「杀不掉的」僵尸(zombie)进程

「杀不掉的」僵尸(zombie)进程

淘仇恕（张云开）

感谢淘宝内核组的帮助，Google
Drive原文

Linux的进程，有以下几种状态（摘自本文）：

State	Description
D	Uninterruptible sleep (usually IO)
R	Running or runnable (on run queue)
S	Interruptible sleep (waiting for an event to complete)
T	Stopped, either by a job control signal or because it is being traced.
W	Paging (not valid since the 2.6.xx kernel)
X	Dead (should never be seen)
Z	Defunct ("zombie") process, terminated but not reaped by its parent.

当一个进程处于Z状态，我们称之为zombie进程，如下所示：

#top-b-p56249  PID USER      PR  NI  VIRT  RES  SHR S %CPU%MEM    TIME+  COMMAND                                                                                           56249 ats       20   0     0    0    0 Z  0.0  0.0   5914:36 [ET_NET 0] <defunct>

正常情况下，处于zombie状态的进程，会很快地被它的父进程回收，以致于我们根本不会注意到zombie进程的存在。可在实践过程中，却有一些无法使用kill -9命令杀掉的zombie进程，这常常令我们束手无策。

如果某个进程一直处于zombie状态，可能会带来一些严重的问题，例如，假设这个进程没有正确地close掉socket，就会导致这些socket处于close_wait状态，这些socket将会占用系统的ip/port资源，将导致其他程序无法创建特定socket。

当出现「杀不掉」的zombie进程，我们常常归咎于kernel的bug，不了了之，但其实还有一种情况常常被忽略。让我们看看上面的这个zombie进程内部，是否还有其他线程（使用top命令的-H参数）：

#top-b-H-p56249 PID USER      PR  NI  VIRT  RES  SHR S %CPU%MEM    TIME+  COMMAND                                                                                          56249 ats       20   0     0    0    0 Z  0.0  0.0253:54.05 [ET_NET 0] <defunct>                                                                             56337 ats       20   0     0    0    0 D  0.0  0.0  38:53.67 [ET_AIO 0]                                                                                       56338 ats       20   0     0    0    0 D  0.0  0.0  38:48.24 [ET_AIO 1]

由上图可见，虽然[ET_NET
0](pid=56249)进程处于zombie状态，但它其实是一个多线程的程序，该程序中的其他线程，如[ET_AIO 0](pid=56337)等，处于D(Uninterruptible
sleep)状态，因为D状态的进程（在Linux中，线程只是特殊的进程）无法被中断，因此kill -9无法杀掉D状态的进程。也正因为这些D状态的进程的存在，导致父进程无法顺利的回收它们。

通常，我们还需要分析处于D状态的进程卡在了哪里。可通过/proc文件系统查看D状态进程的调用栈：

#cat/proc/56337/stack [<ffffffff811b372e>] __blockdev_direct_IO_newtrunc+0x6fe/0xb90 [<ffffffff811b3c1e>] __blockdev_direct_IO+0x5e/0xd0 [<ffffffff811b1317>] blkdev_direct_IO+0x57/0x60 [<ffffffff81113543>] generic_file_aio_read+0x793/0x870 [<ffffffff81177c3a>] do_sync_read+0xfa/0x140 [<ffffffff81178635>] vfs_read+0xb5/0x1a0 [<ffffffff81178962>] sys_pread64+0x82/0xa0 [<ffffffff8100b0f2>] system_call_fastpath+0x16/0x1b [<ffffffffffffffff>] 0xffffffffffffffff

由上图可见，该进程卡在了磁盘的read操作中，很可能是磁盘坏了。