1. 从“最坏情况”说起为什么栈分析不能只看平均值在嵌入式开发或者系统级编程的圈子里我们经常聊性能、聊内存但有一个话题一旦聊深了就容易让人眉头紧锁——那就是栈Stack。你可能已经习惯了在调试时看函数调用栈或者知道局部变量存在栈上。但你是否真的清楚你的程序在最极端的情况下会吃掉多少栈空间这个“最坏情况”Worst-Case的数值往往不是你在开发板上随手跑个测试就能得到的它潜藏在代码的逻辑分支、中断的嵌套、递归的深度里像一个沉默的刺客平时不显山露水一旦条件触发就可能直接导致栈溢出Stack Overflow系统崩溃得毫无征兆。这就是“最坏情况栈分析”Worst-Case Stack Analysis存在的意义。它不是一个可选项而是构建高可靠性、尤其是安全关键系统如汽车电子、航空航天、医疗设备的必选项。想象一下你的车载控制器正在处理一个紧急刹车信号同时多个传感器中断涌入某个后台任务也被唤醒所有函数调用路径在这一刻被同时激活——这就是最坏情况。如果栈空间没留够系统崩溃的后果不堪设想。所以今天我们不聊理论就聊三种我实践过的、用来“揪出”这个最坏情况栈深度的实用方法。它们各有优劣适用场景也不同但目标一致给你的栈空间一个确定的、安全的“边界”。2. 方法一静态代码分析——在编译时就“算”出栈需求第一种方法也是最“理想化”的方法就是在代码还没跑到硬件上之前通过分析源代码本身计算出每个函数乃至整个调用链的栈使用上限。这听起来像魔法但确实有工具在尝试实现比如一些高级的静态分析工具或编译器插件例如某些ARM Compiler的链接器分析功能、或像stack-usage这样的GCC编译选项结合后续脚本分析。2.1 静态分析的原理与实现逻辑静态分析的核心思想是解析程序的控制流图Control Flow Graph, CFG。编译器或分析工具会遍历你的代码做这么几件事函数栈帧计算分析每个函数。它统计函数内所有局部变量包括编译器临时变量的总大小这就是该函数的“基本栈帧”。同时它会检查函数内是否有对alloca或变长数组VLA的调用这些是静态分析的难点因为其大小在编译时无法确定。调用链追踪分析函数的调用关系。工具会尝试找出从入口点如main或中断服务程序入口开始所有可能的函数调用路径。对于递归函数静态分析通常需要你手动指定一个最大递归深度否则它可能无法收敛。路径叠加对于每一条可能的执行路径将路径上所有函数的栈帧大小累加起来。然后从所有路径的累加值中找出最大值。这个最大值就是静态分析认为的“最坏情况栈深度”。举个例子假设我们有函数A调用BB调用C。A栈帧100字节B栈帧200字节C栈帧150字节 那么从A到C这条路径的栈深度就是 100 200 150 450字节。静态分析工具会找出所有类似路径中的最大值。注意这里有个关键点中断Interrupt的栈使用是独立的通常使用中断栈还是与任务栈共享在静态分析时必须明确模型。如果是共享则需要分析中断嵌套的最坏情况并将其叠加到任务调用链上。2.2 静态分析的优势与“骨感”的现实优势很明显早期预警在编码和编译阶段就能发现问题成本最低。全面覆盖理论上可以遍历所有代码路径包括那些很难通过测试触发的冷门分支。无需硬件不依赖具体的硬件或执行环境。但现实往往很“骨感”静态分析面临几个巨大挑战间接调用函数指针、虚函数这是静态分析的“天敌”。当函数通过指针调用时分析工具很难在编译时确定所有可能的目标函数导致调用图不完整分析结果可能过于乐观漏掉了一些调用路径。递归深度未知如果递归结束条件依赖于运行时的输入数据静态分析无法确定最大深度。动态行为像alloca、VLA、或者某些编译器特定的栈使用如保存浮点寄存器组可能难以精确计算。工具链依赖分析精度深度依赖编译器的代码生成策略。不同的优化等级-O0, -O1, -O2会对栈的使用产生巨大影响。内联函数inline会消除调用开销但可能增加单个函数的栈帧尾调用优化Tail-Call Optimization则会减少栈使用。实操心得 在实际项目中我通常将静态分析作为一个初步筛查和辅助理解的工具。