作为一个半路出家的linuc用户，coredump这个问题太让人抓狂了，网上找了好多都是不全面，不适应或者看不懂；现在终于解决了，记录一下防止以后出现还是无解，同时也分享给大家，希望大家能少踩一些坑。

目录

1.什么是段错误

2. 解决方案

3.解决过程

3.1 生成Core文件

3.1.1 使用ulimit -a命令查看core文件大小限制

3.1.2 在终端输入 cat /proc/sys/kernel/core_pattern 查看core的生成路径。

 3.1.3 修改core文件生成路径

3.2 GDB测试

3.2.1 启动gdb

3.2.2 输入bt回溯定位

参考资料：

1.什么是段错误

        core dump又叫核心转储, 当程序运行过程中发生异常, 程序异常退出时, 由操作系统把程序当前的内存状况存储在一个core文件中, 叫core dump. (linux中如果内存越界会收到SIGSEGV信号，然后就会core dump)。产生段错误的原因大致上有三类：访问不存在的内存地址、访问系统保护的内存地址和访问只读的内存地址。

2. 解决方案

网上的资料虽然比较乱，但是也提供了一个解决问题的思路：

(1)设置core文件，找到段错误生成的core文件

(2)利用core文件，使用GDB测试找到问题所在

3.解决过程

先看问题：

3.1 生成Core文件

3.1.1 使用ulimit -a命令查看core文件大小限制

可以看到core file size的大小为0，文件根本装不进，需要使用 ulimit -c unlimited 修改这个文件的大小

 修改成功后，按照网上的说法，再运行程序就会生成core文件，一般路径和可执行程序一个路径。但是在ubuntu20.04下，怎么也找不到去哪里了（反正我的是这样），因此需要查看core文件的生成路径。

3.1.2 在终端输入 cat /proc/sys/kernel/core_pattern 查看core的生成路径。

 转到这个路径下去找是找不到core文件，这是因为ubuntu的服务apport.service。自动生成崩溃报告，官方为了自动收集错误的。我们肯定想到修改路径的办法，那就演示一下会怎么样。

core的设置主要有两个命令：

 //控制core文件的文件名中是否添加pid作为扩展
echo "1" > /proc/sys/kernel/core_uses_pid  
//设置core文件的输出路径和输出文件名，这里我的路径是/home/boy/corefile，文件名就是后面的部分
echo "/home/boy/corefile/core-%e-%p-%t"> /proc/sys/kernel/core_pattern 

//参数说明
%p - insert pid into filename 添加pid
%u - insert current uid into filename 添加当前uid
%g - insert current gid into filename 添加当前gid
%s - insert signal that caused the coredump into the filename 添加导致产生core的信号
%t - insert UNIX time that the coredump occurred into filename 添加core文件生成时的unix时间
%h - insert hostname where the coredump happened into filename 添加主机名
%e - insert coredumping executable name into filename 添加程序名

我直接用echo "/home/boy/corefile/core-%e-%p-%t"> /proc/sys/kernel/core_pattern 进行修改，结果如图

 3.1.3 修改core文件生成路径

因为我们修改的core_pattern文件是只读文件，没法这样修改。所以要换一种思路，修改不了就先停掉apport.service，这个服务对我们来说基本没用。

错误报告的部分操作命令如下：

//1.启用错误报告
sudo systemctl enable apport.service
//或
sudo service apport start

//2.关闭错误报告
sudo systemctl disable apport.service
//或
sudo service apport stop

所以，用sudo service apport stop关闭错误报告后我们再看core文件的路径会怎么样

 可以看到，路径发生了变化，再运行一次试试，看现在能不能生成core

 可以看到，运行完后用ll查看生成了core文件，方法有限，下面就是GDB调试找到错误的位置了。

3.2 GDB测试

GDB详细说明请看参考资料大佬的整理，这里只记录一下我怎么测试的

3.2.1 启动gdb

输入gdb 运行文件  core文件,例如：

gdb  bin/run_vo  core

结果如下：

 可以看到对内存出现非法访问时将收到段错误信号SIGSEGV下面就是出错的位置，我们还可以使用backtrace回溯定位问题。

3.2.2 输入bt回溯定位

 可以看到现在的报告更加详细。

到此，coredump问题已经解决，输入q,即可退出gdb,剩下就是修改问题部分了。

参考资料：

(69条消息) ubuntu20.04 如何生成core文件_Jqivin的博客-CSDN博客https://blog.csdn.net/Jqivin/article/details/121908435?ops_request_misc=&request_id=&biz_id=102&utm_term=ubuntu20.04%E6%89%BE%E4%B8%8D%E5%88%B0core%E6%96%87%E4%BB%B6&utm_medium=distribute.pc_search_result.none-task-blog-2~all~sobaiduweb~default-4-121908435.142^v5^article_score_rank&spm=1018.2226.3001.4187(69条消息) Ubuntu18.04 产生不了core文件之解决办法_qq76211822的博客-CSDN博客_/usr/share/apport/apporthttps://blog.csdn.net/sz76211822/article/details/112181664?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522164879853216782248562235%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fall.%2522%257D&request_id=164879853216782248562235&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2~all~first_rank_ecpm_v1~rank_v31_ecpm-3-112181664.142^v5^article_score_rank&utm_term=%E4%BF%AE%E6%94%B9%2Fetc%2Fdefault%2Fapport&spm=1018.2226.3001.4187(69条消息) linux下gdb调试方法与技巧整理_花开蝶自来-liu的博客-CSDN博客_gdb调试https://blog.csdn.net/niyaozuozuihao/article/details/91802994 (69条消息) c++如何解决段错误 (核心已转储)_肥鼠路易的博客-CSDN博客_核心已转储https://blog.csdn.net/weixin_44991673/article/details/118030855

        在ubuntu中编译C语言不允许直接定义高阶数组如： int arr[3000][3000];

如果这样写的话编译会出现段错误（核心已转储）问题。

 解决方法： 用malloc开辟空间就行，c++中用new

例如定义一个3000*3000的矩阵

#include<stdio.h>
#define N 3000

int main()
{
    int **arr1;
    arr1 = (int **)malloc(N*sizeof(int*));
    for(int i=0;i<N;i++)
    {
        arr1[i]=(int*)malloc(N*sizeof(int));
      }
return 0;
}

这样段错误（核心已转储）问题就解决了。

具体出现是conda create虚拟环境或者conda install出现Segmentation fault段错误(吐核)。出现这样的错误一般是使用conda创建虚拟环境或者下载安装某个库时，下到一半网络中断，然后再一次使用同样的命令安装或者创建时出现的错误。如下图：

解决方法是清除未下载完的文件。可以去缓存的位置（…/anaconda3/pkgs/）直接删除，不过不建议（不清楚缓存的包千万不要自己去删除，我被搞得自闭了[大哭]）。可以在base env（非base env也行）中执行如下命令：

conda clean -a

注意，执行后刚刚下载的包会全部删除（其他的虚拟环境不受影响），得从新执行相关命令。