我曾经做了两年大型软件的维护工作，那个项目有 10 多年了，大约 3000 万行以上的代码，参与过开发的有数千人，代码 checkout 出来有大约 5 个 GB，而且 bug 特别多，open 的有上千，即使最高优先级的 showstopper 也有上百。分享下我的 debug 的经验 ——
-
优先解决那些可重现的，可重现的 bug 特别好找，反复调试测试就好了，先把好解决的干掉，这样最节约时间。
-
对于某些 bug 没有头绪或者现象古怪不知道从哪里下手，找有经验的同事问一下思路，因为在那种开发多年的大型系统里，经常会反复出现同样原因的 bug，原因都类似，改了一处，过一阵子另外一处又冒出来，而且无法根治。比如：我那个系统里有个特别危险的 API，接口参数比较难用，一旦有人用错了某些情况下就会出诡异的现象，解决很简单，找到调用这个 API 的地方把调用方式写对就好了。为什么不根治呢？因为要保持兼容性不能改接口了。Windows 系统里就好多这种烂 API。问下老员工吧，说不定他们都遇到过好多次了。
-
放大现象，有些 bug 现象不太明显，那么就想办法增大它的破坏性，把现象放大。这只是个思路，具体怎么放大只能根据具体的代码来定。比如：美剧《豪斯医生》里有一集，怀疑病人心肺有问题，就让病人去跑步机上跑步，加重心肺负担，从而放大症状。
-
二分法定位，把程序逻辑一点点注释掉，看看还会不会出问题，类似二分查找的方法，逐步缩小问题范围。
-
模拟现场，有时候我会问自己，如果我要实现 bug 描述的现象我要怎么写代码才行？比如：我遇到一个死锁问题，但是检查代码发现所有的锁都是配对的，没有忘记解锁的地方，而且锁很简单就是一个普通的临界段，保护几行赋值语句而已。这样的代码怎么写才能让他死锁呢？我想如果让我故意制造这样一个现象，只有在上锁的时候强制杀掉线程了。既然这样就可以去看看有谁强杀线程了没有。
-
制作工具，针对某些 bug 编写一些调试辅助工具。比如，我那个系统没有完善的崩溃报告，虽然也有 dump，但是分析出来的 callstack 经常不准。于是我为解决崩溃问题编写了个工具，会自动扫描代码，在每个函数入口和出口插入 log，以此来定位崩溃点。
-
掩盖问题，虽然这样做有点不厚道，但是有时不得不这么做。有些 bug 找不到真正的 root cause，但是又要在规定时间内解决，那么我们就可以治疗症状而不去找病因。比如用 try catch 掩盖一些奇怪的崩溃。不到万不得已不要这么干，未来可能会付出更大代价。
