YashanDB 知识库|insert 写入乱码字符，CPU 占满、线程卡死? 你可能踩到了 lex 死循环的坑

【问题现象】

在 GBK 编码的 YashanDB 数据库中，执行某条 insert 语句后：

SQL 长时间无响应

CPU 资源占满（单核 99.9%）

kill session 后也无法释放

查看线程状态，发现 yasdb worker 长时间占用 CPU，而会话处于 killed 状态却无法销毁。

【影响版本】

YashanDB 22.2.16.1

YashanDB 23.3.0.61 及更早版本

【根因分析】

✳ 问题本质：编码非法字符导致 lex 模块陷入死循环

分析表明，该问题由 SQL 中存在非法编码字符引起。示例中数据包含如下非法片段：

0x83. 0x36. 0xCA, 0x33

这些字符既不是 GBK 编码，也不属于 UTF 编码范围。

服务端在解析 SQL 过程中进入：

lex → gbkNextCharLengthb

第一个非法字符(如 0x83)返回 mblen = -1

系统尝试后退 1 位继续识别(回到 '.')，再前进，又重新识别 0x83

于是形成 循环调用 → 无法退出 → 死循环

【复现路径】

由于普通 SQL 编写无法打出这些非法字符，测试人员通过 C 驱动+16 进制写入构造场景进行复现。

【风险说明】

【解决方案】

暂时恢复方法

yasboot cluster restart -c yashandb -d

通过重启数据库集群，释放死循环线程，恢复系统状态。

长期解决建议

后续版本已修复 lex 处理非法编码导致死循环的 bug;

如使用旧版本，建议避免插入非法编码内容;

数据迁移前请统一字符集编码规范。

【预防建议】

【经验总结】

lex 层属于语法解析器的核心组件，一旦陷入循环会导致整个 SQL 处理栈无法退出;

编码错误是极易被忽视但影响深远的隐患;

数据处理工具链、接口数据源建议统一使用 UTF-8;

若必须使用 GBK，应明确字符支持范围，并在 ETL 前做字符合法性清洗。