我会在特定的优化等级通常是最终发布用的等级如-Os或-O2下开启编译器的栈使用报告GCC的-fstack-usage选项生成一个.su文件里面列出了每个函数的栈使用量。然后结合代码审查手动追踪关键任务和中断的主干调用路径进行粗略的叠加计算。这能帮你快速发现一些“栈大户”函数但很难作为最终确定栈大小的唯一依据。3. 方法二动态运行时检测——给栈贴上“水位尺”当静态分析遇到瓶颈时我们就要请出更直观的方法——动态检测也就是在程序实际运行过程中测量栈的使用情况。这就像在游泳池里放一个水位传感器实时监测水有多深。3.1 “栈填充”与“栈染色”技术最经典且有效的动态栈分析方法是“栈填充”Stack Filling或“栈染色”Stack Coloring。其原理非常简单初始化在系统启动、任务栈初始化之后立即用一个人工设定的、易辨认的魔数例如0xDEADBEEF、0xCAFEBABE或0xAA填充整个栈空间。运行测试然后让系统运行起来执行你的测试用例。这些用例需要精心设计目标是尽可能覆盖所有功能、触发所有分支、模拟高负载和中断嵌套场景也就是逼近“最坏情况”。事后检查在测试结束后或系统运行一段时间后从栈底高地址向栈顶低地址检查找出第一个没有被魔数覆盖的内存位置。这个位置就是栈指针曾经到达过的“最高水位线”Max Stack Usage。从栈顶到“水位线”之间的内存就是实际使用过的栈空间。栈总大小减去这个使用量就是剩余的栈空间安全裕量。3.2 如何实现与解读结果在像FreeRTOS、ThreadX这样的RTOS中这个功能通常是内置的。以FreeRTOS为例创建任务时你可以指定栈大小并在调试时通过uxTaskGetStackHighWaterMark()函数来查询该任务的历史“高水位线”。这个值就是在任务生命周期内栈指针距离栈顶最近的距离以字为单位。这个“高水位线”是历史最大值正是我们寻找的“最坏情况”的近似值。如果你是在裸机Bare-metal环境或使用其他OS你需要手动实现// 假设栈空间定义为数组栈顶在低地址向下增长 #define STACK_SIZE 4096 static uint32_t s_task_stack[STACK_SIZE]; void init_stack_for_analysis(void) { // 用魔数填充整个栈空间 for (int i 0; i STACK_SIZE; i) { s_task_stack[i] 0xDEADBEEF; } } size_t get_stack_high_water_mark(void) { // 从栈底数组末尾开始向栈顶检查 for (int i STACK_SIZE - 1; i 0; i--) { if (s_task_stack[i] ! 0xDEADBEEF) { // 找到第一个被修改的位置 // 高水位线 (栈顶地址 - 当前地址) 1 // 更简单剩余未使用的字数 i 1 (因为i是索引) // 已使用的字数 STACK_SIZE - (i 1) return STACK_SIZE - (i 1); } } return 0; // 栈完全未被使用 }实操心得与避坑指南测试用例的覆盖性是关键动态检测的准确性完全取决于你的测试能否触发最坏的执行路径。这需要结合单元测试、集成测试和压力测试。别忘了模拟中断风暴、消息队列爆满、任务同时就绪等边界条件。“最坏”可能还未出现动态测试找到的只是“已观测到的最坏情况”不代表理论上的绝对最坏情况。如果你的测试用例没有覆盖到某个极端分支组合这个值就是低估的。因此动态检测的结果需要乘以一个安全系数例如1.5到2倍作为最终分配的栈大小。注意中断上下文如果中断使用任务栈那么在高水位线检测时必须确保检测点发生在中断嵌套可能达到最深的时刻之后这通常很难捕捉。更稳妥的做法是为中断分配独立的中断栈。优化带来的误导编译器优化可能会复用栈空间例如两个不同时存在的局部变量共用同一块内存或者进行尾调用优化这会使得动态检测到的栈使用量小于静态分析的理论值。这通常是好事但分析时要心中有数。4. 