EOS -- 一种灵巧的系统运行跟踪模块

EOS到底是什么词的缩写，我猜应该是Error of System。最早接触它，是在UT那会。不过那会它是被设计成一个很大的数组，也没有被包含调用函数和行号，又或是时间，只是些计数。编码时，加减一个EOS还是有点小麻烦，除了调用点外，大概需要修改多个点，比如先要定义，然后打印函数里的名字翻译等。开始的时候还行，但错误码多了后，更新就有点麻烦，只好又设计了个脚本来自动生成定义和打印函数。但终究还是不算方便，开发人员有时候更愿意用Trace来打印。当然，EOS不是万能的，有时候用Trace真比EOS更好，当然，权衡使用才是最好的。

什么时候需要用EOS？当程序需要长期运行，且希望尽可能的不影响程序大事务量处理的时候。比如一个电话交换系统，或是一个网络服务后台。若是用Trace，除非选择性的对某一特定用户会话使能，否则系统必然被巨量的打印拖垮。而如果是针对某一特定用户跟踪，则等于选择性的忽视系统运行中出现的错误，不利于发现压力测试中出现的故障，尤其是一些隐藏的故障，和一些难于重现的故障。

离开UT后，我改良了EOS的设计，这里面程序本身的知识非常少，靠的是灵活运用编译知识。

先说说数据结构和代码：

typedef struct ERROR_NO_TYPE
{
const char* errstr;
const char* function;
int line;
int count;
int when;
} PACKED Eos_t;

EOS的数据结构很简单，两个常量字符串指针，然后是文件行号，计数和时间。在32bits的系统上，一共占20个字节。

哥提供的代码里，预分配的NHASH为19997个记录，共计390Kbytes空间。对于一般系统来说，这个的内存开销不存在什么问题。当然，它根据需要可以随意调整，如下：

/* simple eosNHash of fixed size */
#define EOS_NHASH 19997
Eos_t eosNHash[EOS_NHASH] = { {, }, };

NHASH可以被整体清空的数据结构，但不支持删除某个节点操作。

接下来，就是实现代码，更简单：

/* errstr table */
/* hash a errstr */
static unsigned ErrnoValue(const char *errstr)
{
  return *(unsigned*)errstr;
}

int zEosPeg(const char* errstr, const char* function, int line)
{
  if(!g_zEosEnabled || !errstr) return -;

  int num = ErrnoValue(errstr) % EOS_NHASH;
  int count = EOS_NHASH;

  while(--count >= )
  {
    Eos_t *ptr = &eosNHash[num];

    if(!ptr->errstr) //not exist yet
    {
      ptr->errstr = errstr;
      ptr->function = function;
      ptr->line = line;
      ptr->count = ;
      ptr->when = zTime();

      return ;
    }
    else if(ptr->errstr == errstr && ptr->function == function && ptr->line == line)
    {
      ptr->count += ;
      ptr->when = zTime();
    }

    if(++num >= EOS_NHASH) num=; /* try the next entry */
  }

  //overflow
  return -;
}

int zEosShow(const char* errstr)
{
  int num;

  zTraceP("EOS Enabled: %s\n", g_zEosEnabled?"YES":"NO");

  for(num=; num<EOS_NHASH; num++)
  {
    Eos_t *ptr = &eosNHash[num];

    if(!ptr->errstr) continue;
    if(errstr)
    {
      if(!strcasestr(ptr->errstr, errstr)) continue;

      zTraceP("[%5d]: %s  %d   -- %s:%d  %s\n", num, ptr->errstr, ptr->count,   ptr->function, ptr->line, zCTime(&ptr->when));
    }
    else
    {
      zTraceP("[%5d]: %s  %d   -- %s:%d  %s\n", num, ptr->errstr, ptr->count,   ptr->function, ptr->line, zCTime(&ptr->when));
    }
  }

  return ;
}

嗯，确实就这么几行代码，一个是往hash中添加新的EOS记录或是统计，另一个是输出打印错误码的信息。最后，是个用户头文件，如下：

IMPORT int zEosPeg(const char* errstr, const char* function, int line);
IMPORT int zEosShow(const char* errstr);

/*overrides the per nodal SET_EOS*/
#undef SET_EOS
#define SET_EOS(eos) zEosPeg(_STR(eos), __FUNCTION__, __LINE__)

当然，用户在使用的时候，不建议直接调用这里的peg函数，那样的话，就拒绝了哥的好意。程序应该使用那个宏定义，而别使用我在footprint.c里面的那段自测试代码样式。那个，是反面教材，用来描述EOS怎么工作的！

