Linux 进程管理基础
引言：为什么运维必须精通进程管理？
在 Linux 运维工作中，进程管理是日常最核心、最频繁的操作之一。无论你是负责服务器稳定性、故障排查、性能优化，还是容器化部署、自动化运维，进程都是底层核心。一次 Nginx 进程异常、Java 应用内存泄漏导致的 OOM、僵尸进程堆积、或者 systemd 服务漂移，都可能导致业务中断、服务雪崩，甚至影响整个集群可用性。
一、进程的基本概念（运维视角）
进程（Process） 是 Linux 系统中正在执行的程序实例。它拥有独立的地址空间、资源（CPU、内存、文件描述符等）、权限和状态。
与线程的区别（运维必须清楚）：
- 进程：资源分配的基本单位，拥有独立内存空间，进程间通信成本较高（IPC）。
- 线程：调度执行的基本单位，同一进程内线程共享内存，创建销毁开销小，但一个线程崩溃可能影响整个进程。
生产环境中，我们经常遇到“多进程 + 多线程”混合模型（如 Nginx worker 进程 + 内部线程，Java 应用多线程）。
进程 ID（PID）：
- 每个进程有唯一的 PID，范围通常 1~PID_MAX（可通过
/proc/sys/kernel/pid_max 查看）。 - PID 1 通常是 systemd（现代系统）或 init。
内核中的进程表示：task_struct 结构体，包含海量字段，运维常用 /proc/<pid>/ 目录下的文件来读取这些信息。
二、进程创建与生命周期（运维重点）
fork-exec 模型（Linux 主流）：
- fork()：复制父进程，创建子进程（写时复制 COW 机制，节省内存）。
- exec()：在子进程中加载新程序，替换地址空间。
运维关注点：
- fork 炸弹（fork bomb）：恶意或失控脚本不断 fork，导致系统崩溃。防范措施见 ulimit 章节。
- 守护进程（Daemon）：脱离终端、后台运行，通常通过 systemd 管理。
进程状态转换图（核心知识）：
- R (Running/Runnable)：正在运行或就绪队列等待 CPU。
- S (Interruptible Sleep)：可中断睡眠，等待 I/O、信号等。
- D (Uninterruptible Sleep)：不可中断睡眠，通常在磁盘 I/O，难以 kill，最麻烦的状态。
- Z (Zombie)：僵尸进程，已终止但未被父进程 wait() 回收。
- T (Stopped)：被信号停止（SIGSTOP）或调试。
生产案例：某电商系统 MySQL 进程频繁进入 D 状态，导致查询卡死。通过 iotop + strace 定位到磁盘 RAID 阵列写故障，及时更换硬件避免雪崩。
三、核心运维命令与工具深度使用
1. ps 命令全家桶
# 最常用组合（推荐）
ps auxf | less # 树状显示进程关系
ps -efH # 层级显示
ps -o pid,ppid,stat,comm,%cpu,%mem,user,group,nice,etime,args -p <pid>
# 过滤技巧
ps aux | grep [n]ginx # 避免 grep 自身
ps -C java # 按命令名过滤
高级格式：
ps -eo pid,ppid,state,pri,nice,pcpu,pmem,etime,cmd --sort=-%cpu | head -20
2. top / htop 实时监控
top 交互命令（必须熟练）：
htop 优势：颜色、树状、鼠标操作、F2 自定义。生产环境强烈推荐安装。
# 安装
yum install htop -y # CentOS/RHEL
apt install htop -y # Ubuntu/Debian
3. /proc 文件系统（运维金矿）
关键文件：
/proc/<pid>/smaps：详细内存映射（RSS、PSS 等）
脚本示例：监控特定进程内存
#!/bin/bash
PID=$(pgrep -f "your_process")
whiletrue; do
RSS=$(awk '/^Rss:/ {print $2}' /proc/$PID/status)
echo"$(date '+%F %T') RSS: ${RSS} KB"
sleep 5
done
四、生产环境进程查看最佳实践
批量查看多服务器进程（Ansible 或 pdsh）：
ansible all -m shell -a "ps aux | grep java | grep -v grep"
进程树分析：
pstree -p <pid>
文件描述符排查（Too many open files）：
ls /proc/<pid>/fd | wc -l
lsof -p <pid>
网络连接与进程关联：
ss -tlnp
netstat -tlnp
ss -p | grep <pid>
五、进程启动方式与运维规范
1. 直接启动：适合测试，不推荐生产。
2. nohup + &：传统方式。
nohup ./app > app.log 2>&1 &
缺点：信号处理不完善，日志管理混乱。
3. systemd（强烈推荐）： 编写 /etc/systemd/system/app.service：
[Unit]
Description=My Production App
After=network.target
[Service]
Type=forking
User=appuser
Group=appgroup
WorkingDirectory=/opt/app
ExecStart=/opt/app/start.sh
ExecReload=/bin/kill -HUP $MAINPID
Restart=always
RestartSec=5
LimitNOFILE=65535
LimitNPROC=4096
[Install]
WantedBy=multi-user.target
启用命令：
systemctl daemon-reload
systemctl enable --now app.service
systemctl status app.service
journalctl -u app.service -f
systemd 优势：自动重启、日志集中、资源控制、依赖管理。
六、常见进程问题与初步诊断
perf top 或 flamegraph 火焰图
- Java 用
jmap/jstack/jvisualvm
- 检查 SELinux、权限、ulimit、端口占用
七、进程安全与权限管理
- 使用
setcap 赋予特定能力而非 setuid systemd 的 ProtectSystem=strict 等安全选项- 定期审计：
ps aux | awk '$1=="root"'
八、性能指标解读与基线建立
关键指标：
- Load Average：1/5/15 分钟，建议 < CPU 核数 × 0.7
- Context Switches（上下文切换）过高表示争用严重
