僵尸进程怎么解决,僵尸进程 危害

题图来自Unsplash，基于CC0协议

导读

Linux系统中，进程是执行程序的基本单位。当一个进程启动另一个进程（其子进程）时，子进程结束生命周期后，其资源大部分会被操作系统收回，但会保留一个状态信息，表明该进程已经终止。然而，如果父进程没有及时地“认领”（wait或waitpid）这个结束的状态信息，那么该进程就变成了“僵尸”状态。僵尸进程虽然不再进行任何计算或占用CPU，但它仍然占据系统资源（主要是进程表中的一个条目）。理解并妥善处理僵尸进程对于系统稳定至关重要。

僵尸进程的产生原因：

僵尸进程的根源在于子进程终止后父进程没有调用相应的系统调用（wait或waitpid）来获取子进程的退出状态。子进程结束后，内核会将其状态保留，并将其进程描述符的状态设置为 TASK_ZOMBIE。父进程若不执行 wait/waitpid，则永远无法得知子进程已死，并且进程表中的slot也不会被释放。

一个常见的场景是父进程因为某些原因（例如守护进程意外终止或父进程自己也变为僵尸）来不及或忘记回收其所有子进程就停止了，导致大量活动（即刚刚结束）的子进程变成了僵尸。孤儿进程（父进程先结束，子进程成为init进程（PID1）的子进程）会被init监控，init会定时回收它们，但这仍然是父进程未及时处理的一个特殊情况。

僵尸进程的危害：

僵尸进程虽然静止，但并非无害。它们最大的危害是会“占用”一个进程表条目。每个进程在生命周期内都会占用系统的一个进程ID和用户进程列表（task structure）的条目。如果一个系统上存在大量的僵尸进程，尤其是成千上万个，那么就会耗尽系统所能支持的最大进程数（通过 ulimit -u 或查看 /proc/sys/kernel/pid_max 的值可得知），导致新的进程无法被创建，引发不可预见的错误，严重时可能造成系统瘫痪或服务中断。

僵尸进程的系统影响：

僵尸进程不消耗CPU、内存（用户空间堆栈内存会释放，内核task structure保留少量信息）或网络带宽。它们的存在仅仅是一个事件状态的标记，目的是为了让父进程能够最终了解子进程的退出信息。但累积过多时，影响在于系统整体并发能力和稳定性，当达到系统限制无法创建新进程时，影响范围可能会非常广泛。

Linux 僬虫进程 的处理：

处理僵尸进程的核心方法是修复其产生的原因，即父进程正确地进行子进程状态的回收。实际操作中，“杀死”（kill）僵尸进程是无效的，因为它们已经是终止状态，不再响应信号。

如果进程的父进程（例如，一个正常运行的服务程序）遇到僵尸子进程，通常是通过修改其代码，在子进程结束时调用 waitpid 来处理。特别是对于长期运行并且会产生子进程的服务，开发者应该在代码中实现信号处理机制（例如处理SIGCHLD信号）或循环调用，以便及时清理僵尸子进程。

对于已经被init（PID1，或由init接管孤儿状态的进程）接手的孤儿僵尸进程，如果init进程“超载”或存在大量init下的僵尸进程，通常需要重启产生僵尸的父服务程序才能解决问题，或者在极端情况下，杀死init进程，但这通常不被建议且存在风险。直接寻找并kill僵尸进程本身并不能解决根本问题（除非它的父进程也被杀掉，导致僵尸进程失去父进程连接，但这一过程并不保证能完全清除僵尸状态）。

僵尸进程 Kill 无效：

僵尸进程本质上是“已经死”的进程，它们的进程状态是TASK_ZOMBIE，此时进程控制块（PCB/Task Structure）中大部分运行时数据已被释放，不再处于运行队列。因此，向僵尸进程发送kill信号（如SIGKILL或SIGTERM）是无效的，因为这些信号是设计用来终止运行中进程的，并且发送到一个进程控制（exit zombification）已经完成但尚未被父进程收集的进程是不会有任何效果的。kill僵尸进程通常只会返回错误信息，表明该进程不存在或者无法送达信号。这不是僵尸进程无害的表现，而是反映了其特殊的状态。

waitpid 僬虫进程：

waitpid是Linux系统调用，是父进程用来回收子进程资源、获取子进程退出状态的主要途径。特别是在父进程使用 fork 创建子进程并 exec 加载程序后，父进程需要负责清理。通过调用 waitpid(pid, &status, options)，父进程可以指定等待哪个子进程，并选择同步或异步（WNOHONG）方式返回子进程退出状态。这是一种主动的僵尸清理行为，是防止僵尸进程大量累积的核心机制。正确且及时地使用 waitpid 是解决僵尸问题的根本方法。

如何避免僵尸进程：

避免僵尸进程的关键在于编程良好的守护进程和服务器程序。开发者应在程序中遵循以下最佳实践：

1. 在子进程结束后，父进程通过 wait 或 waitpid 调用回收子进程。
2. 实现SIGCHLD信号处理程序。当子进程结束时，系统向父进程发送SIGCHLD信号。父进程捕获此信号并执行wait/waitpid循环，清理所有或单个已结束的子进程。这是最常见且有效的避免僵尸的方法之一。
3. 对于脚本语言编写的程序，如Shell脚本，可以利用 trap 命令捕获SIGCHLD信号并执行清理操作。
4. 服务上线前进行负载测试，观察是否会产生僵尸。
5. 定期使用 ps aux | grep "defunct" 或 top、htop等工具检查系统上的僵尸进程，及时发现问题。

总结来说，僵尸进程是一个常见的但可以通过合理设计和运维管理避免的问题。理解其工作原理、识别其状态、通过wait/waitpid进行主动清理是关键。对于已存在的僵尸进程，检查父进程是否正常，修改代码，重启服务通常是必要的解决步骤。持续监控和预防是维护系统健康的关键。