方法三基于硬件性能监控单元PMU的指令追踪对于追求极致精确、且硬件平台支持的高级开发者第三种方法提供了近乎“上帝视角”的洞察力——利用处理器内部的性能监控单元PMU或嵌入式跟踪宏单元ETM进行指令流和内存访问追踪。4.1 硬件追踪如何捕捉栈指针现代Cortex-M/R/A系列处理器大多具备PMU可以配置为监控特定事件例如“存储指令执行次数”或“地址范围访问”。更高级的ETM可以输出完整的程序执行轨迹。我们可以利用这个能力来间接监控栈指针SP的行为划定栈内存区域首先在内存映射中精确知道栈空间的起始地址和结束地址。配置PMU事件设置PMU监控对该栈内存区域的“写访问”事件。每次栈指针向栈内写入数据如PUSH操作、存储局部变量都会触发计数器递增。运行与采样执行你的测试用例。PMU计数器会记录写入栈的总次数或总字节数。通过周期性地读取并记录这个计数器的峰值你可以推断出栈使用的深度。使用ETM进行精确回溯如果使用ETM配合调试探针如J-Link Plus ULTRA-5 或DS-5 Streamline可以捕获到完整的函数调用和返回序列。专业的工具链如Lauterbach TRACE32 ARM DS-5/DSTREAM能够解析这些追踪数据可视化地展示出随时间变化的栈深度曲线并直接标出最大值甚至告诉你这个最大值出现在哪个函数调用链中。4.2 此方法的威力与门槛优势极高精度得到的是硬件级别的真实数据不受编译器优化策略的干扰。可视化与可调试不仅能得到一个数字还能看到栈使用随时间变化的波形精准定位栈消耗最大的代码段。无需代码插桩不需要像“栈染色”那样修改代码或内存内容属于非侵入式测量。门槛与挑战硬件与工具依赖需要你的芯片支持PMU/ETM功能并且你需要拥有支持这些高级调试功能的昂贵探针和软件如TRACE32 DS-5 SEGGER SystemView。配置复杂设置PMU事件或ETM追踪是一个复杂的过程需要对处理器架构和调试体系有深入了解。数据量巨大ETM会产生海量的追踪数据需要强大的主机和软件来处理和分析。实操建议 这种方法通常用于产品开发后期的深度性能剖析与栈问题根因定位特别是当动态测试发现栈使用异常接近极限但又难以复现和定位具体路径时。对于大多数中小项目前两种方法的组合已经足够。但如果你正在开发ASIL-D级别的汽车ECU或飞控系统这项投资是值得的它能提供无可辩驳的证据链。5. 混合策略与实践构建你的栈安全防线在实际项目中我从不依赖单一方法。一个稳健的栈分析策略应该是混合的、分阶段的。阶段一设计期与编码期静态分析主导在软件架构设计时就为不同优先级的任务和中断分配初始的栈大小预算并形成文档。开启编译器栈使用报告-fstack-usage定期审查警惕栈使用量异常大的函数。编码规范中禁止或严格限制使用alloca、VLA以及过深的递归。阶段二开发与测试期动态检测主导在RTOS中充分利用uxTaskGetStackHighWaterMark()这类API将其集成到你的单元测试和系统测试框架中自动记录并报告每个任务的栈高水位线。设计“压力测试”用例专门用于“冲高”栈使用。例如创建最大深度的对象、模拟最频繁的中断、让所有任务同时处理峰值负载。基于动态测试得到的最大值乘以安全系数我通常用1.5到2倍取决于系统安全等级调整并最终确定栈大小。阶段三疑难排查与认证硬件追踪作为终极武器当动态测试发现栈使用异常例如高水位线达到总大小的90%以上且难以通过代码审查定位原因时启用硬件追踪。在最终进行安全认证如ISO 26262时硬件追踪提供的客观证据比软件测试报告更有说服力。一个重要的经验栈分析不是一次性的活动而是一个持续的过程。每次添加新功能、修改重要算法、甚至升级编译器版本后都应该重新进行栈使用评估。因为一个看似无害的改动可能会引入新的局部变量或改变调用路径从而悄悄推高你的栈需求。最后记住栈溢出的后果通常是灾难性的且难以调试表现为数据损坏、随机跳转等。多花一点时间在栈分析上为你系统的稳定性买一份可靠的保险这笔投入绝对物有所值。在我的经验里那些运行多年都稳如磐石的嵌入式系统无一例外都对栈、堆这些内存边界有着极其严格和清晰的管理策略。 