进程概念、PCB及进程查看

一.进程的概念

进程是一个运行起来的程序，而程序是存放在磁盘的，cpu要想执行程序的指令，需要先将程序加载到内存中。

课本概念：进程是被加载到内存运行的程序。
内核观点：担当分配系统资源（CPU时间，内存）的实体。

操作系统中有着大量的进程，操作系统作为管理者，管理的其实是大量进程相关的数据，那么如何管理这些数据呢？

先描述，再组织

当二进制代码直接加载到内存时，操作系统为了更好地管理加载的程序，创建了描述该进程的数据结构。这样，操作系统只用看这个数据结构，不用管各种复杂多样的二进制代码，并且将它们组织起来进行管理。

进程控制块（PCB）

这个数据结构叫PCB（process control block），进程信息被放在其中，可以理解为进程属性的集合，在linux的PCB是task_struct。

struct task_struct {volatile long state; /* -1 unrunnable, 0 runnable, >0 stopped */struct thread_info *thread_info;atomic_t usage;unsigned long flags; /* per process flags, defined below */unsigned long ptrace;int lock_depth;  /* Lock depth */int prio, static_prio;struct list_head run_list;prio_array_t *array;//.....
}

当有一个程序被加载到内存时，操作系统会为该进程在内存中创建一个task_struct类型的对象，并将该进程放入双链表等其他结构中。这样，操作系统对进程的管理就变为操作系统对PCB的管理，再变为操作系统对双链表等结构的增删查改等操作。

由此可以总结：进程 = 内核数据结构（PCB等）+ 可执行程序（代码+数据）

二.进程查看

通过指令查看进程

为了让进程能够一直运行方便观察，写一个死循环程序，让其每隔1秒钟打印一句话。

#include <stdio.h>
#include <unistd.h>int main()
{while(1){printf("It's a process.\n");sleep(1);}return 0;
}

随后运行它，此时该程序变成了一个进程：

接着就可以用ps指令查看进程信息，同时配合grep进行抓取

ps ajx | grep myprocess

得到以下结果：

可以看到系统中关于myprocess的进程一共有两个，第一行是我们写的运行的程序，第二行是grep命令进行抓取的进程。展示了各种信息：PPID、PID、PGID等等，这些就是PCB的一部分。
注意:task_struct是内核数据结构，查看进程信息读取该数据，必须要通过系统调用。

通过proc目录查看

proc是一个目录，里面存放当前系统实时的 进程信息。
ls /proc

这里的数字就是进程的PID，由于此时已经将myprocess进程停止，此目录并没有找到名为167647的目录。
但是，仔细看，却有165058，这是刚才myprocess的父进程ID即PPID，通过指令可以知道，该进程其实就是bash：

再次运行myprocess，并且通过指令得到其PID，进入该文件夹，可以发现进程的数据显式存在文件中。

进程的cwd和exe

查看该目录详细信息，有两个文件很瞩目

cwd: Current Work Directory 指出该进程当前工作路径
exe: 指出该进程可执行程序的磁盘文件

修改程序，添加一个fopen函数

#include <stdio.h>
#include <unistd.h>int main() 
{FILE* fp = fopen("1.txt", "w");  // 若不存在就创建while (1) {printf("It's a process.\n");sleep(1);}
}

这恰好就是cwd链接的目录，说明fopen使用了查看cwd的系统调用。

---

再看exe，此时进程运行中，直接删除其链接在磁盘中的文件，发现进程没有终止，停止进程再运行显然就会失败了。

运行程序，本质就是将其从磁盘拷贝至内存中，进程与其磁盘上对应程序没有直接关系。

获取进程pid和ppid

可以直接通过系统调用getpid()和getppid()得到当前进程的pid和ppid（父进程的pid），返回值为pid_t类型，底层就是整数。

运行以下代码

#include <stdio.h>
#include <unistd.h>int main()
{while (1){printf("It's a process.\t");printf("pid:%d, ppid:%d\n",getpid(), getppid());sleep(1);}return 0;
}

可以看到打印出当前进程的pid和ppid。

通过ps axj | head -1; ps axj | grep 184670进行验证，当前进程是./myprocess且其父进程是bash。

通过fork()创建子进程

通过man指令查看fork()函数细节

fork()函数可以创建子进程，创建成功后父子进程代码共享。
若成功创建，子进程的pid返回给父进程，0返回给子进程；
若失败，-1返回给父进程，没有子进程。

代码共享可以通过以下代码得到验证

#include <stdio.h>
#include <unistd.h>
#include <sys/types.h>int main() 
{printf("before\n");fork();printf("Hello, pid:%d\n", getpid());
}

在fork()之前的代码只执行了一次，之后的代码执行了两次，这两次分别是两个进程执行的。

---

创建父子进程是为了做不同的事情，一般是通过if/else来进行分流达到的，这恰恰用到了fork()有两个返回值的特点，下面的代码若是初见一定会迷惑。

#include <stdio.h>
#include <unistd.h>
#include <sys/types.h>int main() 
{pid_t id = fork();// id: 0-子进程 >0-父进程if (id == 0){while(1){printf("child process, pid: %d, ppid: %d", getpid(), getppid());sleep(1);}}else{while(1){printf("father process, pid: %d, ppid: %d", getpid(), getppid());sleep(1);}}
}

利用父子进程fork()返回值不同，达到两个死循环都在不断执行的效果：

通过指令查看，确实两个进程是父子进程关系：

---

下面来简要分析上面的情况，具体细节会在之后进程地址空间部分详谈。

1. 为什么两个死循环会同时执行❓

上节讲过，进程 = 内核数据结构（PCB等）+ 可执行程序（代码+数据）。通过fork()创建子进程，肯定也要给子进程创建一个独立的task_struct，而其代码和数据指向了父进程接下来的代码和数据。子进程的大部分属性值也是由父进程拷贝而来，修改前地址不会改变。
在CPU角度，它不会管谁是父进程，谁是子进程，会在操作系统的管理下并发执行。在我们的视角下，两个死循环同时执行了。

2. 为什么fork()返回值如此设计❓

父与子的关系是一对一或者一对多的。这样的关系导致父找子并不容易，所以创建子进程成功后需要把子进程的pid返回给父进程，方便父进程控制子进程。
而子找父是很容易的，通过系统调用getppid()即可。

3. 为什么fork()会返回两次值❓

fork()之前只有父进程，即只有父进程才能调用fork()。fork()内部在return之前肯定已经将子进程创建成功，又子进程和父进程在创建成功后代码共享，那么子进程和父进程都会执行return这条语句，这也就是为什么fork()会返回两次值。

4. 同一个变量id怎么会既大于0，又等于0❓

进程之间具有独立性，一个进程崩溃了，不会影响另一个进程。这里的id是父子进程的共享数据，若父子进程对共享数据有写操作，这时操作系统会将该数据拷贝两份，这就是写时拷贝。那么此时，虽然这是同一个变量名，但实际上表示的是不同的值，那么id出现两种情况也就不足为奇了，实际在底层的空间根本就不是一个。