Linux服务器僵尸进程是怎么产生的,如何验证父进程未回收子进程
Linux 中的僵尸进程,并不是“进程还在后台运行但卡死了”,而是子进程已经结束,父进程却还没有通过 wait()、waitpid() 或 waitid() 读取它的退出状态。验证时,ps 输出中的 Z 或 <defunct> 可以证明子进程在当前时刻尚未被回收;如果要进一步确认父进程持续未回收,还需要结合父子关系、连续观察以及 wait 系统调用跟踪。
需要注意的是,单次看到一个 Z 状态,只能说明“此刻尚未回收”,不能直接证明父进程永远不会回收。父进程可能只是延迟处理,随后就调用了 waitpid()。因此,判断重点应放在僵尸进程是否持续存在、父进程是否仍然存活,以及父进程在观察期间有没有执行回收调用。
先划清僵尸进程的概念边界
僵尸进程是什么
Linux 子进程结束后,内核通常不会立即删除与它相关的全部进程记录。内核还需要保留一些信息,例如:
- 进程退出码;
- 资源使用统计;
- 进程号和父子关系;
- 供父进程读取的终止状态。
父进程调用 wait() 系列函数读取这些信息后,内核才会释放剩余的进程表项,并回收该进程号。父进程尚未完成这一步时,子进程就处于僵尸状态。
因此,僵尸进程具有几个典型特征:
- 子进程已经停止执行,不会继续消耗 CPU;
- 大部分用户态内存和文件资源已经释放;
- 内核仍保留少量进程记录;
ps的STAT字段通常以Z开头;- 命令名称经常显示为
<defunct>。
“僵尸”描述的是进程退出后的状态,不是服务进程卡住,也不是后台任务仍在运行。
僵尸进程与其他状态的区别
| 状态或现象 | 进程是否仍在执行 | 典型标识 | 是否属于僵尸进程 |
|---|---|---|---|
| 睡眠等待 | 可能被唤醒继续执行 | S、I | 否 |
| 正在运行 | 是 | R | 否 |
| 不可中断睡眠 | 通常在等待磁盘或设备 I/O | D | 否 |
| 被暂停 | 未执行,但仍未退出 | T | 否 |
| 僵尸 | 否 | Z、<defunct> | 是 |
| 孤儿进程 | 可能仍在运行 | 取决于自身状态 | 否,仅表示父进程关系发生变化 |
孤儿进程和僵尸进程经常被混淆。孤儿进程是父进程先退出,子进程仍在运行,之后被重新挂接到某个新的父进程;僵尸进程则是子进程先退出,但退出状态尚未被父进程取走。
子进程为什么会变成僵尸
正常的父子进程退出流程
一个典型的进程生命周期可以简化为以下过程:

- 父进程通过
fork()创建子进程; - 子进程执行任务,可能通过
execve()加载新的程序; - 子进程执行结束并调用
_exit()或由信号终止; - 内核记录子进程的退出状态,并向父进程发送
SIGCHLD; - 父进程调用
wait()、waitpid()或waitid(); - 内核将子进程完全清理,释放对应进程记录。
第 4 步到第 5 步之间,就是僵尸状态可能存在的时间窗口。
如果父进程很快调用了 waitpid(),这个窗口可能只有几微秒或几毫秒,人工通常观察不到。如果父进程根本没有调用等待函数,或者等待逻辑存在错误,僵尸进程就会持续存在。
可以将父进程理解为领取子进程“退出回执”的管理者。子进程虽然已经离开,但内核暂时保留回执,等待父进程领取。父进程不领取,回执对应的进程记录就不会完全消失。
SIGCHLD 只是通知,不等于自动回收
子进程退出时,内核通常向父进程发送 SIGCHLD。这个信号只表示“某个子进程状态发生了变化”,并不代表内核已经替父进程完成了回收。
例如,下面的处理逻辑就可能产生僵尸进程:
void handle_sigchld(int signal)
{
/* 只记录日志,没有调用 waitpid() */
}
正确的信号处理方式通常需要在处理函数中循环调用非阻塞等待:
#include <errno.h>
#include <signal.h>
#include <sys/wait.h>
static void handle_sigchld(int signal)
{
int saved_errno = errno;
while (waitpid(-1, NULL, WNOHANG) > 0) {
/* 持续回收已经退出的子进程 */
}
errno = saved_errno;
}
这里使用循环很重要。标准信号可能在短时间内合并。如果多个子进程几乎同时退出,父进程收到的 SIGCHLD 次数不一定与退出的子进程数量一一对应。只调用一次 waitpid(),可能仍会留下其他僵尸进程。
在部分程序中,父进程也可以显式将 SIGCHLD 设置为 SIG_IGN,或者使用 SA_NOCLDWAIT。在 Linux 的相应语义下,子进程退出状态不会以传统僵尸形式保留。但这种方式也意味着父进程通常无法再通过 waitpid() 获取子进程退出码,是否适用要看程序设计。
父进程退出后,僵尸会发生什么
