上一節，我用一個 Nginx+PHP 的案例，給你講了服務器 CPU 使用率高的分析和應對方法。這裏你一定要記得，當碰到無法解釋的 CPU 使用率問題時，先要檢查一下是不是短時應用在搗鬼。
短時應用的運行時間比較短，很難在 top 或者 ps 這類展示系統概要和進程快照的工具中發現，你需要使用記錄事件的工具來配合診斷，比如 execsnoop 或者 perf top。
這些思路你不用刻意去背，多練習幾次，多在操作中思考，你便能靈活運用。
另外，我們還講到 CPU 使用率的類型。除了上一節提到的用戶 CPU 之外，它還包括系統 CPU（比如上下文切換）、等待 I/O 的 CPU（比如等待磁盤的響應）以及中斷 CPU（包括軟中斷和硬中斷）等。
我們已經在上下文切換的文章中，一起分析了系統 CPU 使用率高的問題，剩下的等待 I/O 的 CPU 使用率（以下簡稱爲 iowait）升高，也是最常見的一個服務器性能問題。今天我們就來看一個多進程 I/O 的案例，並分析這種情況。
進程狀態
當 iowait 升高時，進程很可能因爲得不到硬件的響應，而長時間處於不可中斷狀態。從 ps 或者 top 命令的輸出中，你可以發現它們都處於 D 狀態，也就是不可中斷狀態（Uninterruptible Sleep）。既然說到了進程的狀態，進程有哪些狀態你還記得嗎？我們先來回顧一下。
top 和 ps 是最常用的查看進程狀態的工具，我們就從 top 的輸出開始。下面是一個 top 命令輸出的示例，S 列（也就是 Status 列）表示進程的狀態。從這個示例裏，你可以看到 R、D、Z、S、I 等幾個狀態，它們分別是什麼意思呢？
$ top
PID USER PR NI VIRT RES SHR S %CPU %MEM TIME+ COMMAND
28961 root 20 0 43816 3148 4040 R 3.2 0.0 0:00.01 top
620 root 20 0 37280 33676 908 D 0.3 0.4 0:00.01 app
1 root 20 0 160072 9416 6752 S 0.0 0.1 0:37.64 systemd
1896 root 20 0 0 0 0 Z 0.0 0.0 0:00.00 devapp
2 root 20 0 0 0 0 S 0.0 0.0 0:00.10 kthreadd
4 root 0 -20 0 0 0 I 0.0 0.0 0:00.00 kworker/0:0H
6 root 0 -20 0 0 0 I 0.0 0.0 0:00.00 mm_percpu_wq
7 root 20 0 0 0 0 S 0.0 0.0 0:06.37 ksoftirqd/0我們挨個來看一下：
- R 是 Running 或 Runnable 的縮寫，表示進程在 CPU 的就緒隊列中，正在運行或者正在等待運行。
- D 是 Disk Sleep 的縮寫，也就是不可中斷狀態睡眠（Uninterruptible Sleep），一般表示進程正在跟硬件交互，並且交互過程不允許被其他進程或中斷打斷。
- Z 是 Zombie 的縮寫，如果你玩過“植物大戰殭屍”這款遊戲，應該知道它的意思。它表示殭屍進程，也就是進程實際上已經結束了，但是父進程還沒有回收它的資源（比如進程的描述符、PID 等）。
- S 是 Interruptible Sleep 的縮寫，也就是可中斷狀態睡眠，表示進程因爲等待某個事件而被系統掛起。當進程等待的事件發生時，它會被喚醒並進入 R 狀態。
- I 是 Idle 的縮寫，也就是空閒狀態，用在不可中斷睡眠的內核線程上。前面說了，硬件交互導致的不可中斷進程用 D 表示，但對某些內核線程來說，它們有可能實際上並沒有任何負載，用 Idle 正是爲了區分這種情況。要注意，D 狀態的進程會導致平均負載升高， I 狀態的進程卻不會。
當然了，上面的示例並沒有包括進程的所有狀態。除了以上 5 個狀態，進程還包括下面這 2 個狀態。
第一個是 T 或者 t，也就是 Stopped 或 Traced 的縮寫，表示進程處於暫停或者跟蹤狀態。
向一個進程發送 SIGSTOP 信號，它就會因響應這個信號變成暫停狀態（Stopped）；再向它發送 SIGCONT 信號，進程又會恢復運行（如果進程是終端裏直接啓動的，則需要你用 fg 命令，恢復到前臺運行）。
而當你用調試器（如 gdb）調試一個進程時，在使用斷點中斷進程後，進程就會變成跟蹤狀態，這其實也是一種特殊的暫停狀態，只不過你可以用調試器來跟蹤並按需要控制進程的運行。
另一個是 X，也就是 Dead 的縮寫，表示進程已經消亡，所以你不會在 top 或者 ps 命令中看到它。
瞭解了這些，我們再回到今天的主題。先看不可中斷狀態，這其實是爲了保證進程數據與硬件狀態一致，並且正常情況下，不可中斷狀態在很短時間內就會結束。所以，短時的不可中斷狀態進程，我們一般可以忽略。
但如果系統或硬件發生了故障，進程可能會在不可中斷狀態保持很久，甚至導致系統中出現大量不可中斷進程。這時，你就得注意下，系統是不是出現了 I/O 等性能問題。
再看殭屍進程，這是多進程應用很容易碰到的問題。正常情況下，當一個進程創建了子進程後，它應該通過系統調用 wait() 或者 waitpid() 等待子進程結束，回收子進程的資源；而子進程在結束時，會向它的父進程發送 SIGCHLD 信號，所以，父進程還可以註冊 SIGCHLD 信號的處理函數，異步回收資源。
