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