Linux: bash起后台进程引发的僵尸进程

1. 前言

限于作者能力水平，本文可能存在谬误，因此而给读者带来的损失，作者不做任何承诺。

2. 案例

原来的故事是 这样 的，感兴趣的读者可以直接前往。我从中截取了一段重现故事中问题的代码（对原代码做了小小调整）：

#include <unistd.h>
#include <stdio.h>
#include <sys/wait.h>#define SLEEP_SCRIPT_PATH "/home/bill/Study/qemu-lab/app/issue/1/sleep.sh&"int main(void)
{int pid;if ((pid = fork()) == 0) {printf("children: %d\n", getpid());/* /bin/bash -c /home/bill/Study/qemu-lab/app/issue/1/sleep.sh& */execle("/bin/bash", "/bin/bash", "-c", SLEEP_SCRIPT_PATH, (char *)0, NULL);}printf("parent: %d\n", getpid());//printf("waitfing for children... ");//wait(NULL);//printf("done.\n");while (1)sleep(1);return 0;
}

sleep.sh 的内容如下：

#!/bin/bashsleep 3

编译并运行：

$ make zombie_issue$ strace -f -t -e execve ./zombie_issue 
16:28:33 execve("./zombie_issue", ["./zombie_issue"], [/* 69 vars */]) = 0
parent: 11128
strace: Process 11129 attached
children: 11129
[pid 11129] 16:28:33 execve("/bin/bash", ["/bin/bash", "-c", "/home/bill/Study/qemu-lab/app/is"...], NULL) = 0
strace: Process 11130 attached
[pid 11130] 16:28:33 execve("/home/bill/Study/qemu-lab/app/issue/1/sleep.sh", ["/home/bill/Study/qemu-lab/app/is"...], [/* 3 vars */] <unfinished ...>
[pid 11129] 16:28:33 +++ exited with 0 +++
[pid 11128] 16:28:33 --- SIGCHLD {si_signo=SIGCHLD, si_code=CLD_EXITED, si_pid=11129, si_uid=1000, si_status=0, si_utime=0, si_stime=0} ---
[pid 11130] 16:28:33 <... execve resumed> ) = 0
strace: Process 11131 attached
[pid 11131] 16:28:33 execve("/bin/sleep", ["sleep", "3"], [/* 3 vars */]) = 0
[pid 11131] 16:28:36 --- SIGWINCH {si_signo=SIGWINCH, si_code=SI_KERNEL} ---
[pid 11128] 16:28:36 --- SIGWINCH {si_signo=SIGWINCH, si_code=SI_KERNEL} ---
[pid 11130] 16:28:36 --- SIGWINCH {si_signo=SIGWINCH, si_code=SI_KERNEL} ---
[pid 11131] 16:28:36 +++ exited with 0 +++
[pid 11130] 16:28:36 --- SIGCHLD {si_signo=SIGCHLD, si_code=CLD_EXITED, si_pid=11131, si_uid=1000, si_status=0, si_utime=0, si_stime=0} ---
[pid 11130] 16:28:36 +++ exited with 0 +++
16:28:37 --- SIGWINCH {si_signo=SIGWINCH, si_code=SI_KERNEL} ---$ ps -ef -o pid,ppid,commPID   PPID COMMAND9539   2774 bash11133   9539  \_ ps9439   2774 bash11126   9439  \_ strace11128  11126      \_ zombie_issue11129  11128          \_ bash <defunct>

看看，进程 11129 进程变僵尸了：<defunct> 标注表示进程变僵尸了。用 top 可以观察到变 Z 了：

top - 16:51:36 up  5:39,  1 user,  load average: 0.09, 0.04, 0.01
Tasks:   1 total,   0 running,   0 sleeping,   0 stopped,   1 zombie
%Cpu(s):  0.5 us,  2.1 sy,  0.0 ni, 97.4 id,  0.0 wa,  0.0 hi,  0.0 si,  0.0 st
KiB Mem :  4015908 total,   844272 free,   928832 used,  2242804 buff/cache
KiB Swap:        0 total,        0 free,        0 used.  2735724 avail Mem PID USER      PR  NI    VIRT    RES    SHR S  %CPU %MEM     TIME+ COMMAND                                                                  11129 bill      20   0       0      0      0 Z   0.0  0.0   0:00.02 bash

开始分析问题之前，我们先来了解 bash 是怎么处理 & 操作符 的：

If a command is terminated by the control operator &, the shell executes the 
command in the background in a subshell. The shell does not wait for the command 
to finish, and the return status is 0. 

上面是摘自 bash手册 原文，翻译下它的意思：
从 bash 启动的命令，如果尾接 & 操作符，则 bash 启动 子shell 来运行命令，而 bash 本身不等待
（即不对命令程序发起 wait() 调用）命令的结束，直接以退出码 0 退出。
我们再来简单了解下，什么样的进程会变成 僵尸进程 ：
一个进程退出了，其存活的父进程又不对其进行回收(没有对进程发起 wait() 调用)，则该进程就会变成 僵尸进程 。
有了上述对 bash & 操作符 和 僵尸进程 的基础知识，我们就可以来理一理为什么会出现僵尸进程了。
我们不关注用来调试的 strace 进程，直接从 zombie_issue 说起。结合 strace 的追踪记录，以及程序 zombie_issue 的输出信息，我们按 进程 PID 来小结一下出现的几个进程：

11128: zombie_issue 进程
11129: zombie_issue 进程 fork 的子进程，用来启动程序 /bin/bash
11130: /bin/bash 的子shell，用来启动脚本 sleep.sh
11131: 运行脚本 sleep.sh 中 sleep 3 语句的进程

上面说了，进程变僵尸，是因为无人对它进行回收。我们一步步来看，为什么 进程 11129 最后变成了僵尸：

1. 脚本 sleep.sh 中执行 sleep 3 语句的进程 11131 运行完成后，子shell进程 11130 对其进行了回收，所以它不会变僵尸；
2. 子 shell 进程 11130 等到执行 sleep 3 语句的进程 11131 退出后，它自己也退出了。此时因为启动它的父进程程序 /bin/bash 已经退出了，它变成了无人理的孤儿，那么谁来回收它呢？针对这种父进程比子进程先结束的情形，Linux内核会将子进程托孤给 始祖进程init，由 init进程 负责完成子进程的回收。于是，我们的孤儿进程 11130 也被回收了，所以它不会变僵尸；
3. 而启动程序 /bin/bash 的进程 11129 ，自从它退出后，父程序 zombie_issue 进程 11128 对它不理睬，任其曝尸荒野，何其惨也，但由于父进程 zombie_issue 又没有退出，Linux内核也不会将其托孤给 init 进程，所以只能变僵尸了。

通过上面的分析，我们知道了 进程 11129 为什么变僵尸的原因。
上面的测试代码单独拿出来，就是一个编程BUG：存活的父进程 理应对子进程发起 wait() 。如果放开对代码中的 wait() 调用的注释，就不会出现僵尸进程。
这是一个简单的问题，但放在复杂的环境下，我们确实可能犯这样的错误。其实仅仅是要模拟出现僵尸进程的情形，上面的测试代码还可以简化：

#include <unistd.h>
#include <sys/wait.h>int main(void)
{int pid;if ((pid = fork()) == 0) {execle("/bin/bash", "/bin/bash", "-c", "/bin/ls", (char *)0, NULL);}//wait(NULL);while (1)sleep(1);return 0;
}

3. 参考资料

cron 僵尸进程问题分析
man bash