arm64 linux bad mode Serror 系统异常

最近在linux4.9 arm64遇到了bad mode的kernel oops

oops的内容大概如下，而且oops过后看起来系统并没有异常，oops出现的概率比较小，而且每次oops打印的信息中task 都是不同的，oops之后，看起来大部分时候系统还是可以正常运行的

[ 1259.654597] Bad mode in Error handler detected, code 0xbf000002 -- SError
[ 1259.661357] CPU: 12 PID: 2293 Comm: mate-settings-d Not tainted 
                4.1.15-1.el7.aarch64 #2
[ 1259.669320] Hardware name: xxxx
[ 1259.675209] task: ffffffc8c9bd1700 ti: ffffffc8c9e4c000 
                task.ti: ffffffc8c9e4c000
[ 1259.682665] PC is at 0x7f9c51abd8
[ 1259.685961] LR is at 0x7f942f9828
[ 1259.689259] pc : [<0000007f9c51abd8>] 
                lr : [<0000007f942f9828>] pstate: 80000000
[ 1259.696616] sp : ffffffc8c9e4fff0

首先先定位出现这段LOG的代码位置在traps.c，arm64的异常向量表中才有对这个函数的调用，如下图

bad_mode 的打印信息SError 和 code 都是从register esr_el1中获取的，能得到SError的只有el1 和el0的invalid_error打印的

/arch/arm64/kernel/traps.c
/*
 * bad_mode handles the impossible case in the exception vector. This is always
 * fatal.
 */
asmlinkage void bad_mode(struct pt_regs *regs, int reason, unsigned int esr)
{
	console_verbose();

	pr_crit("Bad mode in %s handler detected on CPU%d, code 0x%08x -- %s\n",
		handler[reason], smp_processor_id(), esr,
		esr_get_class_string(esr));

	die("Oops - bad mode", regs, 0);
	local_irq_disable();
	panic("bad mode");
}

/arch/arm64/kernel/entry.s

/*
 * Bad Abort numbers
 *-----------------
 */
#define BAD_SYNC	0
#define BAD_IRQ		1
#define BAD_FIQ		2
#define BAD_ERROR	3

//el1_sync 函数
el1_sync:
el1_inv:
	// TODO: add support for undefined instructions in kernel mode
	enable_dbg
	mov	x0, sp
	mov	x2, x1
	mov	x1, #BAD_SYNC
	b	bad_mode
ENDPROC(el1_sync)
//inv_entry 函数
/*
 * Invalid mode handlers
 */
	.macro	inv_entry, el, reason, regsize = 64
	kernel_entry \el, \regsize
	mov	x0, sp  
	mov	x1, #\reason
	mrs	x2, esr_el1//bad_mode 函数的参数传递
	b	bad_mode
	.endm

el0_sync_invalid:
	inv_entry 0, BAD_SYNC
ENDPROC(el0_sync_invalid)

el0_irq_invalid:
	inv_entry 0, BAD_IRQ
ENDPROC(el0_irq_invalid)

el0_fiq_invalid:
	inv_entry 0, BAD_FIQ
ENDPROC(el0_fiq_invalid)

el0_error_invalid:
	inv_entry 0, BAD_ERROR
ENDPROC(el0_error_invalid)

#ifdef CONFIG_COMPAT
el0_fiq_invalid_compat:
	inv_entry 0, BAD_FIQ, 32
ENDPROC(el0_fiq_invalid_compat)

el0_error_invalid_compat:
	inv_entry 0, BAD_ERROR, 32
ENDPROC(el0_error_invalid_compat)
#endif

el1_sync_invalid:
	inv_entry 1, BAD_SYNC
ENDPROC(el1_sync_invalid)

el1_irq_invalid:
	inv_entry 1, BAD_IRQ
ENDPROC(el1_irq_invalid)

el1_fiq_invalid:
	inv_entry 1, BAD_FIQ
ENDPROC(el1_fiq_invalid)

el1_error_invalid:
	inv_entry 1, BAD_ERROR
ENDPROC(el1_error_invalid)

