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

发布人:A5数据发布时间:2026-10-21 08:59阅读量:88

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/OD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:

子进程为什么会变成僵尸 / 正常的父子进程退出流程配图

  1. 父进程通过 fork() 创建子进程;
  2. 子进程执行任务,可能通过 execve() 加载新的程序;
  3. 子进程执行结束并调用 _exit() 或由信号终止;
  4. 内核记录子进程的退出状态,并向父进程发送 SIGCHLD;
  5. 父进程调用 wait()、waitpid() 或 waitid();
  6. 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。

如何验证父进程没有回收子进程配图

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:

如何验证父进程没有回收子进程 / 第四步:跟踪父进程的等待系统调用配图

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

相关推荐