我们可以像下面这样使用EOS：

/*----------------------------------------------------------
File Name  : xxx.c
Description:
Author     : [e-mail] (bug fixing and consulting)
Date       : 2007-05-15
------------------------------------------------------------*/
#include "zType_Def.h"
#include "zFootprintApi.h"

int TestEosPeg()
{
  SET_EOS(put any thing you like here. only no comma);
  SET_EOS(ooh... really?);
  SET_EOS(ooh... really?);
  SET_EOS(ooh... really?);
  SET_EOS(sure. just try!);

  return ;
}

然后，在CSHELL下运行zEosShow()，就会有这样的结果：

cshell_prj $ bin/target_a.linux.i32.exe
->TestEosPeg()

$/> TestEosPeg()

=  (0x0) <FUNCALL : size=>
->zEosShow()

$/> zEosShow()

EOS Enabled: YES
[ ]: put any thing you like here. only no comma  -- TestEosPeg: Mon Dec  :: 

[]: ooh... really?  -- TestEosPeg: Mon Dec  :: 

[]: ooh... really?  -- TestEosPeg: Mon Dec  :: 

[]: ooh... really?  -- TestEosPeg: Mon Dec  :: 

[]: sure. just try!  -- TestEosPeg: Mon Dec  :: 

=  (0x0) <FUNCALL : size=>
->TestEosPeg()

$/> TestEosPeg()

=  (0x0) <FUNCALL : size=>
->zEosShow()

$/> zEosShow()

EOS Enabled: YES
[ ]: put any thing you like here. only no comma  -- TestEosPeg: Mon Dec  :: 

[ ]: put any thing you like here. only no comma  -- TestEosPeg: Mon Dec  :: 

[]: ooh... really?  -- TestEosPeg: Mon Dec  :: 

[]: ooh... really?  -- TestEosPeg: Mon Dec  :: 

[]: ooh... really?  -- TestEosPeg: Mon Dec  :: 

[]: ooh... really?  -- TestEosPeg: Mon Dec  :: 

[]: ooh... really?  -- TestEosPeg: Mon Dec  :: 

[]: ooh... really?  -- TestEosPeg: Mon Dec  :: 

[]: sure. just try!  -- TestEosPeg: Mon Dec  :: 

[]: sure. just try!  -- TestEosPeg: Mon Dec  :: 

=  (0x0) <FUNCALL : size=>
->

现在，讲一讲原理，和一些使用注意事项。

首先是关于那个字符串指针的问题。有人会犹豫，怎么就只存个指针，而不是个字符串呢？这个，需要理解下编译器和ELF文件格式。程序源码里出现的字符串，最终都会出现在ELF文件当中，程序加载后，也会出现在内存中。而使用这类字符串自然是安全的。

或许有人犹豫，NHASH是最好选择么？看你想这么用。
NHASH的最大好处是，程序加载后，得到的就已经是初始化过的列表。如此一来，你可以在更早的初始化代码里加EOS，而不用担心这个service是不是已经能够提供。NHASH是轻量级的，能够方便你移植EOS到任何需要的程序中。
如果你的系统可以在加载后，在有必要调用EOS前，能够执行一个初始化函数，那当然可以选择avl等一类更高效的数据结构。NHASH确实存在退化问题，当EOS很多，在NHASH条目里达到一定比例后，确实存在严重的性能问题。不过这并不是那么容易发生的，如果我们记住让NHASH条目远远大于实际可能的条目数，且仅在适当需要时提供EOS。无节制的使用EOS，不只是性能问题，更多的是，你得到太多的EOS统计项，就好似你拥有太多书而看不过来一样糟糕。

函数名和行号是否必要？我建议提供，要不然，SET_EOS会把不同的统计点当成相同错误码进行统计。

此外，可以考虑设置一个开关去使能它，默认关闭，这个世界总是有人喜欢叽歪，跟你谈什么性能问题，既然有人反对，那就关掉它，免得费口舌。跟不同性能的人谈性能问题，会玷污智商，所以千万别争，这时告诉他们，EOS只是个测试工具而已。

需要做个重置统计的接口，这样可以方便测试期发现问题。还可以做一个输出函数，将EOS按时间进行排序输出，这样，许多时候能够看出程序的运行轨迹，对于差错很有帮助。FSM Trace里其实也集成了EOS，不过需要在FSM的调用里peg，由用户来完成。有兴趣研究我给的FSM的童鞋可以试试。

最后，EOS不是万能的，实践上需要配合Trace功能，即日志打印功能。zLib里的zTrace是个不错的选择，有需要的不妨一读！