OpenWRT嵌入式Linux故障排除一例
RealJianyuan 2015-01-17
跟大数据没关系，只是帮朋友忙排了个错记录一下。
以前关系很不错的同事，目前在企业级wifi领域创业，采购了我们的大数据服务，正在给他做平台的搭建和调试。然后这几天他这个CEO在调试路由器的时候遇到一些问题，在搞大数据的同时捎带手解决了一下他这个问题。
OpenWRT，嵌入式Linux，主要用在MIPS或ARM设备上。路由器和wifi设备很多会采用这个系统，特点是轻巧。
Coova-Chilli，在openwrt下的接入访问控制器，提供认证网关，可以使用radius或http来做接入计费等工作。
正常的话，在启动chilli以后，会启动四个tun虚拟隧道网卡，而故障是偶发性的，不定期的会有两个IP地址一样的tun设备。比如是这样
tun0 10.1.0.1
tun1 10.1.0.1
tun2 10.2.0.1
tun3 10.3.0.1
tun4 10.4.0.1
正常的情况下是应该只有tun0-3的设备，但是每次启动都会多出一两个tun，而且还不固定，有时候是tun0-1 IP地址一样，有时候tun2-3 IP地址一样。而且OpenWRT默认是不记录syslog的。很难排查。其实可以从logread里面读取syslog，但是syslog里其实没记录任何东西。
那哥们以前也是写代码的，苦熬了三个通宵没找到问题在哪，在chilli启动脚本里面设置了各种记log,wait,sleep，都没用。下午过去讨论完当前大数据平台的需求就没事了，然后我闲的蛋疼就给他看了一下那个脚本，chilli脚本应该没有太多的问题，然后他是按照官方部署文档搭建的。一开始也没看出问题在哪。chilli脚本默认是放在/etc/init.d目录下的。按说不会有问题，后来快感来了，他告诉我他写了一个命令在rc.local做启动，我看了一下rc.local里面，他写了一个启动脚本放到了/root下面。vi 那个在/root下的启动脚本，里面写了一个/etc/init.d/chilli restart。我就问他这是干嘛用的，他说wrt官方让这样写，说这样写保险。我尝试注销掉restart行，重启10遍，tun隧道都毫无问题。20分钟搞定。
问题分析
chilli原始脚本如下
#! /bin/sh
### BEGIN INIT INFO
# Provides: chilli
# Required-Start: $remote_fs $syslog $network
# Required-Stop: $remote_fs $syslog $network
# Default-Start: 2 3 4 5
# Default-Stop: 0 1 6
# Short-Description: Start CoovaChilli daemon at boot time
# Description: Enable CoovaChilli service provided by daemon.
### END INIT INFO
PATH=/sbin:/bin:/usr/sbin:/usr/bin
DAEMON=/usr/sbin/chilli
NAME=chilli
DESC=chilli
START_CHILLI=0
if [ -f /etc/default/chilli ] ; then
. /etc/default/chilli
fi
if [ "$START_CHILLI" != "1" ] ; then
echo "Chilli default off. Look at /etc/default/chilli"
exit 0
fi
test -f $DAEMON || exit 0
. /etc/chilli/functions
MULTI=$(ls /etc/chilli/*/chilli.conf 2>/dev/null)
[ -z "$DHCPIF" ] && [ -n "$MULTI" ] && {
for c in $MULTI;
do
echo "Found configuration $c"
DHCPIF=$(basename $(echo $c|sed 's#/chilli.conf##'))
export DHCPIF
echo "Running DHCPIF=$DHCPIF $0 $*"
sh $0 $*
done
exit
}
if [ -n "$DHCPIF" ]; then
CONFIG=/etc/chilli/$DHCPIF/chilli.conf
else
CONFIG=/etc/chilli.conf
fi
[ -f $CONFIG ] || {
echo "$CONFIG Not found"
exit 0
}
check_required
RETVAL=0
prog="chilli"
case "$1" in
start)
echo -n "Starting $DESC: "
/sbin/modprobe tun >/dev/null 2>&1
echo 1 > /proc/sys/net/ipv4/ip_forward
writeconfig
radiusconfig
test ${HS_ADMINTERVAL:-0} -gt 0 && {
(crontab -l 2>&- | grep -v $0
echo "*/$HS_ADMINTERVAL * * * * $0 radconfig"
) | crontab - 2>&-
}
ifconfig $HS_LANIF 0.0.0.0
start-stop-daemon --start --quiet --pidfile /var/run/$NAME.$HS_LANIF.pid \
--exec $DAEMON -- -c $CONFIG
RETVAL=$?
echo "$NAME."
;;
checkrunning)
check=`start-stop-daemon --start --exec $DAEMON --test`
if [ x"$check" != x"$DAEMON already running." ] ; then
$0 start
fi
;;
radconfig)
[ -e $MAIN_CONF ] || writeconfig
radiusconfig
;;
restart)
$0 stop
sleep 1
$0 start
RETVAL=$?
;;
stop)
echo -n "Stopping $DESC: "
crontab -l 2>&- | grep -v $0 | crontab -
start-stop-daemon --oknodo --stop --quiet --pidfile /var/run/$NAME.$HS_LANIF.pid \
--exec $DAEMON
echo "$NAME."
;;
reload)
echo "Reloading $DESC."
start-stop-daemon --stop --signal 1 --quiet --pidfile \
/var/run/$NAME.$HS_LANIF.pid --exec $DAEMON
;;
condrestart)
check=`start-stop-daemon --start --exec $DAEMON --test`
if [ x"$check" != x"$DAEMON already running." ] ; then
$0 restart
RETVAL=$?
fi
;;
status)
status chilli
RETVAL=$?
;;
*)
N=/etc/init.d/$NAME
echo "Usage: $N {start|stop|restart|condrestart|status|reload|radconfig}" >&2
exit 1
;;
esac
exit 0
问题在于，他在调试的时候，在for c in $MULTI循环里面，为了保证每个子进程都启动成功，加了一个wait，后面在建立tun通道的时候为了调试又加了几个sleep。照着官方文档，他又加了个restart到rc.local里面，这样问题就来了，/etc/init.d里面是自动执行chilli start命令的，而加上了wait和sleep。init.d的启动脚本会等待，而这时候Linux在不同的tty又启动了rc.local里面的chilli restart命令，于是两个或三个相同的tun IP地址就会共同存在。
反正问题解决了，鉴于他为这种破事熬了三个通宵，我就可以以先知的口吻教育这个亲自调试程序的CEO：“尽信书不如无书”。开源系统的官方文档往往滞后，可能新版本早就解决了需要restart的问题，但是文档没有及时更新，导致这种问题的发生。
总结，了解各种系统的工作原理是多么重要。
