操作系统 / 系统课时
区分僵尸孤儿与退出状态
区分僵尸孤儿与退出状态
线上看到异常 PID 时,最容易犯的错误是把僵尸、孤儿和普通退出混为一谈。本节通过可运行程序制造两种状态,观察 PID、PPID 与 STAT 的变化,再建立一套从进程状态到父子关系的判断顺序。
学习目标
- 区分僵尸进程、孤儿进程和已经完全回收的进程
- 实际制造并观察僵尸以及重新收养后的孤儿进程
- 使用
ps根据STAT、PPID 和持续时间定位异常进程
三种情况先分清
僵尸进程是已经终止但尚未被父进程回收的子进程。它不再执行用户代码,也不会持续消耗 CPU,但内核仍保留少量退出信息和 PID 表项;在 ps 中通常可以看到状态字母 Z。
孤儿进程则是仍然存活,但原父进程已经退出的进程。Linux 会把它重新挂到合适的收养者下面:通常是最近的 child subreaper;若不存在,则由所在 PID namespace 的 init 进程承担。因此重新收养后的 PPID 不应被机械地假定为 1。
完全回收则意味着子进程已经结束,而且其退出状态也已经被等待者取走。此时原 PID 对应的进程记录消失,不能再通过 ps 看到它。

制造并观察僵尸进程
下面一个程序提供 zombie 和 orphan 两种模式。僵尸模式中,子进程立即退出,父进程故意等待一段时间才执行 waitpid,从而留下稳定的观察窗口;孤儿模式则让父进程先退出,再观察子进程 PPID 的变化。
将代码保存为 proc_state.c:
#include <stdio.h>
#include <stdlib.h>
#include <string.h>
#include <sys/types.h>
#include <sys/wait.h>
#include <unistd.h>
static int run_zombie(void) {
pid_t child = fork();
if (child < 0) {
perror("fork");
return 1;
}
if (child == 0) {
_exit(42);
}
printf("parent=%ld child=%ld\n", (long) getpid(), (long) child);
fflush(stdout);
/* 故意不立刻 wait,给 ps 留出观察僵尸状态的时间。 */
sleep(10);
int status = 0;
if (waitpid(child, &status, 0) < 0) {
perror("waitpid");
return 1;
}
printf("reaped child=%ld exit=%d\n",
(long) child,
WIFEXITED(status) ? WEXITSTATUS(status) : -1);
return 0;
}
static int run_orphan(void) {
pid_t child = fork();
if (child < 0) {
perror("fork");
return 1;
}
if (child == 0) {
printf("child=%ld initial_ppid=%ld\n",
(long) getpid(), (long) getppid());
fflush(stdout);
/* 等原父进程退出后,再读取重新收养后的 PPID。 */
sleep(3);
printf("child=%ld new_ppid=%ld\n",
(long) getpid(), (long) getppid());
fflush(stdout);
sleep(2);
return 0;
}
printf("parent=%ld child=%ld\n", (long) getpid(), (long) child);
fflush(stdout);
sleep(1);
_exit(0);
}
int main(int argc, char *argv[]) {
if (argc != 2 ||
(strcmp(argv[1], "zombie") != 0 && strcmp(argv[1], "orphan") != 0)) {
fprintf(stderr, "usage: %s zombie|orphan\n", argv[0]);
return 2;
}
return strcmp(argv[1], "zombie") == 0 ? run_zombie() : run_orphan();
}先编译,再把僵尸模式放到后台运行。$! 是刚启动的父进程 PID,等待一秒后查看它的直接子进程:
gcc -Wall -Wextra -O2 proc_state.c -o proc_state
./proc_state zombie &
PARENT=$!
sleep 1
ps -o pid,ppid,stat,cmd --ppid "$PARENT"
wait "$PARENT"预期输出的关键部分如下,PID 实际值会替换 <ID>:
parent=<ID> child=<ID>
PID PPID STAT CMD
<ID> <ID> Z [proc_state] <defunct>
reaped child=<ID> exit=42重点不是 <defunct> 文本,而是 STAT 中的 Z。十秒后父进程调用 waitpid,子进程记录被回收,再查询时就不会继续看到这个 PID。
观察孤儿进程重新收养
继续运行同一个程序的 orphan 模式。额外执行一次 sleep,是为了让已经脱离原父进程的子进程有时间把新的 PPID 输出到当前终端:
./proc_state orphan
sleep 5预期输出形态如下:
parent=<ID> child=<ID>
child=<ID> initial_ppid=<ID>
child=<ID> new_ppid=<ID>前两行中的父 PID 与 initial_ppid 应对应原父进程;最后一行的 new_ppid 会变为新的收养者。具体数值取决于系统是否配置 subreaper、容器使用哪个 PID namespace 等环境因素,因此不应把结果固定写成 PID 1。
孤儿进程本身并不代表异常。守护进程、监督器或容器运行时都可能涉及父子关系变化。判断问题时应先确认它是否仍在正常工作,而不是看到 PPID 改变就立即终止进程。
线上按状态和父子关系定位
排查大量僵尸时,可以先从全局进程表筛选 STAT 以 Z 开头的记录:
ps -eo pid,ppid,stat,etime,cmd | awk '$3 ~ /^Z/ {print}'预期结果:如果系统存在僵尸,会得到类似记录;没有僵尸时命令可以不输出任何行。
<ID> <ID> Z <TIME> [worker] <defunct>其中 <ID> 和 <TIME> 都会随实际环境变化。发现僵尸后,首先记录它的 PPID,再检查对应父进程为何没有执行 wait 或 waitpid。真正需要修复的通常是父进程的子进程管理逻辑,而不是僵尸子进程自身,因为僵尸已经没有可继续运行或正常处理信号的用户态代码。
若观察到的是仍在运行的进程,则不能仅凭“原父进程已经不存在”判断它是故障。应结合当前 PPID、STAT、运行时长以及服务监督关系判断它是否只是被 subreaper 或 namespace init 正常接管。
不要把退出状态当成当前运行状态
waitpid 返回的退出状态描述的是子进程如何结束,例如状态码 42 或因某个信号终止;ps 的 STAT 描述的则是当前进程表项处于什么状态。二者属于不同时间层面的信息。
遇到异常 PID 时,可以按“它现在是否还存在 → STAT 是否为 Z → PPID 指向谁 → 父进程是否正确等待 → 若仍运行则是否发生重新收养”的顺序判断。这样就能避免把正常孤儿当僵尸,也能把长期僵尸准确追溯到真正需要修复的父进程。