神奇的Java'僵尸'进程问题

神奇的"僵尸"进程问题(java defunct)

现象描述

• 大概1个月多以前 在启动脚本中增加了tail -f
• 用来启动后追踪日志判断是否启动成功
• 后发现无法执行shutdown.sh(卡住 利用curl) 然后无奈使用kill -9
• 但通过ps -el 发现此时进程变为defunct 即僵尸进程
• 当时的解决办法无奈 只能找到僵尸进程的父进程kill
• 当时认为可能是tail的问题 后来启动脚本中去掉tail 发现问题解决
• But
  • 当时一直没有来得及排查是如何引起僵尸进程的问题
  • 这两天抽时间排查了一下 发现和tail没有一毛钱关系

艰难的排查过程1-尝试复现

• 测试代码Defunct.java

import java.util.concurrent.TimeUnit;

public class Defunct {
    public static void main(String[] args) {
        while (true) {
            System.out.println("test defunct");

            try {
                TimeUnit.SECONDS.sleep(30);
            } catch (InterruptedException e) {
                e.printStackTrace();
            }
        }
    }
}

• 启动脚本start.sh

#!/bin/bash

nohup java -cp defunct.jar Defunct &

echo "$!"
echo "$!" > pid

• 启动脚本start_tail.sh 使用了tail

#!/bin/bash

nohup java -cp defunct.jar Defunct &

echo "$!"
echo "$!" > pid

tail -f nohup.out

• 关服脚本stop.sh 这里使用kill关服

#!/bin/bash

pid=`cat pid`
echo $pid

kill $pid

• 分别用两个脚本测试，得出下面几个结论
  • start.sh启动的java进程的父进程是1 即init进程
  • start_tail.sh启动后 java进程的父进程是sh
    • sh分别有两个子进程
    • 一个是java子进程 一个是tail子进程
  • 当启动start_tail.sh后 因为tail是前台进程 所以ctrl+c可以结束
    • 此时sh和tail两个进程都结束了
    • 而此时java进程的父进程变为了1
  • 用这个例子做各种测试 都无法复现僵尸进程的问题
    • 所以初步结论是貌似和tail没有什么关系

艰难的排查过程2-游戏服务器尝试复现

• 当初出现是在游戏服务器复现的 那么应该比较复现吧
• 修改了一下一个游戏服务器的启动脚本 默认是没有加tail 现在加上了tail -f
• 启动游戏服务器脚本 看到日志 启动成功 ctrl+c 退出tail
• 调用shutdown.sh 发现服务器顺利关闭
• 结论
  • 竟然无法在游戏服务器复现

艰难的排查过程3-各种思考、查阅资料

• 首先从僵尸进程的产生原因入手
  • 猜测是否是sh这个父进程没有调用waitpid去回收java子进程
• 查询网上类似的tomcat tail -f问题
• 思考当初1个多月以前的情形
  • 其中有一个很重要的当初情形是shutdown的时候curl卡住了...
• 灵光一现
  • 难道是当初操作失误了 没有按下ctrl+c 而是按下了ctrl+z

神奇的ctrl+z 复现测试代码defunct

• 启动start_tail.sh 然后ctrl+z

[xx@achilles deploy_defunct]$ sh start_tail.sh 
3974
nohup: appending output to `nohup.out'
defunct2
^Z
[2]+  Stopped                 sh start_tail.sh

• 启动stop.sh 发现进程(3974)无法被stop

[xx@achilles deploy_defunct]$ sh stop.sh
3974
[xx@achilles deploy_defunct]$ jps
4146 Jps
3974 Defunct2
12790 SpursLauncher
3726 SpursLauncher

• 使用kill -9 尝试杀死进程 此时发现进程已经是defunct了

[xx@achilles deploy_defunct]$ kill -9 3974
[xx@achilles deploy_defunct]$ jps
3974 Defunct2
12790 SpursLauncher
4314 Jps
3726 SpursLauncher
[xx@achilles deploy_defunct]$ ps -el | grep 3974
0 Z   500  3974  3973  0  80   0 -     0 exit   pts/4    00:00:00 java 

• 此时 只要使用fg命令 从后台调到前台 然后按下ctrl+c 则僵尸进程进程自动消失

[xx@achilles deploy_defunct]$ ps -el | grep 3974
0 Z   500  3974  3973  0  80   0 -     0 exit   pts/4    00:00:00 java 
[xx@achilles deploy_defunct]$ fg
sh start_tail.sh
^C
[xx@achilles deploy_defunct]$ ps -el | grep 3974

