Linux进程概念

Linux进程概念

冯诺依曼体系结构

我们常见的计算机，如笔记本。我们不常见的计算机，如服务器，大部分都遵守冯诺依曼体系。

1. 存储器：内存
2. 输入设备：键盘，摄像头，话筒，磁盘，网卡
3. 输出设备：显示器，音响，磁盘，网卡
4. CPU
   • 运算器：算术运算，逻辑运算
   • 控制器：CPU可以相应外部事件，协调外部就绪事件，比如：拷贝数据到内存

• CPU读取数据(数据+代码),都是要从内存中读取。站在数据的角度，我们认为CPU不和外设直接交互。
• cpu要处理数据，需要先将外设中的数据，加载到内存。站在数据的角度，外设直接只和内存打交道。
• 程序要运行，必须先被加载到内存里。

操作系统（Operating System）

任何计算机系统都包含一个基本的程序集合，称为操作系统(OS)。笼统的理解，操作系统包括：

• 内核（进程管理，内存管理，文件管理，驱动管理）
• 其他程序（例如函数库，shell程序等等）

设计OS的目的：

• 与硬件交互，管理所有的软硬件资源
• 为用户程序（应用程序）提供一个良好的执行环境

定位：

• 在整个计算机软硬件架构中，操作系统的定位是：一款纯正的搞管理”的软件

如何理解 “管理”

• 管理的例子
• 描述被管理对象
• 组织被管理对象

总结：

计算机管理硬件

1. 描述起来，用struct结构体
2. 组织起来，用高效的数据结构

系统调用和库函数概念

• 在开发角度，操作系统对外会表现为一个整体，但是会暴露自己的部分接口，供上层开发使用，这部分由操作系统提供的接口，叫做系统调用。
• 系统调用在使用上，功能比较基础，对用户的要求相对也比较高，所以，有心的开发者可以对部分系统调用进行适度封装，从而形成库，有了库，就很有利于更上层用户或者开发者进行二次开发。

承上启下

操作系统是怎么管理进行进程管理的呢？很简单，先把进程描述起来，再把进程组织起来！

进程

基本概念：

• 课本概念：程序的一个执行实例，正在执行的程序等
• 内核观点：担当分配系统资源（CPU时间，内存）的实体。

描述进程–PCB：

• 进程信息被放在一个叫做进程控制块的数据结构中，可以理解为进程属性的集合。
• 课本上称之为PCB（process control block 进程控制块），Linux操作系统下的PCB是: task_struct

task_struct-PCB的一种：

• 在Linux中描述进程的结构体叫做task_struct。
• task_struct是Linux内核的一种数据结构，它会被装载到RAM(内存)里并且包含着进程的信息。

task_ struct内容分类：

• 标示符: 描述本进程的唯一标示符，用来区别其他进程。
• 状态: 任务状态，退出代码，退出信号等。
• 优先级: 相对于其他进程的优先级。
• 程序计数器: 程序中即将被执行的下一条指令的地址。
• 内存指针: 包括程序代码和进程相关数据的指针，还有和其他进程共享的内存块的指针
• 上下文数据: 进程执行时处理器的寄存器中的数据[休学例子，要加图CPU，寄存器]。
• I／O状态信息: 包括显示的I/O请求,分配给进程的I／O设备和被进程使用的文件列表。
• 记账信息: 可能包括处理器时间总和，使用的时钟数总和，时间限制，记账号等。
• 其他信息

组织进程

可以在内核源代码里找到它。所有运行在系统里的进程都以task_struct链表的形式存在内核里。

查看进程

进程的信息可以通过 /proc 系统文件夹查看，如：要获取PID为1的进程信息，你需要查看 /proc/1 这个文件夹。

大多数进程信息同样可以使用top和ps这些用户级工具来获取

[hmy@VM-8-15-centos ~]$ ps -ajx | grep 19535
19535 11682 11682 19535 pts/0    11682 R+    1002   0:00 ps ajx
19535 11683 11682 19535 pts/0    11682 S+    1002   0:00 grep --color=auto 19535
19533 19535 19535 19535 pts/0    11682 Ss    1002   0:00 -bash
# 在 ps 命令中，ajx 是一组选项，用于指定要显示的列以及显示的格式
# a: 显示所有终端上的进程，而不仅仅是当前用户的进程。
# j: 使用 BSD 风格的格式显示作业信息。这将显示作业控制信息，包括进程组ID（PGID）等。
# x: 显示不在终端上运行的进程。

通过系统调用获取进程标示符

• 进程id（PID）
• 父进程id（PPID）

#include 
#include 
#include 
int main()
{
     printf("pid: %d\n", getpid());   //获取进程id（PID）
     printf("ppid: %d\n", getppid()); //获取父进程id（PPID）
     return 0;
}

