Erlang/OTP 26 应用崩溃日志丢失问题分析与解决方案

问题背景

在Erlang/OTP 26版本中，开发人员发现了一个影响系统日志完整性的重要问题：当应用程序在启动过程中崩溃时，系统会终止运行，但日志文件中却丢失了关键的崩溃信息。这个问题在OTP 25及更早版本中并不存在，但在OTP 26和27版本中普遍存在。

问题现象

具体表现为：

1. 应用程序启动时返回错误导致系统终止
2. 日志文件中只记录了部分错误日志，而非全部
3. 缺少关于哪个应用程序崩溃的关键信息
4. 系统终止前未能完整刷新所有待写入日志

问题复现

通过创建一个简单的Umbrella项目可以稳定复现此问题：

1. 修改应用程序启动函数使其返回错误
2. 在启动函数中添加多个logger:error调用
3. 配置logger将日志输出到文件
4. 构建并运行release版本

观察日志文件会发现：

• 只有部分错误日志被记录
• 缺少应用程序崩溃的堆栈跟踪信息
• 系统终止消息不完整

根本原因分析

经过深入分析，发现问题源于OTP 26中对init.erl模块的修改。具体机制如下：

1. 系统启动时，init进程按顺序加载应用程序
2. 当某个应用程序启动失败时，application_controller进入终止模式
3. application_controller向所有调用它的进程发送terminating响应
4. 这包括boot进程，它会执行系统终止逻辑
5. 新版本中立即终止的行为导致内核没有足够时间刷新所有日志到磁盘

关键变化在于OTP 26中修改了启动失败时的处理逻辑，使得系统过早终止，未能完成所有日志的写入操作。

解决方案

Erlang/OTP开发团队提出了修复方案，主要修改init.erl模块中的boot_loop函数：

1. 添加对{'EXIT',BootPid,terminating}消息的特殊处理
2. 在这种情况下不立即崩溃，而是继续循环
3. 给内核足够时间完成日志刷新操作

这个修改既解决了日志丢失问题，又保持了系统的稳定性。修复方案已被合并到maint和master分支，并将在后续版本中发布。

临时解决方案

对于无法立即升级的用户，可以考虑以下临时解决方案：

1. 调整应用程序启动顺序，确保关键日志在可能崩溃的应用程序之前完成
2. 添加sasl作为依赖项，这会改变应用程序加载顺序
3. 实现自定义的日志缓冲机制，确保关键信息被及时保存

最佳实践建议

为避免类似问题，建议开发人员：

1. 在应用程序启动过程中添加充分的日志记录
2. 对关键操作实现适当的错误处理和恢复机制
3. 定期检查日志系统的完整性和可靠性
4. 在升级Erlang/OTP版本前，充分测试日志相关功能

这个问题提醒我们，在系统基础架构变更时，需要特别注意像日志系统这样的基础功能的稳定性，它们对于系统运维和问题诊断至关重要。