遇到一个杀不死的僵尸进程

---

一、认识僵尸进程

1、僵尸进程是怎么产生的？

当运行一个进程时，会产生一个父进程和一些子进程；
当子进程执行完毕后，会发送 Exit 信号然后消亡，然后它的父进程会调用（wait / waitpid)来读取它的退出状态,
如果读取成功，则将这个子进程从进程表中删除，
否则无法从进程表中删除，那么它就变成了一个僵尸进程。

当用 ps 命令观察进程状态时，可以看到这些进程的状态为 defunct。
ps aux ｜ grep Z

2、僵尸进程是否有害？

如果僵尸进程数量巨大且长期存在的话，就相当于进程表中残留有大量僵尸进程的信息，
而这些信息是需要存储在内存的，所以会浪费资源。

---

二、僵尸进程常规杀法

1、kill -9 父进程pid

由于僵尸进程已经死掉了（只保留了 task_struct 结构体），而死掉的进程是无法直接 kill 的，
所以一般通过杀掉父进程来间接干掉僵尸进程。

把父进程杀掉，僵尸进程会变成孤儿进程，然后过继给1号进程，而1号进程会扫描名下子进程，把 Z 状态进程回收；

ps -ef  | grep 66046
qtest    66046      12321  99 Apr07 ?        992-23:20:31 [kvsvr] <defunct>

kill -9  12321

2、操作风险提示

杀父进程之前，建议评估操作风险， 看看父进程还有哪些关联进程，是否能容忍被杀。

---

三、僵尸进程暴力杀法

1、重启一下

如果僵尸进程的父进程是1号进程（ppid=1），

ps -ef  | grep 66046
qtest    66046      1  99 Apr07 ?        992-23:20:31 [kvsvr] <defunct>

那么 kill 就不管用了，只能通过 重启服务器 解决；

2、操作风险提示

重启这招比较简单粗暴但也有效，
建议根据上面服务能否容忍重启影响来决定是否可以靠重启解决。

---

四、为什么僵尸进程的 ppid 可以是 1 ？

1、理论上被 Init 接管的进程不会变成僵尸

在每个进程结束的时候，系统都会扫描当前系统中所运行的所有进程,
看看是否有进程是刚刚结束的这个进程的子进程，
如果有的话, 就由 Init 进程来接管它, 成为它的父进程，从而保证每个进程都会有一个父进程。

通常来说，
一旦 init进程接管了 Z 状态的进程，就会调用 wait 将其回收的，
因此理论上被 Init 接管的所有进程都不会变成僵尸进程。

那么究竟为何会出现 ppid 是 1 的僵尸进程呢？

2、尝试推测一种可能性

回到僵尸进程产生的根源 “进程退出” 这里 ，这里尝试推测一种可能性：

进程结束会调用内核函数 do_exit，这个函数有两个关键逻辑：

do_exit()
  ->exit_notify()
     -> do_notify_parent()

2.1 作为父进程：给自己的子进程（如果存在）找一个新的父进程**

如果要退出的进程时多线程进程，则可以将子进程托付给自己的兄弟线程，
如果没有这样的线程，则托付给init进程；
总之init进程会兜底。

2.2 作为子进程：通知自己的父进程为自己释放 task_struct**

对于单线程的进程来说，这个过程也比较简单；
但对于多线程的进程就略复杂：
因为只有线程组的主线程才有资格通知父进程，
线程组的其他线程终止时，并不会通知父进程，甚至都没必要保留资源进入僵尸状态，直接调用 release_task 函数释放所有的资源就完事了。

由于父进程只认子进程的主线程，所以在线程组中，如果主线程终止了，但是如果线程组还有其他线程在运行，那么就不会通知父进程为自己释放task_struct了，直到线程组中最后一个线程退出时才会释放。

因此在用户态，是可以调用pthread_exit让主线程先退出的，但在内核态中，主线程的task_struct可能因为线程组还有其他线程在运行而需要继续留住；这种情况下，主线程就会变为Z僵尸状态，纵使init接管了主线程，也不会改变。

于是便出现了 “僵尸进程”的 ppid 是 1 的现象。