1. 从“最坏情况”说起为什么栈分析不能只看平均值在嵌入式开发或者系统级编程的圈子里我们经常聊性能、聊内存但有一个话题一旦聊深了就容易让人眉头紧锁——那就是栈Stack。你可能已经习惯了在调试时看函数调用栈或者知道局部变量存在栈上。但你是否真的清楚你的程序在最极端的情况下会吃掉多少栈空间这个“最坏情况”Worst-Case的数值往往不是你在开发板上随手跑个测试就能得到的它潜藏在代码的逻辑分支、中断的嵌套、递归的深度里像一个沉默的刺客平时不显山露水一旦条件触发就可能直接导致栈溢出Stack Overflow系统崩溃得毫无征兆。这就是“最坏情况栈分析”Worst-Case Stack Analysis存在的意义。它不是一个可选项而是构建高可靠性、尤其是安全关键系统如汽车电子、航空航天、医疗设备的必选项。想象一下你的车载控制器正在处理一个紧急刹车信号同时多个传感器中断涌入某个后台任务也被唤醒所有函数调用路径在这一刻被同时激活——这就是最坏情况。如果栈空间没留够系统崩溃的后果不堪设想。所以今天我们不聊理论就聊三种我实践过的、用来“揪出”这个最坏情况栈深度的实用方法。它们各有优劣适用场景也不同但目标一致给你的栈空间一个确定的、安全的“边界”。2. 方法一静态代码分析——在编译时就“算”出栈需求第一种方法也是最“理想化”的方法就是在代码还没跑到硬件上之前通过分析源代码本身计算出每个函数乃至整个调用链的栈使用上限。这听起来像魔法但确实有工具在尝试实现比如一些高级的静态分析工具或编译器插件例如某些ARM Compiler的链接器分析功能、或像stack-usage这样的GCC编译选项结合后续脚本分析。2.1 静态分析的原理与实现逻辑静态分析的核心思想是解析程序的控制流图Control Flow Graph, CFG。编译器或分析工具会遍历你的代码做这么几件事函数栈帧计算分析每个函数。它统计函数内所有局部变量包括编译器临时变量的总大小这就是该函数的“基本栈帧”。同时它会检查函数内是否有对alloca或变长数组VLA的调用这些是静态分析的难点因为其大小在编译时无法确定。调用链追踪分析函数的调用关系。工具会尝试找出从入口点如main或中断服务程序入口开始所有可能的函数调用路径。对于递归函数静态分析通常需要你手动指定一个最大递归深度否则它可能无法收敛。路径叠加对于每一条可能的执行路径将路径上所有函数的栈帧大小累加起来。然后从所有路径的累加值中找出最大值。这个最大值就是静态分析认为的“最坏情况栈深度”。举个例子假设我们有函数A调用BB调用C。A栈帧100字节B栈帧200字节C栈帧150字节 那么从A到C这条路径的栈深度就是 100 200 150 450字节。静态分析工具会找出所有类似路径中的最大值。注意这里有个关键点中断Interrupt的栈使用是独立的通常使用中断栈还是与任务栈共享在静态分析时必须明确模型。如果是共享则需要分析中断嵌套的最坏情况并将其叠加到任务调用链上。2.2 静态分析的优势与“骨感”的现实优势很明显早期预警在编码和编译阶段就能发现问题成本最低。全面覆盖理论上可以遍历所有代码路径包括那些很难通过测试触发的冷门分支。无需硬件不依赖具体的硬件或执行环境。但现实往往很“骨感”静态分析面临几个巨大挑战间接调用函数指针、虚函数这是静态分析的“天敌”。当函数通过指针调用时分析工具很难在编译时确定所有可能的目标函数导致调用图不完整分析结果可能过于乐观漏掉了一些调用路径。递归深度未知如果递归结束条件依赖于运行时的输入数据静态分析无法确定最大深度。动态行为像alloca、VLA、或者某些编译器特定的栈使用如保存浮点寄存器组可能难以精确计算。工具链依赖分析精度深度依赖编译器的代码生成策略。不同的优化等级-O0, -O1, -O2会对栈的使用产生巨大影响。内联函数inline会消除调用开销但可能增加单个函数的栈帧尾调用优化Tail-Call Optimization则会减少栈使用。实操心得 在实际项目中我通常将静态分析作为一个初步筛查和辅助理解的工具。