一次集文化差异、网络工程与诸多巧合于一身的 debug！

最后车和冰激淋的例子可以提一下引用的原文，毕竟在你这篇网文内的文字占比还是很大的！

很有趣的故事啊！

有趣

绝了!

曾经排查过一个 MySQL 慢 SQL ，无论怎么都找不到原因，而且是偶尔出现，根据主键 id 查也会达到秒级别耗时。最终联合 dba ，sre,rd 组了个 20 多人的调查团队，研究了半个多月，最终发现是机房交换机怀了，交换机导致丢包，进而导致 MySQL 慢查询

可以出圈的故事哇

硬件的 bug 果然想到想不到 XD

不错的博客

其实挺奇葩的，正常人发现不明热源不应该马上排查防止火灾隐患吗，这怎么还直接利用上用来保温了。

看过一个 bug,有个房间的服务器经常死机，但是当有人去房间呆着就不会死机。有人能猜到啥原因吗。

@huangmingyou #10 房间太热了吗？

@huangmingyou #10 莫不是模拟时代手模电视天线的电磁干扰

优秀，至今还有一个 bug 没排查出来。在客户机 localhost 某个端口启动了一个服务，但是在本机用内嵌了 chromium 内核的套壳客户端怎么都访问不了，直接用浏览器就可以访问，百思不得其解。
尝试过另外启动一个简单服务 √
换回原来的服务：X
换一个端口：X
怀疑是 localhost 映射问题：
- 切换到 127.0.0.1 X
- 切换到本地 ip + 端口 X
属实想不通了

分享一个我经历过的 bug ，那还是一个原始的 ASP 页面，我把树状结构的某个父节点上的叶子挪到另一个父节点上，怎么挪都挪不过去，刚拽出来叶子就丢了，但开发每次挪都能挪过去。我们分析了半天，对比数据、机器、配置等等，后来发现是我拖拽的太快了，在操作快速的情况下叶子找不到新父节点就丢了，开发每次都慢慢挪（一个慢性子），所以从来没遇到过这个 bug~

@HeyWeGo 感谢反馈，我找一下原 PO 添加引用。

绝了

一个字：绝。

好家伙我觉得这可以拍一部微电影

@boxz 对，有人去的时候就会开空调，不是专业机房

@huangmingyou 是不是那个什么保洁大妈去把散热扇拔了充电的那个？ 检查的人去的时候大妈看着有人就没进去拔。

想起之前的一个老师遇到的 bug 。

搞了一个仪器，在实验室里怎么搞怎么灵，但只要搬到厂里，就不行，数据总是不对。来来回回折腾了很久，最后发现是因为厂里接的是农业电网，电压不是稳定 220 ，可能低可能高。而实验室是最高等级的电网，永远是恒定的 220.

之前调一个芯片，照着 datasheet 上电、设置寄存器都没问题，就是 I2C 的数据一直出不来。硬件老哥万用表一通量，供电全都是正常。后来硬件老大拿板子看走线，妈蛋芯片的 0.8V 供电根本没连到任何地方。。。硬件老哥量的时候不知道哪里漏过来的又能测出来有个 0.8V

太强了

讨论很热烈啊，再赠送两个小故事，是我公众号的留言回复，当时看到也是惊了，“事出反常必有妖”系列。

故事 1：听过一个邮件服务器的故事，这个公司的邮箱经常发不出去邮件，也不是都发不出去，有时候也能发出去
后来统计了发出去的邮件，发现接收服务器都在 300 公里范围内。追查结果是，邮箱发送超时的设置，应该 1 秒，工程师随手写了 1 ，但是默认单位是毫秒，1 毫秒电信号只能传播 300 公里。

故事 2：​还听过某医院的故事，每天早上七点到七点半之间，重症监护病房，最门口那个床的病人特别容易死亡，就这个点，就这个病床，谁住这个床谁倒霉，别的时间别的病人都没事。医生怀疑门口漏风，怀疑气温变化，查了很久。后来发现，早上七点，清洁工进来打扫卫生，把门口的电源拔了，插吸尘器。

楼上邮件服务器的故事原文： https://www.ibiblio.org/harris/500milemail.html

医院的也太地狱笑话了

听到的一个 bug：用户反映每次用笔记本播放李娜的青藏高原时，电脑就会死机。经测试发现，唱到最后的“那就是青藏高...”时，硬盘产生了共振，振幅过大，读写头读不出数据了。

@luozic 这个是在搜狐上看到的。

亲们，我想把这个帖子改造成“匪夷所思的奇怪 bug 合集”~ 大家没事可以来翻翻这些诡异的 bug ，为 coding 时光添加一些乐趣~~~

————————————————————————————

原文 link: https://www.quora.com/Programming-Interviews/Whats-the-hardest-bug-youve-debugged/answer/Dave-Baggett

翻译转自知乎： https://www.zhihu.com/question/22108128

补充故事：

“这是我全部编程生涯中，唯一一次因为量子力学 debug 的问题”这篇文章中，怎么体现了量子力学？
回想起这个 bug ，仍然让我有些痛苦。作为一个程序员，在发现 bug 时，你学会了首先在自己代码中找问题，或许在测试一万次之后，你会把问题归咎于编译器。只有在这所有的都不起作用之后，你才会把问题归咎于硬件。

这是我遭遇一个硬件 bug 的故事。

抛开别的不说，我曾为《 Crash Bandicoot 》写存储卡（读写）代码。对于一个自大的游戏程序员，这就像是在公园里散步一样轻松愉快，我认为只要几天就写完了。我中止调试六个礼拜。在此期间我做一些其他的事情，但我一直回来处理这个 bug——几天内每天几个小时。这个 bug 实在烦人。

