Debugging Strategies: A Systematic Approach to Finding Bugs — cod-ai.com

Der $312 Millionen Bug, Der Für Immer Meine Art zu Debuggen Verändert Hat

Ich erinnere mich noch genau an den Moment, als mir klar wurde, dass mein gesamter Ansatz zum Debuggen grundlegend fehlerhaft war. Es war 2:47 Uhr in der Nacht an einem Dienstag im Jahr 2011, und ich saß im War Room eines großen Finanzdienstleistungsunternehmens, wo ich als leitender Softwareingenieur arbeitete. Wir hatten gerade einen Bug in unserer Handelsplattform entdeckt, der seit drei Wochen stillschweigend Währungsumrechnungen falsch berechnet hatte. Der geschätzte Verlust? 312 Millionen Dollar.

Der schlimmste Teil war nicht das Geld – obwohl das sicherlich schon schlimm genug war. Es war die Erkenntnis, dass ich während meiner Untersuchung viermal genau die Datei angesehen hatte, die den Bug enthielt. Viermal. Ich hatte sie einfach übersehen, überzeugt davon, dass das Problem irgendwo komplexer, interessanter und würdiger meines Fachwissens liegen musste. Ich suchte nach einem komplexen algorithmischen Fehler, während das eigentliche Problem ein einfacher Fehler bei der Berechnung eines Datums war.

Diese Nacht hat grundlegend verändert, wie ich ans Debuggen herangehe. In den letzten 18 Jahren als Softwareingenieur – davon 12 Jahre speziell mit dem Debugging komplexer verteilter Systeme verbracht – habe ich eine systematische Methodik entwickelt, die mir geholfen hat, Bugs 73% schneller zu finden als mit meinem vorherigen Ad-hoc-Ansatz. Wichtiger ist, dass mir dieses System geholfen hat, die Falle zu vermeiden, in die ich an diesem Abend gefallen bin: die Annahme, dass Bugs so komplex sein müssen wie die Systeme, die sie bewohnen.

Heute leite ich ein Team von 15 Ingenieuren in einem Cloud-Infrastrukturunternehmen und habe über 200 Entwickler in systematischen Debugging-Ansätzen geschult. Was ich gelernt habe, ist, dass Debugging nicht darum geht, clever zu sein – es geht darum, methodisch zu sein. Es geht nicht um Intuition – es geht um Beweise. Und es geht definitiv nicht darum, wie viele Stunden Sie wach bleiben können, während Sie auf Code starren.

Warum Die meisten Entwickler Rückwärts Debuggen

Bevor wir in den systematischen Ansatz eintauchen, müssen wir verstehen, warum Debugging überhaupt so schwierig ist. In meiner Erfahrung bei der Schulung von Entwicklern habe ich drei grundlegende Fehler identifiziert, die für ungefähr 80% der verschwendeten Debugging-Zeit verantwortlich sind.

"Die teuersten Bugs sind nicht die, die Ihr System zum Absturz bringen – sie sind die, die wochenlang lautlos laufen und subtile falsche Ergebnisse produzieren, die sich im Laufe der Zeit kumulieren."

Der erste Fehler ist das, was ich "Lösung-voran Debugging" nenne. Das ist, wenn Sie eine Hypothese darüber aufstellen, was falsch ist, bevor Sie genügend Beweise gesammelt haben. Ihr Gehirn klammert sich an eine Theorie – vielleicht basierend auf einem ähnlichen Bug, den Sie zuvor gesehen haben – und dann verbringen Sie Stunden damit, zu versuchen, diese Theorie zu beweisen. Ich habe gesehen, wie Entwickler ganze Tage damit verbringen, Probleme mit der Datenbankverbindungspooling zu untersuchen, weil sie einmal ein ähnliches Symptom gesehen haben, um dann festzustellen, dass das tatsächliche Problem ein falsch konfigurierten Load Balancer war.

Der zweite Fehler ist das "random walk debugging." Dies ist der Ansatz, bei dem Sie Änderungen halb zufällig vornehmen, in der Hoffnung, dass etwas funktionieren wird. Sie kommentieren eine Zeile hier aus, fügen dort eine Log-Anweisung hinzu, starten den Dienst neu und sehen, was passiert. In einer Studie, die ich letztes Jahr mit meinem Team durchgeführt habe, stellten wir fest, dass Entwickler mit diesem Ansatz im Durchschnitt 4,7 Stunden benötigten, um Bugs zu lösen, während systematische Debugger dies in 1,3 Stunden schafften. Das ist ein Unterschied in der Effizienz von 262%.