如果父进程在子进程成为僵尸后退出,僵尸子进程会被重新挂接到某个“子收割者”进程,通常是 PID 1 或启用了 PR_SET_CHILD_SUBREAPER 的进程。
新的父进程负责后续回收,因此原先的僵尸一般会在重新挂接后消失。此时再查看僵尸进程的 PPID,可能已经看不到最初的业务父进程。
这也是为什么看到:
PPID=1
不能直接得出“原父进程没有回收子进程”的结论。它只能说明当前父进程已经是 PID 1,或者在对应 PID 命名空间中被 PID 1 接管。要判断原始父进程的行为,必须尽早记录父子关系,或者结合应用日志、源码和系统调用跟踪。
哪些因素会影响僵尸进程的产生
父进程的等待逻辑
常见问题包括:
- 创建子进程后完全没有调用
wait()系列函数; - 只等待某一个已知子进程,忽略其他子进程;
SIGCHLD处理函数只执行一次等待;- 使用
WNOHANG后没有持续轮询; - 多线程程序中由某个线程负责回收,但该线程异常退出;
- 父进程在信号处理、锁等待或错误分支中跳过了回收逻辑。
如果父进程采用“创建一个子进程、等待它结束”的同步模型,通常不容易积累大量僵尸。如果父进程是长期运行的任务调度器、工作进程管理器或高并发服务,异步回收逻辑更容易出现遗漏。
子进程退出速度和创建频率
子进程结束得越快,父进程的回收逻辑越容易暴露问题。例如,批处理服务不断创建短命进程,每秒创建几十到几百个子进程,即使单个僵尸只保留很少内核资源,遗漏也会很快累积。
相反,长时间运行的子进程即使父进程存在等待逻辑问题,也不会在子进程尚未退出时表现为僵尸。因此,僵尸数量上升通常与“短任务高频创建”和“回收逻辑不完整”同时有关。
容器和 PID 命名空间
在容器环境中,容器内的第一个进程通常承担类似 PID 1 的职责。它不仅负责启动业务进程,也可能需要接管孤儿进程并回收退出的子进程。
排查时要明确观察范围:
- 容器内看到的 PID 是容器 PID 命名空间中的编号;
- 宿主机上看到的 PID 可能不同;
- 容器内的 PID 1 不一定是宿主机的 PID 1;
- 容器中的父进程退出后,子进程可能被容器内的 PID 1 接管。
因此,宿主机和容器内分别执行 ps,可能得到不同的 PID 和父子关系。验证时应先确定命令是在宿主机、容器内部,还是某个独立的 PID 命名空间中运行。
面向长期运行的业务后台、任务调度器和容器服务,A5数据提供香港、美国、日本等地区的物理服务器,涵盖Xeon Gold与AMD EPYC平台,并配有SSD或NVMe存储及不同网络线路方案,可为多进程服务、数据库和高频任务提供相应的计算与部署资源。
如何验证父进程没有回收子进程
验证可以分成四层:确认状态、确认父子关系、确认状态是否持续、确认父进程是否执行过 wait 系统调用。

第一步:确认进程确实处于僵尸状态
可以先列出系统中状态以 Z 开头的进程:
ps -eo pid=,ppid=,stat=,etime=,user=,cmd= \
| awk 'substr($3, 1, 1) == "Z"'
典型输出可能如下:
23140 22901 Z 00:02 root [worker] <defunct>
23158 22901 Z+ 00:01 app [worker] <defunct>
这里:
23140和23158是僵尸子进程的 PID;22901是它们当前的父进程 PID;Z表示僵尸;Z+中的+通常表示进程位于前台进程组;<defunct>是ps对已退出进程的常见显示方式。
也可以针对某个 PID 查看更完整的信息:
zpid=23140
ps -o pid,ppid,state,stat,etime,wchan:24,cmd -p "$zpid"
grep -E '^(State|PPid|NSpid):' "/proc/$zpid/status"
示例结果:
PID PPID S STAT ELAPSED WCHAN CMD
23140 22901 Z Z 00:02 - [worker] <defunct>
State: Z (zombie)
PPid: 22901
NSpid: 23140
/proc/<PID>/status 中的 State: Z (zombie) 是判断状态的重要依据。NSpid 如果存在,还可以帮助确认该进程在不同 PID 命名空间中的编号。
第二步:查看当前父进程
拿到僵尸进程的 PPID 后,查看父进程是否仍然存在:
ppid=$(ps -o ppid= -p "$zpid" | tr -d ' ')
ps -o pid,ppid,state,stat,etime,wchan:24,cmd -p "$ppid"
还可以查看父进程直接管理的子进程:
cat "/proc/$ppid/task/$ppid/children"
如果输出中包含僵尸进程的 PID,说明从当前进程视角看,它仍然属于该父进程的子进程集合。这个文件是辅助信息,不能替代 ps 和 /proc/<PID>/status,因为多线程程序、PID 命名空间和进程状态变化都可能影响观察结果。