通过系统调用创建进程–fork 初识

• 运行 man fork 认识fork
• fork有两个返回值
  创建成功时：对父进程返回子进程ID，对子进程返回0
  创建失败时：返回-1
• 父子进程代码共享，数据各自开辟空间，私有一份（采用写时拷贝）

#include 
#include 
#include 
int main()
{
     int ret = fork();
     printf("hello proc : %d!, ret: %d\n", getpid(), ret);
     sleep(1);
     return 0;
}

fork 之后通常要用 if 进行分流:

#include 
#include 
#include 
int main()
{
     int ret = fork();
     if(ret < 0)
     {
         perror("fork");
         return 1;
     }
     else if(ret == 0)
     { //child
     	printf("I am child : %d!, ret: %d\n", getpid(), ret);
     }else
     { //father
     	printf("I am father : %d!, ret: %d\n", getpid(), ret);
     }
     sleep(1);
     return 0;
}

进程状态

为了弄明白正在运行的进程是什么意思，我们需要知道进程的不同状态。一个进程可以有几个状态（在Linux内核里，进程有时候也叫做任务）。

在操作系统课程中我们学习的状态如下图：

新建：新建的进程

运行：在运行队列中排队，就叫做运行态

阻塞：等待非CPU资源就绪，阻塞状态

挂起：当内存不足时，OS通过适当的置换进程的代码和数据到磁盘（磁盘的swap块），进程的状态就叫做挂起

下面的状态在kernel源代码里定义：

/*
* The task state array is a strange "bitmap" of
* reasons to sleep. Thus "running" is zero, and
* you can test for combinations of others with
* simple bit tests.
*/
static const char * const task_state_array[] = {
"R (running)", /* 0 */
"S (sleeping)", /* 1 */
"D (disk sleep)", /* 2 */
"T (stopped)", /* 4 */
"t (tracing stop)", /* 8 */
"X (dead)", /* 16 */
"Z (zombie)", /* 32 */
};

• R运行状态（running）: 并不意味着进程一定在运行中，它表明进程要么是在运行中要么在运行队列里。对应运行态
• S睡眠状态（sleeping): 意味着进程在等待事件完成（这里的睡眠有时候也叫做可中断睡眠（interruptible sleep））对应阻塞态
• D磁盘休眠状态（Disk sleep）有时候也叫不可中断睡眠状态（uninterruptible sleep），在这个状态的进程通常会等待IO的结束。对应阻塞态
• T，t 停止状态（stopped）： 可以通过发送 SIGSTOP 信号给进程来停止（T）进程。这个被暂停的进程可以通过发送 SIGCONT 信号让进程继续运行。多见于程序调试。
• X死亡状态（dead）：这个状态只是一个返回状态，你不会在任务列表里看到这个状态。死亡状态的进程会被操作系统一一杀掉
• Z僵尸状态（zombie）
  • 是什么：一个进程已经退出，但是还不允许被OS释放，处于一个被检测的状态----僵尸状态
  • 为什么：维持该状态，为了让父进程和OS来进行回收
• R+，S+等带+的为前台进程，不带加号为后台进程

Z(zombie)-僵尸进程:

• 僵死状态（Zombies）是一个比较特殊的状态。当进程退出并且父进程（使用wait()系统调用）没有读取到子进程退出的返回代码时就会产生僵死(尸)进程
• 僵死进程会以终止状态保持在进程表中，并且会一直在等待父进程读取退出状态代码。
• 所以，只要子进程退出，父进程还在运行，但父进程没有读取子进程状态，子进程进入Z状态

僵尸进程危害:

• 进程的退出状态必须被维持下去，因为他要告诉关心它的进程（父进程），你交给我的任务，我办的怎么样了。可父进程如果一直不读取，那子进程就一直处于Z状态？是的！
• 维护退出状态本身就是要用数据维护，也属于进程基本信息，所以保存在task_struct(PCB)中，换句话说，Z状态一直不退出，PCB一直都要维护？是的！
• 那一个父进程创建了很多子进程，就是不回收，是不是就会造成内存资源的浪费？是的！因为数据结构对象本身就要占用内存，想想C中定义一个结构体变量（对象），是要在内存的某个位置进行开辟空间！
• 内存泄漏?是的！

孤儿进程:

• 父进程如果提前退出，那么子进程后退出，进入Z之后，那该如何处理呢？
• 父进程先退出，子进程就称之为“孤儿进程”
• 孤儿进程被1号init进程领养，当然要有init进程回收喽。
  init 是Unix和类Unix操作系统中的进程初始化程序，它是系统启动时的第一个用户级进程。init 进程的主要责任是启动和管理其他系统进程，并确保系统正常运行。

