#微软故障##Crowdstrike是怎么让全球微软系统崩溃的#
昨天网络安全巨头Crowdstrike的一次软件更新引发了大规模的Windows系统崩溃，海外不少航班也不飞了，打工人也不用上班了。
技术专家Zach Vorhies在X上进行了深入分析，我补充了一些背景知识，做了个综述。没想到，是这么一个低级错误。但是貌似很多灾难性技术事故的背后，都是类似的失误。其实也说明，人是不可靠的。

Andrej Karpathy也发了一个推评论，“CrowdStrike 故障是一个系统性风险案例研究......错误的几个比特就能导致 10 亿台计算机瘫痪，并产生所有二阶、三阶效应。技术领域还存在哪些瞬时失效的单点故障？”

***
1、事件概述：
2024年7月，Crowdstrike推送了一个例行的软件更新。然而，这个看似普通的更新却包含了一个致命的编程错误，导致大量Windows用户遭遇了系统崩溃，俗称"蓝屏死机"（BSOD, Blue Screen of Death）。这不仅影响了普通用户，还可能对依赖Windows系统的企业和组织造成严重影响。

2、问题根源：
这个问题的根源在于C++编程语言中的一个"空指针"（Null Pointer）错误。C++是一种广泛用于系统级编程的语言，以其高效和灵活性著称，但同时也以其复杂性和潜在的内存管理问题而闻名。
深入理解计算机内存：

3、要理解这个问题，我们需要先了解计算机内存的工作原理：
*计算机内存可以想象成一个巨大的数组，每个位置都有一个唯一的地址。
*这些地址通常用十六进制表示，例如0x1A3B。
*在32位系统中，内存地址范围从0x00000000到0xFFFFFFFF。
*在64位系统中，这个范围更大，但原理相同。

4、空指针的概念：
在C++中，指针是一种存储内存地址的变量。"空指针"（通常表示为NULL或在现代C++中为nullptr）是一个特殊的值，表示指针没有指向任何有效的内存位置。它通常被赋予地址0或接近0的值。

5、关键的编程错误：
在Crowdstrike的代码中，程序员犯了一个常见但危险的错误：没有检查指针是否为空就试图使用它。这就像是在没有确认书本是否存在的情况下，就试图翻到某一页。

6、错误的具体表现：
让我们用更技术化的语言来解释这个错误：
假设程序试图访问一个对象的成员，该成员位于对象起始地址偏移0x9c（156字节）的位置。
正常情况下，如果对象位于内存地址0x10000000，那么访问这个成员就会读取地址0x1000009c的内容。
但如果对象指针为NULL（地址0），那么程序就会试图读取地址0x0000009c的内容。
地址0x0000009c位于系统保护的内存区域，尝试读取它会立即触发系统保护机制。

7、系统级软件的特殊性：
Crowdstrike的软件是一个系统驱动程序，运行在内核模式（Ring 0）。这意味着：
*它有最高级别的系统访问权限。
*它的错误可能直接影响整个操作系统的稳定性。
*普通应用程序的崩溃通常只会导致该程序被终止，而内核模式的崩溃会导致整个系统宕机。

8、正确的编程实践：
为了避免这种错误，程序员应该养成以下习惯：
*总是检查指针是否为空before使用它。
*使用现代C++特性，如智能指针（std::shared_ptr, std::unique_ptr），它们可以帮助管理内存和避免空指针错误。
*考虑使用静态代码分析工具，这些工具可以自动检测潜在的空指针问题。

9、行业反思和改进措施：
*微软需要改进其驱动程序认证过程，可能引入更严格的测试要求。
*考虑实施更灵活的更新回滚机制，以便快速应对类似事件。
*软件公司可能需要重新评估其质量保证（QA）流程，特别是对于系统级软件。
*加强对开发人员的培训，特别是在内存安全和系统编程方面。

10、编程语言的演进：
这个事件也引发了关于编程语言选择的讨论：
C++虽然强大，但容易出现内存相关的错误。
新兴的系统编程语言如Rust，通过其所有权系统和借用检查器，在编译时就能防止许多内存错误。
然而，转向新语言涉及大量的代码重写和再培训，是一个复杂的决策。

11、安全与效率的权衡：
这个事件突出了在系统编程中安全性和效率之间的永恒权衡：
C++提供了接近硬件的控制，但也带来了更高的风险。
更安全的语言或更严格的检查可能会带来性能开销。
在关键系统软件中，如何在保持高性能的同时确保安全性，仍是一个挑战。