发布时间:2026-09-28 04:31 更新时间:2026-09-28 04:31 阅读量:8
某天你登上一台跑了很久的服务器,执行 ps aux | wc -l 发现进程数比上个月多了几百个,但 CPU、内存看着都正常。再仔细一看,ps 列表里有一批进程的 STAT 列写着 Z,COMMAND 后面还跟着 <defunct>。这就是典型的僵尸进程堆积。它本身不占 CPU 也不占内存,但会长期占用内核里的进程表项(PID 资源),数量一多就可能撞上 kernel.pid_max,导致新进程 fork 失败,服务直接起不来。这篇文章带你把「谁没回收子进程」这件事查清楚。
在 Linux 里,子进程退出时并不会立刻从进程表里消失,它会先进入 僵尸状态(Z),把自己的退出码、资源用量等信息留在内核里,等待父进程调用 wait() 或 waitpid() 来「收尸」。父进程一旦调用,内核才会释放这个 PID 和对应的进程表项。
所以僵尸进程的成因只有一句话:子进程已经死了,父进程还没有 wait 它。常见情形有三种:一是父进程代码里 fork 之后压根没写 wait,或者只在异常分支里调用;二是父进程自己卡住、死锁、阻塞在某个调用上,来不及回收;三是父进程先于子进程退出,子进程被 init(PID 1)收养,但如果容器里 PID 1 是一个不处理 SIGCHLD、不回收孤儿的程序,孤儿进程退出后同样会变成僵尸。
还有一个常见误区:僵尸进程不能直接 kill 掉。它已经死了,你发的信号没有意义。要清理它,只能让它的父进程去 wait,或者把父进程干掉让 init 接管。
第一步先确认僵尸的存在和数量。下面这条命令按状态筛选,只列僵尸进程,并显示它们的 PPID(父进程号):
ps -eo pid,ppid,stat,comm --no-headers | awk '$3 ~ /^Z/ {print}'
统计数量
ps -eo stat --no-headers | grep -c '^Z'
拿到 PPID 之后,反查父进程是谁。如果同一批僵尸的 PPID 都指向同一个 PID,那基本可以锁定这个父进程没有正确回收:
# 假设上面看到僵尸的 PPID 是 1234
ps -p 1234 -o pid,ppid,stat,etime,cmd
按父进程聚合,看看谁家僵尸最多
ps -eo ppid,stat --no-headers | awk '$2 ~ /^Z/ {print $1}' | sort | uniq -c | sort -rn
想看进程之间的收养关系,pstree 更直观,把僵尸和目标父进程放在同一棵树里看:
pstree -aps 1234
若没装 pstree,可用 procps 自带的 ps 森林视图
ps -ef --forest | grep -A5 -B5 1234
如果发现僵尸的 PPID 是 1,说明它们的亲生父进程已经退出了,现在由 init 收养。这时候问题不在业务父进程,而在 PID 1 有没有回收能力。宿主机上的 systemd 会正常回收孤儿,但在容器里,如果 PID 1 是应用自己(比如 nginx、java、一个 shell 脚本),它默认不会去 wait 别人的孩子,僵尸就会一直挂着。
区分这两类原因,看僵尸的 PPID 指向谁就够了:
如果僵尸的 PPID 是一个还在运行的业务进程(不是 1),基本是代码层面没回收。比如 PHP-FPM 的某个扩展、某个多进程 Python 服务、自写的 C 程序在 fork 后忘了 wait。可以结合 /proc/<pid>/status 看父进程状态,如果它自己也在 D 状态或长时间 S 状态,可能是卡住导致来不及回收:
cat /proc/1234/status | grep -E 'State|Threads'
观察一段时间,看僵尸数是否持续增长
while true; do date; ps -eo stat --no-headers | grep -c '^Z'; sleep 30; done
如果僵尸的 PPID 是 1,且这台机器是容器环境,那大概率是 init 缺失。Docker 默认启动的命令就是 PID 1,它只负责跑自己的主进程,不会替你收养并回收孤儿。解决办法是给容器加一个轻量 init,比如启动时带 --init,它会以 PID 1 身份运行并负责收尸;或者在 Dockerfile 里用 tini、dumb-init 这类小工具作为入口。以 Compose 为例:
services:
web:
image: your-app:latest
init: true
restart: unless-stopped
Kubernetes 里则可以用 shareProcessNamespace 配合带 init 的基础镜像,具体写法以对应版本的官方文档为准。
还有一种容易被忽略的情况:父进程虽然在跑,但它把 SIGCHLD 设成了 SIG_IGN 或 SA_NOCLDWAIT,理论上内核会自动回收,此时不应该出现僵尸。如果你确实看到了 Z,说明这个选项没生效或者被覆盖了,需要回到代码里核对信号处理逻辑。
定位到父进程后,处理顺序建议是:业务代码里的 fork 逻辑加上 wait/waitpid 或使用双 fork 技巧;父进程卡死导致的先解决阻塞点;容器场景补上 init。临时应急可以重启那个不回收的父进程,僵尸会被 init 接管并清掉,重启前记得确认该进程不是关键业务,避免影响线上请求。
最后提醒一句,僵尸进程数本身不是洪水猛兽,偶尔几个属正常现象,真正要警惕的是持续增长。建议把 ps -eo stat | grep -c '^Z' 这类检查接进监控,再配合 sysctl kernel.pid_max 看一下当前上限,留出余量。这样下次进程数只增不减时,你能在几分钟内顺着 PPID 找到那个不 wait 的父进程,而不是盲目重启机器。
| 📑 | 📅 |
|---|---|
| PostgreSQL连接池选型与pgbouncer事务池踩坑 | 2026-09-27 |
| Docker 容器 PID 1 与信号处理:docker stop 超时强制 kill 的成因与写法 | 2026-09-27 |
| Nginx proxy_pass 带 URI 与不带 URI:路径拼接错乱排查 | 2026-09-27 |
| PostgreSQL WAL 堆积与复制槽不释放排查实战 | 2026-09-26 |
| Docker 挂载 NFS 卷卡死排查:stat、df 与 nfsstat 定位失联 | 2026-09-26 |
| MySQL隐形变慢排查:buffer pool命中率与磁盘临时表 | 2026-09-28 |
| Docker 容器内 cron 与宿主 crontab 取舍:重复执行与时区错乱排查 | 2026-09-28 |
| Linux TCP backlog 溢出排查:ss -lnt 的 Send-Q 怎么看 | 2026-09-28 |
| Nginx 缓存代理写满磁盘:max_size 与缓存目录清理实战 | 2026-09-28 |
| MySQL 8 临时表爆满排查:内存临时表与磁盘落盘定位 | 2026-09-28 |