进程优先级

基本概念：

• cpu资源分配的先后顺序，就是指进程的优先权（priority）。
• 优先权高的进程有优先执行权利。配置进程优先权对多任务环境的linux很有用，可以改善系统性能。
• 还可以把进程运行到指定的CPU上，这样一来，把不重要的进程安排到某个CPU，可以大大改善系统整体性能

查看系统进程

在linux或者unix系统中，用ps –l命令则会类似输出以下几个内容：

[hmy@VM-8-15-centos ~]$ ps -l
F S   UID   PID  PPID  C PRI  NI ADDR SZ WCHAN  TTY          TIME CMD
0 S  1002 29358 29357  0  80   0 - 29151 do_wai pts/1    00:00:00 bash
0 R  1002 29446 29358  0  80   0 - 38332 -      pts/1    00:00:00 ps

• UID : 代表执行者的身份
• PID : 代表这个进程的代号
• PPID ：代表这个进程是由哪个进程发展衍生而来的，亦即父进程的代号
• PRI ：代表这个进程可被执行的优先级，其值越小越早被执行
• NI ：代表这个进程的nice值

PRI and NI

• PRI也还是比较好理解的，即进程的优先级，或者通俗点说就是程序被CPU执行的先后顺序，此值越小进程的优先级别越高
• 那NI呢?就是我们所要说的nice值了，其表示进程可被执行的优先级的修正数值
• PRI值越小越快被执行，那么加入nice值后，将会使得PRI变为：PRI(new)=PRI(old)+nice
• 这样，当nice值为负值的时候，那么该程序将会优先级值将变小，即其优先级会变高，则其越快被执行
• 所以，调整进程优先级，在Linux下，就是调整进程nice值
• nice其取值范围是-20至19，一共40个级别。
• 进程的nice值不是进程的优先级，他们不是一个概念，但是进程nice值会影响到进程的优先级变化。可以理解nice值是进程优先级的修正修正数据

查看进程优先级的命令

1. 使用 ps 命令查看所有进程的详细信息：

   ps -l
   

   在输出的第 8 列（PRI）中，你可以看到进程的优先级。

2. 使用 ps 命令查看指定进程的详细信息：

   ps -l -p <pid>
   

   替换 为你要查看的进程 pp 的进程ID。

3. 使用 ps 命令查看指定进程名称的详细信息：

   ps -l -C pp
   

   这将显示名称为 pp 的进程的详细信息。

用top命令更改已存在进程的nice:

• top
• 进入top后按“r”–>输入进程PID–>输入nice值

其他概念

• 竞争性: 系统进程数目众多，而CPU资源只有少量，甚至1个，所以进程之间是具有竞争属性的。为了高效完成任务，更合理竞争相关资源，便具有了优先级
• 独立性: 多进程运行，需要独享各种资源，多进程运行期间互不干扰
• 并行: 多个进程在多个CPU下分别，同时进行运行，这称之为并行
• 并发: 多个进程在一个CPU下采用进程切换的方式，在一段时间之内，让多个进程都得以推进，称之为并发

环境变量

基本概念

• 环境变量(environment variables)一般是指在操作系统中用来指定操作系统运行环境的一些参数
• 如：我们在编写C/C++代码的时候，在链接的时候，从来不知道我们的所链接的动态静态库在哪里，但是照样可以链接成功，生成可执行程序，原因就是有相关环境变量帮助编译器进行查找。
• 环境变量通常具有某些特殊用途，还有在系统当中通常具有全局特性

常见环境变量

• PATH : 指定命令的搜索路径。PATH 环境变量定义了系统在哪些目录中查找可执行文件
• HOME : 指定用户的主工作目录(即用户登陆到Linux系统中时,默认的目录)。
• SHELL : 当前Shell,它的值通常是/bin/bash。SHELL 环境变量指定了用户默认使用的 shell（命令解释器）。如果 SHELL 的值是 /bin/bash，则用户默认使用 Bash shell。

查看环境变量方法

• echo $NAME //NAME:你的环境变量名称

[hmy@VM-8-15-centos ~]$ echo $PATH
/usr/local/bin:/usr/bin:/usr/local/sbin:/usr/sbin:/home/hmy/.local/bin:/home/hmy/bin
[hmy@VM-8-15-centos ~]$ echo $HOME
/home/hmy
[hmy@VM-8-15-centos ~]$ echo $SHELL
/bin/bash

添加环境变量方法

export PATH=$PATH:/your/new/directory

和环境变量相关的命令

• echo: 显示某个环境变量值
• export: 设置一个新的环境变量
• env: 显示所有环境变量
• unset: 清除环境变量
• set: 显示本地定义的shell变量和环境变量

环境变量的组织方式

每个程序都会收到一张环境表，环境表是一个字符指针数组，每个指针指向一个以’\0’结尾的环境字符串

通过代码如何获取环境变量

• 命令行第三个参数

  #include 
  int main(int argc, char *argv[], char *env[])
  {
       int i = 0;
       for(; env[i]; i++)
       {
       	printf("%s\n", env[i]);
       }
       return 0;
  }
  