我会在特定的优化等级通常是最终发布用的等级如-Os或-O2下开启编译器的栈使用报告GCC的-fstack-usage选项生成一个.su文件里面列出了每个函数的栈使用量。然后结合代码审查手动追踪关键任务和中断的主干调用路径进行粗略的叠加计算。这能帮你快速发现一些“栈大户”函数但很难作为最终确定栈大小的唯一依据。3. 方法二动态运行时检测——给栈贴上“水位尺”当静态分析遇到瓶颈时我们就要请出更直观的方法——动态检测也就是在程序实际运行过程中测量栈的使用情况。这就像在游泳池里放一个水位传感器实时监测水有多深。3.1 “栈填充”与“栈染色”技术最经典且有效的动态栈分析方法是“栈填充”Stack Filling或“栈染色”Stack Coloring。其原理非常简单初始化在系统启动、任务栈初始化之后立即用一个人工设定的、易辨认的魔数例如0xDEADBEEF、0xCAFEBABE或0xAA填充整个栈空间。运行测试然后让系统运行起来执行你的测试用例。这些用例需要精心设计目标是尽可能覆盖所有功能、触发所有分支、模拟高负载和中断嵌套场景也就是逼近“最坏情况”。事后检查在测试结束后或系统运行一段时间后从栈底高地址向栈顶低地址检查找出第一个没有被魔数覆盖的内存位置。这个位置就是栈指针曾经到达过的“最高水位线”Max Stack Usage。从栈顶到“水位线”之间的内存就是实际使用过的栈空间。栈总大小减去这个使用量就是剩余的栈空间安全裕量。3.2 如何实现与解读结果在像FreeRTOS、ThreadX这样的RTOS中这个功能通常是内置的。以FreeRTOS为例创建任务时你可以指定栈大小并在调试时通过uxTaskGetStackHighWaterMark()函数来查询该任务的历史“高水位线”。这个值就是在任务生命周期内栈指针距离栈顶最近的距离以字为单位。这个“高水位线”是历史最大值正是我们寻找的“最坏情况”的近似值。如果你是在裸机Bare-metal环境或使用其他OS你需要手动实现// 假设栈空间定义为数组栈顶在低地址向下增长 #define STACK_SIZE 4096 static uint32_t s_task_stack[STACK_SIZE]; void init_stack_for_analysis(void) { // 用魔数填充整个栈空间 for (int i 0; i STACK_SIZE; i) { s_task_stack[i] 0xDEADBEEF; } } size_t get_stack_high_water_mark(void) { // 从栈底数组末尾开始向栈顶检查 for (int i STACK_SIZE - 1; i 0; i--) { if (s_task_stack[i] ! 0xDEADBEEF) { // 找到第一个被修改的位置 // 高水位线 (栈顶地址 - 当前地址) 1 // 更简单剩余未使用的字数 i 1 (因为i是索引) // 已使用的字数 STACK_SIZE - (i 1) return STACK_SIZE - (i 1); } } return 0; // 栈完全未被使用 }实操心得与避坑指南测试用例的覆盖性是关键动态检测的准确性完全取决于你的测试能否触发最坏的执行路径。这需要结合单元测试、集成测试和压力测试。别忘了模拟中断风暴、消息队列爆满、任务同时就绪等边界条件。“最坏”可能还未出现动态测试找到的只是“已观测到的最坏情况”不代表理论上的绝对最坏情况。如果你的测试用例没有覆盖到某个极端分支组合这个值就是低估的。因此动态检测的结果需要乘以一个安全系数例如1.5到2倍作为最终分配的栈大小。注意中断上下文如果中断使用任务栈那么在高水位线检测时必须确保检测点发生在中断嵌套可能达到最深的时刻之后这通常很难捕捉。更稳妥的做法是为中断分配独立的中断栈。优化带来的误导编译器优化可能会复用栈空间例如两个不同时存在的局部变量共用同一块内存或者进行尾调用优化这会使得动态检测到的栈使用量小于静态分析的理论值。这通常是好事但分析时要心中有数。4. 