查看进程树也有帮助:
pstree -aps "$ppid"
如果系统没有安装 pstree,可以只使用 ps 和 /proc。常规服务器上不应为了单次排查随意安装软件,尤其是在生产环境变更受控的情况下。
第三步:连续观察,而不是只看一次
单次看到 Z,只说明子进程在这一刻还没有被回收。可以连续观察一段时间:
for i in $(seq 1 10); do
printf '%s\n' "$(date '+%F %T')"
ps -eo pid=,ppid=,stat=,etime=,cmd= \
| awk 'substr($3, 1, 1) == "Z"'
sleep 1
done
如果同一个 PID 在多次采样中都存在,且 PPID 保持为同一个仍在运行的父进程,就能说明该父进程在这段观察时间内没有完成回收。
示例观察结果:
2025-03-08 10:20:01
23140 22901 Z 00:05 [worker] <defunct>
2025-03-08 10:20:02
23140 22901 Z 00:06 [worker] <defunct>
2025-03-08 10:20:03
23140 22901 Z 00:07 [worker] <defunct>
这种结果可以支持以下判断:
- 子进程确实已经退出;
- 父进程仍然是
22901; - 在至少三秒观察期间,父进程没有回收该子进程。
但仍不能仅凭这组输出证明“父进程在所有时间内从未调用过 waitpid()”。父进程可能调用了等待函数,但等待的是另一个子进程,也可能在观察结束后才处理这个 PID。
第四步:跟踪父进程的等待系统调用
要进一步确认父进程是否执行了回收动作,可以使用 strace 观察 wait4 和 waitid:

sudo strace -tt -f -p "$ppid" \
-e trace=wait4,waitid \
-o "/tmp/parent-wait.$ppid.log"
Linux 中,应用程序调用的 waitpid() 通常会落到 wait4 等系统调用上,因此跟踪结果中未必直接显示字符串 waitpid。
如果父进程执行了回收,可能看到类似记录:
10:20:15.314201 wait4(-1, [{WIFEXITED(s) && WEXITSTATUS(s) == 42}], WNOHANG, NULL) = 23140
这里返回值 23140 表示父进程成功回收了该子进程。随后再次执行 ps,这个 PID 通常就不再显示为僵尸。
如果看到:
10:20:15.314201 wait4(-1, 0x7ffc..., WNOHANG, NULL) = 0
表示父进程检查过子进程状态,但当时没有立即回收任何子进程。它不等于父进程永远不会回收,仍需结合后续调用判断。
如果在僵尸进程持续存在期间,父进程没有任何 wait4 或 waitid 调用,则可以较有把握地判断:父进程在这段跟踪时间内没有执行回收动作。
生产环境使用 strace 时要考虑以下影响:
- 需要具备相应权限,通常需要
root或满足 ptrace 限制; - 附加跟踪可能短暂暂停目标线程;
- 高频系统调用程序会产生较多日志;
- 多线程程序只附加到一个线程时,可能遗漏其他线程执行的等待调用;
- 不应使用过宽的跟踪范围,以免增加业务延迟。
对于多线程父进程,还应查看:
ls "/proc/$ppid/task"
如果不同线程分别负责创建和回收子进程,需要针对承担回收职责的线程进行分析。父进程 PID 与线程组内的线程 TID 不是同一个概念,不能只根据主线程状态做出完整判断。
用一个可控示例验证整个过程
下面的程序创建一个子进程。子进程立即退出,父进程故意不调用任何 wait 函数,而是继续等待信号:
#include <stdio.h>
#include <stdlib.h>
#include <sys/types.h>
#include <sys/wait.h>
#include <unistd.h>
int main(void)
{
pid_t child;
setbuf(stdout, NULL);
child = fork();
if (child < 0) {
perror("fork");
return EXIT_FAILURE;
}
if (child == 0) {
_exit(42);
}
printf("parent pid: %ld, child pid: %ld\n",
(long)getpid(), (long)child);
for (;;) {
pause();
}
return EXIT_SUCCESS;
}
仅在测试主机或测试环境中编译运行:
cc -Wall -O2 zombie_demo.c -o zombie_demo
./zombie_demo &
parent_pid=$!