• 通过第三方变量environ获取

  #include 
  int main(int argc, char *argv[])
  {
       extern char** environ;
       int i = 0;
       for(; environ[i]; i++)
       {
       	printf("%s\n", environ[i]);
       }
       return 0;
  }
  

  libc中定义的全局变量environ指向环境变量表,environ没有包含在任何头文件中,所以在使用时 要用extern声明。

通过系统调用获取或设置环境变量

• getenv
• putenv

#include 
#include 
int main()
{
     printf("%s\n", getenv("PATH"));
     return 0;
}
//getenv 函数用于获取指定名称的环境变量的值。它接受一个字符串参数，该字符串是要检索的环境变量的名称。如果该环境变量不存在，getenv 将返回 NULL。

#include 
int main() {
    putenv("MY_VARIABLE=my_value");
    // rest of the program
    return 0;
}
//putenv 函数用于设置或修改环境变量。它接受一个字符串参数，该字符串包含变量名和值，形式如 "NAME=VALUE"。

环境变量通常是具有全局属性的

• 环境变量通常具有全局属性，可以被子进程继承下去

#include 
#include 
int main()
{
     char * env = getenv("MYENV");
     if(env)
     {
     	printf("%s\n", env);
     }
     return 0;
}

直接查看，发现没有结果，说明该环境变量根本不存在

• 导入环境变量 export MYENV="hello world"
• 再次运行程序，发现结果有了！说明：环境变量是可以被子进程继承下去的！
• 如果只进行 MYENV＝“helloworld” ,不调用export导出，在用我们的程序查看，会有什么结果？为什么？
• 因为他是普通变量不具备全局属性

进程地址空间

来段代码感受一下

#include 
#include 
#include 
int g_val = 0;
int main()
{
     pid_t id = fork();
     if(id < 0){
         perror("fork");
         return 0;
     }
     else if(id == 0){ //child,子进程肯定先跑完，也就是子进程先修改，完成之后，父进程再读取
         g_val=100;
         printf("child[%d]: %d : %p\n", getpid(), g_val, &g_val);
     }else{ //parent
         sleep(3);
         printf("parent[%d]: %d : %p\n", getpid(), g_val, &g_val);
     }
     sleep(1);
     return 0;
}

输出结果

child[3046]: 100 : 0x80497e8
parent[3045]: 0 : 0x80497e8

我们发现，父子进程，输出地址是一致的，但是变量内容不一样！能得出如下结论:

• 变量内容不一样,所以父子进程输出的变量绝对不是同一个变量
• 但地址值是一样的，说明，该地址绝对不是物理地址！
• 在Linux地址下，这种地址叫做 虚拟地址
• 我们在用C/C++语言所看到的地址，全部都是虚拟地址！物理地址，用户一概看不到，由OS统一管理

OS必须负责将 虚拟地址 转化成 物理地址 （映射）。

为什么不直接访问使用物理地址呢？答：内存本身是随时可以被读写的，直接访问会非常不安全（野指针）

虚拟地址空间究竟是什么？答：是一种数据结构（linux下叫mm_struct），里面至少要有各个区域的划分。32位下范围是0x0000 0000 – 0xFFFF FFFF

页表：虚拟地址到物理地址的一种映射

地址空间不要仅仅理解成为是OS内部要遵守的，其实编译器也要遵守!!!，即编详器编译代码的时候，就已经给我们形成了各个区域代码区，数据区，…并且，采用和inux内核中一样的编址方式，给每一个变量，每一行代码都进行了编址，故，程序在编译的时候，每一个字段早已经具有了一个虚拟地址！！

程序内部的地址，依旧用的是编译器编译好的虚拟地址。当程序加载到内存的时候，每行代码，每个变量边具有了一个物理地址。

CPU访问也只是直接访问虚拟地址，通过页表找到物理地址。

为什么要有地址空间？

1. 凡是非法的访问或者映射，OS都会识别到，并终止你这个进程。任何想使用地址空间和页表进行映射，一定要在OS的监管下进行

2. 因为有地址空间的存在，因为有页表映射的存在，我们的物理内存中，可以对未来的数据进行任意位置的加载。这样，物理内存的分配 和 进程的管理，可以做到没有任何关系。内存管理模块 和 进程管理模块 就完成了解耦合

   在使用C/C++语言new malloc 申请空间时，本质是在虚拟地址空间申请的！而当真正对物理地址空间访问的时候（例如new malloc 之后初始化数据），才执行内存的相关管理算法，申请内存，构建页表映射关系。

3. 地址空间+页表的存在，可以将内存分布有序化

上面的图就足矣说名问题，同一个变量，地址相同，其实是虚拟地址相同，内容不同其实是被映射到了不同的物理地址！