神奇的Java僵尸(defunct)进程问题排查过程

用户1516716

发布于 2019-09-24 15:11:29

4.7K1

发布于 2019-09-24 15:11:29

文章被收录于专栏：A周立SpringCloudA周立SpringCloud

原文链接：https://www.jianshu.com/u/21add3dce532

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：

所以初步结论是貌似和tail没有什么关系
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
sh分别有两个子进程
一个是java子进程一个是tail子进程
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
当启动start_tail.sh后因为tail是前台进程所以ctrl+c可以结束
用这个例子做各种测试都无法复现僵尸进程的问题

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ctrl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 <defunct>

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 <defunct>
[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 <defunct>

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 ，它会暂停程序的运行
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