Lab 002 · 验证基建(SMP 唤醒 + 首故障捕获)验证

对应 document/book/04-developer/002/。验证档 B 档:本章是验证/调试基建,没有用户可见功能。验证两件事——-smp 2 那条腿真的唤醒了 AP(不再是空转)、故障 dump 的 gated 钩子和 debugcon 捕获真在源码里且生产字节不变。

目标

确认四件事:

1. run-kernel-test-all 统一入口在(单核 + -smp 2 两条腿一条命令);
2. -smp 2 腿真探到 2 个 CPU 且 M3-2 AP 唤醒测试 engage(不是空转);
3. gated 钩子 g_ap_test_selfcheck_fn 在源码里、默认 nullptr(生产字节不变);
4. 首故障捕获 capture_first_gp/pf 在 handle_gp/pf 的最前面(panic 之前)。

步骤

1. SMP 不再空转(-smp 腿真探到 2 CPU)

这是本章的核心验证。跑 SMP 腿,看它有没有真探到拓扑 + engage AP 唤醒测试:

cmake --build build --target run-kernel-test-smp 2>&1 | grep -aiE "M3-1|cpu_count|AP.*online|M3-2" | head

应看到 [F-VERIFY M3-1] SMP topology: cpu_count=2 apic_id[0]=0 apic_id[1]=1(真扫了固件 ACPI 表、探到 2 个 CPU)和 [F-VERIFY M3-1] SMP mode (2 CPUs) -- M3-2 AP-wake tests engage here(AP 唤醒测试在这条腿跑)。对比修复前:修复前 -smp 2 腿 cpu_count 恒 0(boot_aps() 直接 single-CPU 返回)、AP 从不醒——套件 BSP-only 跑,所有 SMP-only bug 抓不到。

想一条命令跑两条腿(防忘跑 SMP 变体),用统一入口:cmake --build build --target run-kernel-test-all(qemu.cmake:355)——先单核、再 -smp 2。CI 和默认验证都该切到这个。

2. gated 钩子(生产字节不变的契约)

sed -n '120,125p' kernel/arch/x86_64/ap_main.cpp
sed -n '178,195p' kernel/arch/x86_64/ap_main.cpp

应看到 g_ap_test_selfcheck_fn = nullptr(:122,默认空),以及 AP 在 g_aps_online++ 之后、调度器自旋之前那段 if (g_ap_test_selfcheck_fn != nullptr) { fn(cpu_id); for(;;) cli;hlt; }(:189)。关键契约:fn=nullptr 时整块跳过,生产二进制一字节不变;只有测试内核往这个全局写函数指针,AP 才跑回读。这就是「生产代码接测试钩子但不污染生产」的 gated 范式。

钩子的回读结果槽 + magic(smp.hpp):

grep -n "kApSelfcheckMagic\|ApSelfcheckResult\|g_ap_selfcheck_results" kernel/arch/x86_64/smp.hpp

应看到 kApSelfcheckMagic = 0xA5C0FFEE(:60)、g_ap_selfcheck_results[](:72)——AP 把回读(CR4/EFER/LSTAR)写进槽、最后置 magic,BSP 轮询 magic 判断「这个 AP 跑完了」(x86 TSO 保完整槽,不用 fence)。

3. 首故障捕获(debugcon,在 panic 之前)

sed -n '176,198p' kernel/arch/x86_64/exception_handlers.cpp

应看到 handle_gp 进来第一件事就是 capture_first_gp(frame)(:179),handle_pf 同理 capture_first_pf(:197)——在 panic()/current() 这些可能递归崩的调用之前。看 dump 走的通道:

grep -n "kDebugconPort\|0xE9\|FIRST #GP\|debugcon_str" kernel/arch/x86_64/fault_diag.cpp | head

应看到 kDebugconPort = 0xE9(:24,QEMU debug console,输出落 build/debug.log)和 >>> FIRST #GP rip=...(:59)。debugcon 是纯 IO 通道(out %al,$0xE9),不经内存/调度器,永远活着——所以哪怕后续 kprintf 自己 #PF、%gs 损坏连环 #GP,第一个 fault 的 rip/rsp 已经稳稳落进 debug.log,不被递归崩覆盖。capture_first_gp/pf 只捕获一次(递归 frame 跳过)。

验收清单

• [ ] run-kernel-test-smp 出 cpu_count=2 + M3-2 AP-wake tests engage(SMP 不再空转)。
• [ ] run-kernel-test-all 统一入口在(qemu.cmake:355)。
• [ ] g_ap_test_selfcheck_fn 默认 nullptr(ap_main.cpp:122),gated if 在 :189——fn=null 生产字节不变。
• [ ] capture_first_gp/pf 在 handle_gp/pf 最前面(:179/:197),走 debugcon(0xE9→debug.log)。

别做这些

• 别以为 run-kernel-test-smp 带 -smp 2 就测了 SMP——修复前它从不唤醒 AP,套件 BSP-only 跑。看 cpu_count=2 + M3-2 engage 才算真测了 AP 路径。
• 别在 handle_gp/pf 里把 capture_first_* 放到 panic()/current() 之后——那些调用可能递归崩(%gs 坏、kprintf 自己 #PF),会把首故障现场覆盖。首故障 dump 必须在任何可能递归的代码之前。
• 别给生产代码插测试钩子用 #ifdef——用 gated 函数指针(fn=null 默认、生产字节不变)更干净,不用切两半。
• 别把 gated 钩子当银弹往简单函数上插——它有「生产文件多了段测试才走的逻辑」的代价,只给 ap_main 这种「最该测又最难测」的高危路径用。
• 别忘了这一章是基建不是功能——验证靠「SMP 腿真 boot AP」+「debuglog 留住首故障」+ grep 钩子,不是用户可见现象。