神奇的ctrl+z 复现游戏服务器defunct

• 启动脚本(有tail) 等待一段时间(将所有服务器全部开启) 并ctrl+z

[xx@achilles spurs-2]$ sh start.sh
......
^Z
[1]+  Stopped                 sh start.sh

• 此时执行shutdown.sh 发现没有任何反应(卡住) 无奈ctrl+c

[xx@achilles spurs-2]$ sh shutdown.sh 
^C
[xx@achilles spurs-2]$ jps
9667 SpursLauncher
9796 Jps
[xx@achilles spurs-2]$ ll /proc/9667 | grep cwd
lrwxrwxrwx  1 xx xx 0 Dec  5 17:32 cwd -> /data/home/user00/xx/achilles/backend/spurs-2

[xx@achilles spurs-2]$ ps -el | grep 9667
0 T   500  9667  9666  7  80   0 - 1442848 signal pts/6  00:00:07 java
[xx@achilles spurs-2]$ ps -el | grep 9666
0 T   500  9666  8959  0  80   0 - 26521 signal pts/6    00:00:00 sh
0 T   500  9667  9666  7  80   0 - 1442848 signal pts/6  00:00:07 java
0 T   500  9669  9666  0  80   0 - 25241 signal pts/6    00:00:00 tail

• 此时执行jstack 也发现没有任何反应(卡住) 无奈ctrl+c

[xx@achilles spurs-2]$ jstack 9667
^C

• 此时执行kill -9 此时java进程已经变为了僵尸进程

[xx@achilles spurs-2]$ kill -9 9667
[xx@achilles spurs-2]$ ps -el | grep 9667
0 Z   500  9667  9666  1  80   0 -     0 exit   pts/6    00:00:07 java 

• 此时用fg将暂停的脚本恢复 然后ctrl+c 则僵尸进程消失 顺利被回收

[xx@achilles spurs-2]$ fg
sh start.sh
^C
[xx@achilles spurs-2]$ ps -el | grep 9666
[xx@achilles spurs-2]$ ps -el | grep 9667

总结1

• tail和造成defunct没有任何关系
• 根本原因是因为按下ctrl+z 将start_tail.sh切换到了后台
• 测试1 当start_tail.sh后 按下ctrl+z 如果直接被crt#session关闭了呢
  • 更神奇的事情发生了 java进程直接被干掉了
  • ！！ 这个在游戏服务器也测试了 一定要注意!!

• 测试2 执行start_tail.sh 直接关闭ctr#session 则java进程还在 因为是nohup启动
• 测试3 当start_tail.sh后 按下ctrl+z 再按fg 恢复执行 此时之后可以顺利shutdown

总结2

• 正常启动脚本 没有tail java进程的父进程是1 即init进程 使用shutdown脚本关闭java进程后 自动被init进程回收
• 启动脚本加了tail
  • 此时java进程的父进程是sh进程
  • sh进程有两个子进程 一个是java子进程 一个是tail子进程
  • 直接ctrl+c 则sh进程和tail进程都结束 java进程的父进程变为了1
  • 如果不ctrl+c 直接shutdown java进程 则java进程也会正常结束 即sh父进程会回收java子进程

总结3

• 最终'罪魁祸首'是ctrl+z 其会暂停程序的运行
• 如果我们启动脚本没有加tail 则执行完nohup & 自动到后台
• 但是我们加了tail后 因为tail是前台进程 所以要么ctrl+c结束 要么ctrl+z
• 如果我们按下了ctrl+z 则sh启动的所有子进程都会暂停
• 所以我们的java进程此时处于暂停状态 所以shutdown/jstack都卡住了一样 只能ctrl+c退出
• 然后错误的操作就是使用kill -9 这个会把进程给干掉 但是因为父进程sh被暂停了 所以无法waitPid 执行子进程的回收操作 从而导致java进程变为了僵尸进程
• 而通过fg恢复后 ctrl+c 父进程和tail都退出 java进程被init进程接管 自动回收

总结4

• 加tail -f 没有问题
• 但是一定不要忘了ctrl+c
• 如果ctrl+z 那么一定fg 然后ctrl+c
• 不过当出现了shutdown.sh卡住 或者操作jvm都没反应 可以怀疑是暂停了

参考

• kill与shutdownhook
• 孤儿进程与僵尸进程[总结]
• tomcat启动产生多个java进程并有defunct现象
• linux下tomcat shutdown后 java进程依旧存在
• linux中waitpid系统调用
• Linux 普通进程 后台进程 守护进程
• LINUX 的僵尸(ZOMBIE)进程
• 父进程和子进程
• 生产环境-linux-tomcat宕掉-乌龙事件
• Tomcat进程意外退出的问题分析