阻是必须的吗（Jack）

Keil 仿真界面的汇编可以导出。 生成后在输出路径找到 .dis 后缀文件，用 notepad++ 打开查看。
— keil仿真界面的汇编代码怎么导出来？（看图（Jack）

逻辑分析仪可能拉低被测电平。 有些逻辑分析仪内部阻抗低，接上拉按键会把电压拉到 1.1V 左右；接上后先复测 GPIO 电平心里有数，跌太多就外接上拉电阻增强信号。
— 老师我遇到个问题，我逻辑分析仪去测按键，按键是上拉（Jack）

测程序耗时最简单的办法：GPIO 翻转 + 逻辑分析仪。 在每段程序/节点翻转一个 GPIO，用逻辑分析仪抓波形，各段耗时一目了然。
— 有时候我们认为程序运行很慢，不知道哪里耗时很多，最简单的办法是什么（Jack）

GPIO 插桩看函数运行轨迹。 在每个函数后判断返回值，用 GPIO 输出高低电平反映运行结果，抓波形即可看到程序实际走向。
— 程序调试中的插桩： 在每个函（Jack）

调试器看不到变量地址，先把优化降到 O0。 高优化等级下变量被放进寄存器甚至消除，调试器自然找不到地址。
— 如果调试器中看不到变量地址，可以尝试优化等级关一下。O0（Jack）

局部变量在调试器和 map 文件里都看不到是正常的。 局部变量在栈上，进入其代码块才分配产生，退出即消失，map 文件不会有它的固定地址；仍看不到多半是优化等级的锅。
— 为什么调试器中看不到局部变量？map文件里也看不到（Jack）

不确定宏是否真的打开，看预编译文件。 IDE（尤其 Keil）对宏状态的判断未必准确；查看预编译输出中该宏是否生效。典型案例：勾选 GNU extensions 会改变 printf 重定向底层函数（fputc → _io_putchar）。
— 有的时候，若是不确定一个文件的某个宏是否真的打开（有时IDE无法准确判断（Jack）

Shell（人机交互调试器）的适用阶段。 产品试产和运行时测试阶段用得比较多；企业选型按此场景取舍。
— 产品试产和做一些运行时测试时比（zn 问 / Jack 答）

调试技巧汇总（资源）。 官方开源调试技巧视频汇总 PDF，含 RTT、easylogger 等例程指引。
— 调试技巧汇总（立芯嵌入式）

Docker 操作与 Debug 记录（资源）。 常用操作与踩坑记录，见附件笔记文档。
— Docker使用时的常用操作和Debug记录（Jack）

四、看门狗与稳定性

调试阶段让软件看门狗辅助定位。 对有周期运行要求的轮询非阻塞任务，可在 while 循环放软件看门狗协助开发期定位问题；但看门狗可能干扰调试，需用宏控制开关。
— 关于操作系统中的看门狗： 轮（Jack）

看门狗复位后如何知道程序卡在哪。 方法一：在看门狗中断里打离线断点，停机后接 J-Link 加载符号表做栈回溯；方法二：移植"看门狗线程"监测哪个线程没喂狗，没喂狗直接停机再栈回溯。
— 老师，开了看门狗，有办法知道是程序卡在哪里导致看门狗复位（Jack）

外部看门狗的刷新序列必须整体落在超时窗口内。 多字节刷新序列中，第二字节若在超时后才写入，通常视为刷新失败触发复位；避免贴着超时极限刷新。
— 有大佬知道External watchdog的刷新机制吗？第一个字节在窗口中写入（Jack）

功能完成到向量产，要做的稳定性工作。 稳定性测试 + 不同工况环境测试（高低温、强弱磁），并输出文档与各功能模块工作状态记录。
— 老师，我这边仪器每个模块功能都实现了，现在在向量产方向走，这个阶段我需要做哪些事（Jack）

正式系统与产测系统的架构。 通常做两块板：一块保留 Trace IO 做 HIL 与低功耗测试，另一块 release 板做集成与发布测试；产测用单元测试供产线验证功能，产品跑正式版本——同一套代码，编译时选择。
— 请教一下各位 你们的正式系统和产测系统 是混合到一起（Jack）

通信可靠性测试的名字叫注入测试。 对已集成 Modbus/DeviceNet/CANopen 的设备做可靠性验证：硬件用高频电脉冲干扰，软件侧做故障注入测试（思路可参考工装开发板视频）。
— 你领导说的这个叫注入测试，你看（DemonWu 问 / Jack 答）

五、测试验证

测试体系的分层与意义。 编码规范是写代码时的基本检验；静态检查靠工具协助分析；单元测试与故障注入是测试阶段（发布前）暴露程序自身问题的手段。软件工程中人和环境都是变量，测试驱动开发能让各水平工程师在同一基准上对齐。
— UnityTest有什么用？（Jack）

