Tại sao code chạy trên máy này nhưng lại lỗi trên máy khác?

Số người xem bài viết (Post Views): 17

Bạn từng gặp tình huống này chưa? Code của bạn chạy ngon lành trên máy mình, nhưng khi gửi cho đồng đội hoặc deploy lên server thì… BÙM 💥! Error xuất hiện đầy màn hình. Đáng sợ hơn là lỗi không rõ ràng, debug hoài không ra nguyên nhân. Vậy lý do là gì? Hãy cùng mổ xẻ nhé!

Table of Contents

1. Sự khác biệt về môi trường hệ thống

Không phải máy nào cũng giống nhau. Những yếu tố có thể khác biệt giữa các máy bao gồm:

Hệ điều hành: Windows, macOS, Linux – mỗi ông có cách hoạt động riêng, đặc biệt khi liên quan đến đường dẫn file, quyền truy cập, và encoding.
Phiên bản Python / Node.js / Java /…: Cùng là Python nhưng 3.7 và 3.11 có thể xử lý một số thứ rất khác nhau.
Thư viện và dependencies: Có chắc đồng nghiệp của bạn cài đúng phiên bản thư viện như bạn không? Hay họ đang chạy bản “cách đây 10 năm”?
Biến môi trường: Một số ứng dụng phụ thuộc vào biến môi trường như API_KEY, DATABASE_URL… Nếu máy A có mà máy B không có, lỗi là chuyện đương nhiên.

👉 Cách kiểm tra & khắc phục:

Dùng python --version hoặc node -v để kiểm tra phiên bản ngôn ngữ lập trình.
Chạy pip freeze > requirements.txt (Python) hoặc npm list (Node.js) để kiểm tra thư viện.
Kiểm tra biến môi trường bằng env (Linux/macOS) hoặc set (Windows).

“Thử hết cách rồi mà chưa được thì bạn kiếm 1 cái máy ảo rồi thử trên Linux xem.

2. Lỗi do khác biệt về hệ thống file và quyền truy cập

Windows vs Linux/macOS: Windows dùng \ cho đường dẫn file, Linux/macOS dùng /. Nếu code bạn viết cố định đường dẫn theo Windows, khi chạy trên Linux sẽ bị lỗi ngay.
Phân quyền file: Một số file cần quyền admin (Windows) hoặc root (Linux). Chạy code bằng user bình thường có thể dẫn đến lỗi “Permission Denied”.
File format: Windows có kiểu xuống dòng CRLF, còn Linux/macOS dùng LF. Điều này có thể gây lỗi khi đọc file text hoặc xử lý dữ liệu.

👉 Cách kiểm tra & khắc phục:

Luôn dùng os.path.join() trong Python thay vì viết đường dẫn cứng.
Kiểm tra quyền file bằng ls -l trên Linux/macOS hoặc icacls trên Windows.
Nếu làm việc với file text, dùng dos2unix để chuyển đổi định dạng xuống dòng.

“Cái đó chắc là UTF8 BOM hoặc CRLF.”

3. Dependency bị thiếu hoặc không tương thích

Một trong những lỗi đau đầu nhất: Code của bạn chạy vì bạn đã cài sẵn mọi thứ, còn máy khác thì không.

Ví dụ: Bạn dùng TensorFlow 2.11 nhưng đồng nghiệp lại cài 2.0. Code có thể chạy sai hoặc thậm chí không chạy nổi.

👉 Cách kiểm tra & khắc phục:

Dùng pip freeze, npm list, composer show, hoặc mvn dependency:tree để kiểm tra danh sách thư viện đã cài.
Dùng virtual environment (Python) hoặc Docker để đảm bảo môi trường giống nhau giữa các máy.

“Gặp lỗi kiểu này bạn phải thử một cái project clean, chỉ vài cái package cơ bản để xem pip lỗi hay package lỗi.”

4. Kiểu dữ liệu và encoding khác nhau giữa các hệ thống

Đây là vấn đề hay gặp khi làm việc với file hoặc database:

Windows mặc định dùng encoding ANSI, Linux/macOS thường là UTF-8. Nếu không kiểm soát tốt, bạn có thể bị lỗi khi đọc ghi file.
Database không đồng bộ giữa các máy: MySQL có chế độ STRICT_TRANS_TABLES trên server nhưng local lại không bật? JSON lưu kiểu "id": 123 trên máy này nhưng "id": "123" trên máy khác?

👉 Cách kiểm tra & khắc phục:

Kiểm tra encoding file bằng file -i filename trên Linux/macOS hoặc chcp trên Windows.
Luôn ép kiểu dữ liệu rõ ràng khi làm việc với database.

5. Debug thế nào cho hiệu quả?

Khi gặp lỗi giữa các máy, bạn nên làm theo trình tự:

Xác định khác biệt giữa hai máy (OS, phiên bản phần mềm, thư viện,…).
Tái hiện lỗi trên máy của mình bằng cách giả lập điều kiện tương tự (dùng Docker, máy ảo, WSL2,…).
Dùng phương pháp debug nhị phân: Xóa bớt một nửa code, kiểm tra xem lỗi còn không. Nếu còn, tiếp tục chia đôi để thu hẹp phạm vi lỗi.

“Tìm lỗi bằng phép tìm nhị phân: có/không, tắt/mở,… để cô lập vùng có khả năng gây lỗi.”

Kết luận

Code chạy trên máy này nhưng lỗi trên máy khác có thể do hàng loạt nguyên nhân: môi trường hệ thống khác nhau, thư viện không đồng bộ, quyền truy cập khác biệt, encoding file, v.v. Cách tốt nhất để tránh lỗi là chuẩn hóa môi trường (dùng Docker, Virtual Environment, hoặc kiểm tra kỹ dependencies). Và quan trọng nhất: Đừng chủ quan nghĩ rằng “Máy mình chạy được thì máy ai cũng chạy được” nhé! 🚀