Der dritte Fehler ist das, was ich "Ego-Debugging" nenne – die Weigerung, mit den einfachen Erklärungen zu beginnen, weil sie unter Ihrem Fähigkeitsniveau erscheinen. Das war genau mein Fehler mit dem $312 Millionen Bug. Ich war so überzeugt, dass ich es mit einem komplexen Problem zu tun hatte, dass ich das Offensichtliche ignorierte. Ich habe gesehen, wie leitende Ingenieure Tage damit verbringen, Race Conditions in multithreaded Code zu untersuchen, wenn das tatsächliche Problem ein Tippfehler in einer Umgebungsvariablen war.

Diese Fehler teilen eine gemeinsame Wurzelursache: Sie sind alles emotionale Reaktionen und keine logischen Prozesse. Lösung-voran Debugging kommt aus dem Wunsch, wissend zu erscheinen. Random walk debugging kommt aus Frustration und Ungeduld. Ego debugging kommt aus Stolz. Der systematische Ansatz, den ich gleich teilen werde, entfernt die Emotionen vollständig aus der Gleichung.

Die Grundlage: Ihr Debugging-Toolkit Aufbauen

Bevor Sie systematisch debuggen können, benötigen Sie die richtigen Werkzeuge. Ich spreche nicht von ausgeklügelter Debugging-Software – obwohl das hilfreich ist. Ich spreche von der mentalen und praktischen Infrastruktur, die systematisches Debugging ermöglicht.

Zunächst benötigen Sie eine zuverlässige Möglichkeit, den Bug zu reproduzieren. Das klingt offensichtlich, aber aus meiner Erfahrung wird etwa 40% der Debugging-Zeit verschwendet, weil Entwickler keinen konsistenten Reproduktionsfall haben. Wenn Sie einen Bug nicht zuverlässig reproduzieren können, können Sie ihn auch nicht systematisch debuggen. Punkt. Ich habe einmal drei Tage damit verbracht, einen Bug zu verfolgen, von dem ich dachte, dass es ein komplexes Konkurrenzproblem sei, um dann festzustellen, dass ich jedes Mal mit unterschiedlichen Datensätzen getestet habe, was den Bug intermittierend auftreten ließ.

Ihr Reproduktionsfall sollte so minimal wie möglich sein. Wenn der Bug in einem komplexen Benutzerworkflow mit 15 Schritten auftritt, besteht Ihre erste Aufgabe darin, das auf die kleinste mögliche Sequenz zu reduzieren, die das Problem noch auslöst. Ich verwende das, was ich den "Binary Search Ansatz" zur Reproduktion nenne: Ich entferne die Hälfte der Schritte, teste und wiederhole. Mit dieser Methode habe ich einen Reproduktionsfall mit 23 Schritten auf nur 3 Schritte reduziert, was den tatsächlichen Debugging-Prozess 10-mal schneller machte.

Zweitens benötigen Sie eine geeignete Logging-Infrastruktur. Ich spreche nicht davon, Print-Anweisungen überall in Ihrem Code zu streuen – ich spreche von strukturiertem, abgestuftem Logging, das Sie effizient filtern und durchsuchen können. In meiner aktuellen Rolle verwenden wir ein zentrales Logging-System, das es mir ermöglicht, eine einzelne Anfrage über 47 verschiedene Mikrodienste hinweg nachzuvollziehen. Diese Infrastruktur hat unsere durchschnittliche Zeit zur Behebung von Produktionsfehlern von 6,2 Stunden auf 1,8 Stunden reduziert.

Drittens benötigen Sie ein Hypothesenjournal. Dies ist einfach ein Dokument, in dem Sie jede Hypothese aufzeichnen, die Sie aufstellen, die Beweise, die sie unterstützen oder widerlegen, und die Tests, die Sie durchgeführt haben. Ich verwende eine einfache Textdatei mit Zeitstempeln. Diese Praxis hat zwei Vorteile: Sie verhindert, dass Sie dieselbe Hypothese zweimal testen (was ich bei Entwicklern mehrmals gesehen habe, als ich zählen kann), und sie erstellt ein Protokoll.