方法三基于硬件性能监控单元PMU的指令追踪对于追求极致精确、且硬件平台支持的高级开发者第三种方法提供了近乎“上帝视角”的洞察力——利用处理器内部的性能监控单元PMU或嵌入式跟踪宏单元ETM进行指令流和内存访问追踪。4.1 硬件追踪如何捕捉栈指针现代Cortex-M/R/A系列处理器大多具备PMU可以配置为监控特定事件例如“存储指令执行次数”或“地址范围访问”。更高级的ETM可以输出完整的程序执行轨迹。我们可以利用这个能力来间接监控栈指针SP的行为划定栈内存区域首先在内存映射中精确知道栈空间的起始地址和结束地址。配置PMU事件设置PMU监控对该栈内存区域的“写访问”事件。每次栈指针向栈内写入数据如PUSH操作、存储局部变量都会触发计数器递增。运行与采样执行你的测试用例。PMU计数器会记录写入栈的总次数或总字节数。通过周期性地读取并记录这个计数器的峰值你可以推断出栈使用的深度。使用ETM进行精确回溯如果使用ETM配合调试探针如J-Link Plus ULTRA-5 或DS-5 Streamline可以捕获到完整的函数调用和返回序列。专业的工具链如Lauterbach TRACE32 ARM DS-5/DSTREAM能够解析这些追踪数据可视化地展示出随时间变化的栈深度曲线并直接标出最大值甚至告诉你这个最大值出现在哪个函数调用链中。4.2 此方法的威力与门槛优势极高精度得到的是硬件级别的真实数据不受编译器优化策略的干扰。可视化与可调试不仅能得到一个数字还能看到栈使用随时间变化的波形精准定位栈消耗最大的代码段。无需代码插桩不需要像“栈染色”那样修改代码或内存内容属于非侵入式测量。门槛与挑战硬件与工具依赖需要你的芯片支持PMU/ETM功能并且你需要拥有支持这些高级调试功能的昂贵探针和软件如TRACE32 DS-5 SEGGER SystemView。配置复杂设置PMU事件或ETM追踪是一个复杂的过程需要对处理器架构和调试体系有深入了解。数据量巨大ETM会产生海量的追踪数据需要强大的主机和软件来处理和分析。实操建议 这种方法通常用于产品开发后期的深度性能剖析与栈问题根因定位特别是当动态测试发现栈使用异常接近极限但又难以复现和定位具体路径时。对于大多数中小项目前两种方法的组合已经足够。但如果你正在开发ASIL-D级别的汽车ECU或飞控系统这项投资是值得的它能提供无可辩驳的证据链。5. 混合策略与实践构建你的栈安全防线在实际项目中我从不依赖单一方法。一个稳健的栈分析策略应该是混合的、分阶段的。阶段一设计期与编码期静态分析主导在软件架构设计时就为不同优先级的任务和中断分配初始的栈大小预算并形成文档。开启编译器栈使用报告-fstack-usage定期审查警惕栈使用量异常大的函数。编码规范中禁止或严格限制使用alloca、VLA以及过深的递归。阶段二开发与测试期动态检测主导在RTOS中充分利用uxTaskGetStackHighWaterMark()这类API将其集成到你的单元测试和系统测试框架中自动记录并报告每个任务的栈高水位线。设计“压力测试”用例专门用于“冲高”栈使用。例如创建最大深度的对象、模拟最频繁的中断、让所有任务同时处理峰值负载。基于动态测试得到的最大值乘以安全系数我通常用1.5到2倍取决于系统安全等级调整并最终确定栈大小。阶段三疑难排查与认证硬件追踪作为终极武器当动态测试发现栈使用异常例如高水位线达到总大小的90%以上且难以通过代码审查定位原因时启用硬件追踪。在最终进行安全认证如ISO 26262时硬件追踪提供的客观证据比软件测试报告更有说服力。一个重要的经验栈分析不是一次性的活动而是一个持续的过程。每次添加新功能、修改重要算法、甚至升级编译器版本后都应该重新进行栈使用评估。因为一个看似无害的改动可能会引入新的局部变量或改变调用路径从而悄悄推高你的栈需求。最后记住栈溢出的后果通常是灾难性的且难以调试表现为数据损坏、随机跳转等。多花一点时间在栈分析上为你系统的稳定性买一份可靠的保险这笔投入绝对物有所值。在我的经验里那些运行多年都稳如磐石的嵌入式系统无一例外都对栈、堆这些内存边界有着极其严格和清晰的管理策略。 
