Linux 与服务器运维 / 系统课时
用 ps 和 top 定位异常进程
用 ps 和 top 定位异常进程
面对 CPU 飙高、内存增长或僵尸进程时,先别急着终止服务。本节用 ps、top、pstree 和 pgrep 从快照、实时负载、父子关系与名称四个维度定位异常,并把 PID、状态、资源占用和运行时长串成一套可执行的排查顺序。
学习目标
- 能从 PID、PPID、STAT、CPU、内存和运行时间判断进程是否可疑。
- 能组合 ps、top、pstree 与 pgrep,把异常现象缩小到具体进程及其父子链。
- 能识别僵尸进程、不可中断睡眠等状态,避免把正常高负载误判成故障。
先用 ps 建立进程快照
ps 适合回答“这一刻有哪些进程异常”。排查时不要只看进程名,至少同时看 PID、父 PID、状态、CPU、内存和已运行时间。
| 字段 | 关注点 |
|---|---|
PID |
后续追踪、发信号和查看 /proc 的主键 |
PPID |
判断谁创建了它,尤其用于追查僵尸进程 |
STAT |
R 运行、S 睡眠、D 不可中断 I/O、Z 僵尸、T 停止 |
%CPU |
持续高值比一次瞬时峰值更值得关注 |
%MEM |
结合进程运行时间判断是否持续增长 |
ELAPSED |
区分刚启动抖动与长期异常 |
单一指标不能直接定罪。例如长期运行的数据库进程 ELAPSED 很大完全正常;多线程进程在 top 中的 CPU 也可能超过 100%,这取决于显示模式和可用 CPU 数量。
用可控负载练习定位
下面示例用 yes 制造一个短时高 CPU 进程,再分别从 ps、pgrep、pstree 和 top 观察它。命令假设系统已安装 procps-ng 与 psmisc;示例结束会主动清理进程。
yes > /dev/null &
demo_pid=$!
sleep 1
echo "== ps snapshot =="
ps -p "$demo_pid" -o pid,ppid,stat,%cpu,%mem,etime,comm
echo "== pgrep by exact name =="
pgrep -a -x yes
echo "== process tree =="
pstree -p "$$"
echo "== top for one pid =="
top -b -n 1 -p "$demo_pid" -o %CPU | sed -n '1,12p'
kill -TERM "$demo_pid"
wait "$demo_pid" 2>/dev/null || true预期结果(实际 PID、CPU、内存与进程树会因主机而不同):
ps: PID 为 <PID>,PPID 为 <PPID>,COMMAND 为 yes,%CPU 为 <CPU>
pgrep: 输出中包含 "<PID> yes"
pstree: 当前 shell 的子树中包含 "yes(<PID>)"
top: 进程列表中同一 <PID> 的 COMMAND 为 yes,CPU 列显示为 <CPU>这里的关键不是记住某个数值,而是确认四种视角指向同一个 PID。pgrep 负责按名称缩小候选,ps 提供稳定字段,pstree 补足父子关系,top 则用连续刷新确认异常是否持续。
读懂状态与父子关系
看到 Z 时,进程本身已经退出,只是父进程还没有回收退出状态。此时对僵尸 PID 发送信号通常没有意义,应先根据 PPID 找到父进程,判断父进程是否卡死、忽略了子进程回收,或需要重启对应服务。
看到 D 时要谨慎。它通常表示进程正在等待不可中断的内核 I/O,例如异常磁盘、网络块设备或文件系统请求。此时即使发送强制信号,也可能要等内核调用返回后进程才真正消失,排查重点应转向存储、文件系统和内核日志。
R 或高 CPU 也不一定是故障。批处理、压缩、编译和垃圾回收都可能短时占满 CPU。判断异常应看“是否持续、是否符合业务预期、是否造成其他服务受损”,而不是只看某一次排序结果。
按证据决定下一步
一个实用顺序是先用 ps 找到资源占用靠前的候选,再用 top 观察几十秒确认趋势;随后结合 pgrep 核对同名进程数量,并用 pstree 查看它由哪个服务或脚本拉起。若状态是 Z,优先处理父进程;若是 D,优先调查 I/O;只有确认进程确实异常后,才进入信号终止或服务重启流程。
这样做的价值在于把“机器很慢”转换成可验证的证据链:哪个 PID 异常、它属于谁、异常是否持续、状态是否解释得通。证据足够后再处理,能显著减少误杀正常进程和反复重启却找不到根因的情况。