到底SError是ARM的一种什么异常，AArch64(ARM64)架构中，主要包括如下4中类型的异常：

Synchronous exception(同步异常)，“同步”可以理解为：发生异常的指令为导致异常的指令，即当导致异常发生的指令执行时能立即触发异常。包括ARM架构中定义的所有Aborts异常，如：指令异常、数据异常、对齐异常等。
SError，System Error，是一种异步异常，后面再仔细说明。
IRQ，普通的中断，是异步异常。
FIQ，高优先级的中断，是异步异常。

SError本质上是一种异步外部abort（asynchronous external abort）。所谓异步，就说是发生异常时硬件(相关的寄存器)不能提供有效信息用于分析定位，异常发生时的指令，并不是导致异常的指令。外部意味着异常来自于外部存储系统(相较于CPU来说，MMU是内部的)。通常是硬件触发的问题，比如硬件的clock出问题或者硬件本身的问题导致的bus访问硬件时出现问题。

Linux内核中，对SError进行了捕获，设置了相应的中断向量，当并未做实际的处理，只是上报异常，并终止进程会内核，因为对于内核来说，SError是致命的，内核自身无法做相应的修复操作，内核不知道具体原因，也不知道如何修复。

分析错误打印： Bad mode in Error handler detected, code 0xbf000002 – SError

可以知道，发生了SError(也就是System Error异常)，错误码(ESR寄存器内容)为：0xbf000002

从ARM developer上查到的ESR寄存器的描述

The ESR_EL1 holds syndrome information for an exception taken to EL1.

ESR_EL1 is a 32-bit register, and is part of the Exception and fault handling registers functional group.

Figure B2-34 ESR_EL1 bit assignments

EC, [31:26]

Exception Class. Indicates the reason for the exception that this register holds information about.

IL, [25]

Instruction Length for synchronous exceptions. The possible values are:

`0`	16-bit.
`1`	32-bit.

This field is 1 for the SError interrupt, instruction aborts, misaligned PC, Stack pointer misalignment, data aborts for which the ISV bit is 0, exceptions caused by an illegal instruction set state, and exceptions using the 0x00 Exception Class.

ISS, [24:0]

Syndrome information.

由以上信息得出前六位bit[31:26]为101111，对应具体的异常类型，查看ArmV8手册：

101111 SError interrupt即系统异常中断。

ISV, bit [24] Instruction syndrome valid. Indicates whether the rest of the syndrome information in this register is valid. 0 No valid instruction syndrome. ISS[23:0] are RES0. 1 ISS[23:0] hold a valid instruction syndrome.

本code中，该位为1，说明bit[23:0]中存放了instruction syndrome(出错指令的具体信息)

IS, bits [23:0] IMPLEMENTATION DEFINED syndrome information that can be used to provide additional information about the SError interrupt. Only valid if bit[24] of this register is 1. If bit[24] is 0, this field is RES0.

ELR_ELn n代表不同的运行优先级，这个寄存器存储着触发异常时候的指令

如何dump 该register尝试改了下entry.s,只有inv_entry 这里会有BAD_ERROR的异常会走到，所以做了如下修改，发现show_regs打印的异常发生的时候的PC就是从elr_el1的copy。

所以bad_mode dump的信息就是all kernel have了，没有想到有效的方法，只能压测看下error附近的LOG试着夹下code

/*
 * Invalid mode handlers
 */
	.macro	inv_entry, el, reason, regsize = 64
	kernel_entry \el, \regsize
	mov	x0, sp
	mov	x1, #\reason
	mrs	x2, esr_el1

    mrs x3, elr_el1  
//add this line to pass para to bad_mode function
//SError always call this function 
	b	bad_mode
	.endm


asmlinkage void bad_mode(struct pt_regs *regs, int reason, unsigned int esr， u64 elr_regs)
//add a para
{
	siginfo_t info;
	void __user *pc = (void __user *)instruction_pointer(regs);
	console_verbose();

	pr_crit("Bad mode in %s handler detected on CPU%d, code 0x%08x -- %s\n",
		handler[reason], smp_processor_id(), esr,
		esr_get_class_string(esr));
    pr_cirt("dump elr %llx\n",elr_regs);
//add printk to dump this register
	__show_regs(regs);

arm64 linux bad mode Serror 系统异常

猜你喜欢