这个 bug 的症状是，当你需要保存你的进度时，代码会访问存储卡，而大部分情况下没有什么问题…但是偶尔读写会超时…没有任何明显的原因。一个短小的写入经常毁掉存储卡。玩家要保存进度，我们不仅不保存，还擦除他们存储卡上的全部东西。天哪。

过了一段时间，我们在 Sony 的制作人 Connie Booth 慌了。我们显然不能带着这个 bug 发布游戏，而六个星期之后我对于问题出在哪一点线索都没有。通过 Connie 我们向其他 PS1 开发者求助：有没有人出现过像我们这样的情况？没有。绝对没有任何人在存储卡系统上出现任何问题。

在你绞尽脑汁之后，你能做的唯一一个调试方法就是分而治之：一点点去除程序中的代码，直到留下的代码很少但你仍然出问题。像木雕一样去除没有问题的代码，留下的就是你的 bug 所在。

在这样的背景下挑战在于，视频游戏是很难去除某一部分的。在你删除模拟重力或者显示字符的代码后，如何运行游戏？

你必须做的是用一个假装做真正的事情，但实际上只是做很简单的不会出现 bug 事情的东西来替换掉整个模块。你必须写新的支撑代码来让这些玩意正常工作。这是一个缓慢而痛苦的过程。

长话短说：我做完了。我移除了大片大片的代码，相当多，只留下了初始化代码——就是准备游戏运行系统，初始化底层硬件等等。当然，我不能显示加载 /保存菜单，因为我截除了所有的图像代码。但是我能够假装用户使用（不可见的）加载 /保存屏幕并且请求保存，然后写入卡中。

我最终以一个带有这个 bug 的很少量的代码结束——但问题仍然随机出现！在大多数情况下没啥问题，但是偶尔会失效。基本上所有的 Crash 的实际代码都被移除了，但还是这样。这实在是莫名其妙：留下来的代码基本上都没做什么事。

在那时——估计是凌晨 3 点——一个想法蹦了出来。读写（ I/O ）涉及精确定时。无论是硬盘、存储卡、蓝牙发送器——随便啥——做读写的底层代码都是根据时钟来的。

时钟让不直接连接到 CPU 的硬件设备和 cpu 运行的代码同步。时钟决定了波特率——数据从一头传到另一头的速率。如果计时有什么问题，硬件或者软件或者两者都会乱七八糟的。这真的，真的很糟糕，并且通常导致数据损坏。

如果我们的初始化代码以某种方式弄乱了计时会怎么样？我又看了一遍测试程序中和计时有关的代码，并注意到我们将 PS1 上的可编程计时器设置到了 1kHz （ 1000 跳每秒）。这是比较快了，当 PS1 启动的时候，默认状态大概是 100Hz 。因此，大多数游戏将他们的计时器设置为 100Hz 。

这个游戏的带头（和除我外的唯一）开发者 Andy ，将计时器设置为 1kHz ，使得 Crash 的动作计算更加准确。Andy 喜欢矫枉过正，如果我们要模拟重力，我们应该尽可能的提高精度！

然而如果提高计时器频率莫名其妙的干扰了整个程序的计时，故而将这个计时器设置到存储卡的波特率上会怎样呢？

我将计时器代码注释掉。然后我就无法复原这个 bug 了。但是这并不表示 bug 被修复了，这个问题是随机发生的。万一我只是运气好呢？

几天过去了，我还是在玩我的测试程序。Bug 没有再出现。我回到全部的 Crash 代码中，修改了加载 /保存代码，在访问存储卡之前将可编程计时器重置为默认设置（ 100Hz ），之后设置回 1kHz 。从此之后没有发现问题再次出现。

但是…为什么？

我重新回到测试程序上，试着检测当计时器设置为 1kHz 时出现的那些错误的模式。终于，我注意到这些错误出现在使用 PS1 手柄的人身上。因为我自己很少这样做，所以我没有注意到（为啥我要在测试加载 /保存代码的时候用手柄）。但是有一天我们的美工等我去完成测试（我确定那时候我在爆粗口），而他紧张的摆弄着手柄。卡损坏了。“等下，怎么回事？喂，再来一次！”

一旦我发现了这两件事是联系着的，就很容易重现 bug：开始写入存储卡，动一下手柄，存储卡损坏。在我看来完全是硬件 bug 。

我去找 Connie 告诉他我的发现。她转述给设计过 PS1 的硬件工程师。她被告知：“不可能，这不可能是硬件问题。”我跟她说问一下我能不能直接和他说。

那个工程师给我打电话了，他用着他的烂英语，我用着我更烂的日语，我们争论一会。我最后说：“我给你一个 30 行的测试程序，让你在动手柄的时候能够出现这问题。”他答应了。他向我保证，这是浪费时间，而他正在一个新项目上很忙，但因为我们是 Sony 很重要的开发者，他会试的。

第二天晚上（我们在洛杉矶，而他在东京，所以对于我来说是晚上而他是到了第二天），他给我打电话，不好意思的向我道歉。这是个硬件问题。

我还是没有完全搞清楚问题到底在哪，但是我的印象中，从 Sony 总部的反馈听到的是，如果将可编程计时器设置到足够高的时钟频率，会影响到主板上时钟晶振附近的一些东西。这些东西之一就是存储卡的波特率控制器，同时也设置手柄的波特率。我不是搞硬件的，所以对于细节我相当模糊。

但是主旨是主板上两个独立部分的串扰，以及手柄接口和存储卡接口数据发送的结合在 1kHz 的时钟频率下会导致丢位，从而数据丢失，以致卡损坏。

这是我全部编程生涯中，唯一一次因为量子力学 debug 的问题。