sleep 1
ps -eo pid=,ppid=,stat=,etime=,cmd= \
| awk -v p="$parent_pid" '$1 == p || $2 == p'
可能看到:
24510 23800 S 00:01 ./zombie_demo
24511 24510 Z 00:01 [zombie_demo] <defunct>
这个结果表示:
24510是仍在运行的父进程;24511已经退出;24511的当前父进程是24510;- 父进程没有调用
wait()回收它。
验证完成后,只对刚刚启动的演示父进程执行清理:
kill "$parent_pid"
wait "$parent_pid" 2>/dev/null || true
父进程退出后,子进程会被重新挂接并随后回收。不要将这个清理命令中的 PID 替换成生产服务 PID,也不要使用范围不明确的 pkill 或批量终止命令处理实际业务进程。
如何判断验证结果是否足够
不同证据能支持的结论并不相同:
| 观察结果 | 可以确认的内容 | 不能直接确认的内容 |
|---|---|---|
STAT 以 Z 开头 | 该进程当前是僵尸,退出状态尚未被当前父进程取走 | 父进程以后是否会回收 |
多次观察同一 PID 都是 Z | 在观察期间持续未回收 | 父进程此前是否曾回收过其他子进程 |
PPID 稳定且父进程仍存活 | 当前父子关系持续存在 | 原始业务负责人是否就是该父进程 |
strace 看到 wait4(...)=子进程PID | 父进程完成了该子进程的回收 | 其他子进程是否也都被正确处理 |
跟踪期间没有 wait4、waitid | 在跟踪窗口内没有执行相应等待调用 | 程序在跟踪前后是否调用过等待函数 |
僵尸的 PPID 已变为 1 或其他子收割者 | 子进程已被重新挂接 | 原父进程是否曾经主动回收 |
需要特别注意的限制
首先,PID 可能被快速复用。排查时不要只保存一个数字就长时间使用,应同时记录 PPID、进程状态、命令名和启动时间,避免把新进程误认为原来的僵尸进程。
其次,僵尸进程的数量和系统影响要分开判断。单个或少量僵尸通常不会造成明显 CPU 或内存占用,但长期积累可能占用进程表项、PID 资源,进而触及 pid_max、用户进程数限制或容器的 pids.max 限制。此时新进程可能无法创建,表现为 fork() 失败或服务无法拉起工作进程。
再次,父进程可能采用了合法的延迟回收策略。短时间内看到 Z 不一定是程序缺陷,关键在于僵尸是否持续累积,以及父进程是否在合理时间内完成回收。
最后,源码中存在 waitpid() 也不能证明运行时一定执行到了该路径;反过来,某次 strace 没有看到等待调用,也只能说明观察窗口内没有发生。较可靠的判断方式是:先用 ps 和 /proc 确认 Z 状态,再连续观察同一个 PID 和稳定的 PPID,最后在允许的环境中跟踪父进程的 wait4 或 waitid。当三类证据相互一致时,才能判断父进程在该观察期间确实没有回收子进程,而不是仅凭一次进程列表输出下结论。
本文由A5数据原创发布,转载请注明出处:https://www.a5idc.com/helpcontent/4844.html