Unity 框架的意义与"框架 vs 自写测试"（多源合并）。 Unity 这类框架帮你节省基础工作，但接口、参数范围的用例覆盖仍要自己设计；进阶可参考 GoogleTest、Jenkins 集成测试（多由测试开发工程师负责）。框架还能复用现成测试 case（如 W25Q 等常见器件的测试集），先初筛基本问题；这是"自己写个函数测功能"做不到的。
— Unity的意义？ Unit、老师，用单元测试框架和自己就写一个函数进行功能测试有什么不一样（Jack）

单元测试的本质是可反复执行的回归测试集。 切换平台或改完 IIC 驱动后跑一遍即可快速验证驱动仍正常工作；它的价值不是拦截 bug，而是环境变化（换芯片、换底层库和驱动）时迅速确认功能完好。
— 单元测试它后面就是个测试集，随时拿出来用，你比如你切换完平台后（Jack）

面试中单元测试的问法。 一般只问测试覆盖率等概念，不深究，但要求有这个意识。
— 单元测试这一块会问什么问题呀（Jack）

六、典型案例复盘

案例：内部 Flash 在线调试时写入失败。 现象：直接运行正常，单步/在线调试写 Flash 数据出错。排查：对比两次写入数据 → 确认前 4 字节首次写入失败 → 怀疑解锁延时或干扰。对策与通用结论：写入后立刻回读校验，不匹配则二次写入，再失败返回错误状态。
— 学生： 老师，你有没有遇到过操（Jack）

案例：屏幕初始化代码写完点不亮。 第一步一定是读屏幕 ID 和状态字，确认通讯链路正常后再写初始化；写入结果再用状态字验证，形成闭环。读命令和寄存器在数据手册里。
— 老师，我写了屏幕的初始化代码，但是屏幕无法点亮，我应该怎么去排查问题？供电正常（Jack）

案例：加速度传感器"昨天好好的今天不行"。 先在驱动里加复位指令清除传感器原有状态；做运动传感器要有标定测试台架——传感器随地理位置、环境温度变化会有偏差，先定指标分辨是采样不准还是算法问题。
— 老师们，kxtj3这个加速度传感器有人用过吗？我昨天写的代码可以运动检测（Jack）

案例：预取指导致死机（精华）。 Boot 跳转后零日志、Trace32 显示 Core Power Down，且问题随代码布局变化时隐时现。根因： veneer 的 ldr pc, [pc] 跳转中，Core 把字面量池里"下一个字"误当指令预取，而该伪指令恰好用了 R3（指向未初始化 DDR）作基址，访问非法地址总线卡死；改动代码后同一位置变成 R1（有效地址），就不再复现。交叉验证：把 R3 改有效地址不再卡死，把 R1 改成无效地址立即卡死。教训：预取指（Instruction Prefetch 与 Speculative Data Access）会让"没执行的代码"也能触发总线异常。
— 记录一个预取指导致死机的坑（海底）

案例：407 工程下载到 411 芯片后 J-Link 连不上。 处理：拨动 Boot0 电平 → 重新上电 → Keil 重新识别芯片 → 全片擦除。原理：错误工程把 AHB 时钟初始化成异常值（168MHz 配置跑在 100MHz 的 411 上），DAP 调试单元时钟紊乱无法通信；Boot0 从内部程序启动会把时钟初始化回合理值。
— 1.调整boot0电平（若为高，则变低，反之亦然（Jack）

案例：J-Link 下载报驱动签名问题。 按图示进入启动设置，禁用驱动程序签名强制即可。
— 如果jlink下载时遇到这个问（Jack）

案例：下载器搜不到芯片的系统排查。 0. 接线完整拍照（开发板→线束→电脑端，J-Link 指示灯状态）；1. 确认 Type-C 已接线；2. 按 Boot0 再按 Reset、先松 Reset 再松 Boot0 再识别；3. 找 J-Link 商家要专用驱动并记录驱动版本；4. 设备管理器查看 J-Link 设备属性；5. 万用表量 VCC 与 3.3 引脚电压。
— 如果下载不了搜不到芯片怎么办？（Jack）

来源笔记

未收录说明：提问无回答帖（hardfault 方法求助、mcu 堆溢出检测、mcu 单元测试入门等）、仅图片帖（Debug 设计实验、优化等级与调试关系、unity 接口重定向、IAR build actions、keil 光标）、模板缺失帖（诊断流程模板）共 12 篇已标记 review: 建议隔离。老师，位域该不该用？是否需要刻意考虑在不同的平台间或编译环境下所产生的问题 主题属 C 语言可移植性，收录于 C语言与编码规范问答总集。

🔗 被以下笔记引用

C语言与编码规范问答总集立芯星球知识库 MOC