如果父進程沒這麼做，或是子進程執行太快，父進程還沒來得及處理子進程狀態，子進程就已經提前退出，那這時的子進程就會變成殭屍進程。換句話說，父親應該一直對兒子負責，善始善終，如果不作爲或者跟不上，都會導致“問題少年”的出現。
通常，殭屍進程持續的時間都比較短，在父進程回收它的資源後就會消亡；或者在父進程退出後，由 init 進程回收後也會消亡。
一旦父進程沒有處理子進程的終止，還一直保持運行狀態，那麼子進程就會一直處於殭屍狀態。大量的殭屍進程會用盡 PID 進程號，導致新進程不能創建，所以這種情況一定要避免。
案例分析
接下來，我將用一個多進程應用的案例，帶你分析大量不可中斷狀態和殭屍狀態進程的問題。這個應用基於 C 開發，由於它的編譯和運行步驟比較麻煩，我把它打包成了一個 Docker 鏡像。這樣，你只需要運行一個 Docker 容器就可以得到模擬環境。
你的準備
下面的案例仍然基於 Centos7，同樣適用於其他的 Linux 系統。我使用的案例環境如下所示：
- 機器配置：2 CPU，8GB 內存
- 預先安裝 docker、sysstat、dstat 等工具
這裏，dstat 是一個新的性能工具，它吸收了 vmstat、iostat、ifstat 等幾種工具的優點，可以同時觀察系統的 CPU、磁盤 I/O、網絡以及內存使用情況。
接下來，我們打開一個終端，SSH 登錄到機器上，並安裝上述工具。
注意，以下所有命令都默認以 root 用戶運行，如果你用普通用戶身份登陸系統，請運行 sudo su root 命令切換到 root 用戶。如果安裝過程有問題，你可以先上網搜索解決，實在解決不了的，記得在留言區向我提問。
操作和分析
安裝完成後，我們首先執行下面的命令運行案例應用：
$ docker run --privileged --name=app -itd feisky/app:iowait注意：拉取上面這個鏡像後電腦可能會卡死，~~~
然後，輸入 ps 命令，確認案例應用已正常啓動。如果一切正常，你應該可以看到如下所示的輸出：
$ ps aux | grep /app
root 4009 0.0 0.0 4376 1008 pts/0 Ss+ 05:51 0:00 /app
root 4287 0.6 0.4 37280 33660 pts/0 D+ 05:54 0:00 /app
root 4288 0.6 0.4 37280 33668 pts/0 D+ 05:54 0:00 /app注意：如果沒有出現D+，或者top裏的wa沒有太大變化，新建一個虛擬機，然後安裝docker，拉取鏡像試一下，~~~
從這個界面，我們可以發現多個 app 進程已經啓動，並且它們的狀態分別是 Ss+ 和 D+。其中，S 表示可中斷睡眠狀態，D 表示不可中斷睡眠狀態，我們在前面剛學過，那後面的 s 和 + 是什麼意思呢？不知道也沒關係，查一下 man ps 就可以。現在記住，s 表示這個進程是一個會話的領導進程，而 + 表示前臺進程組。
這裏又出現了兩個新概念，進程組和會話。它們用來管理一組相互關聯的進程，意思其實很好理解。
- 進程組表示一組相互關聯的進程，比如每個子進程都是父進程所在組的成員；
- 而會話是指共享同一個控制終端的一個或多個進程組。
比如，我們通過 SSH 登錄服務器，就會打開一個控制終端（TTY），這個控制終端就對應一個會話。而我們在終端中運行的命令以及它們的子進程，就構成了一個個的進程組，其中，在後臺運行的命令，構成後臺進程組；在前臺運行的命令，構成前臺進程組。
明白了這些，我們再用 top 看一下系統的資源使用情況：
# 按下數字 1 切換到所有 CPU 的使用情況，觀察一會兒按 Ctrl+C 結束
$ top
top - 05:56:23 up 17 days, 16:45, 2 users, load average: 2.00, 1.68, 1.39
Tasks: 247 total, 1 running, 79 sleeping, 0 stopped, 115 zombie
%Cpu0 : 0.0 us, 0.7 sy, 0.0 ni, 38.9 id, 60.5 wa, 0.0 hi, 0.0 si, 0.0 st
%Cpu1 : 0.0 us, 0.7 sy, 0.0 ni, 4.7 id, 94.6 wa, 0.0 hi, 0.0 si, 0.0 st
...
PID USER PR NI VIRT RES SHR S %CPU %MEM TIME+ COMMAND
4340 root 20 0 44676 4048 3432 R 0.3 0.0 0:00.05 top
4345 root 20 0 37280 33624 860 D 0.3 0.0 0:00.01 app
4344 root 20 0 37280 33624 860 D 0.3 0.4 0:00.01 app
1 root 20 0 160072 9416 6752 S 0.0 0.1 0:38.59 systemd
...從這裏你能看出什麼問題嗎？細心一點，逐行觀察，別放過任何一個地方。忘了哪行參數意思的話，也要及時返回去複習。
好的，如果你已經有了答案，那就繼續往下走，看看跟我找的問題是否一樣。這裏，我發現了四個可疑的地方。
- 先看第一行的平均負載（ Load Average），過去 1 分鐘、5 分鐘和 15 分鐘內的平均負載在依次減小，說明平均負載正在升高；而 1 分鐘內的平均負載已經達到系統的 CPU 個數，說明系統很可能已經有了性能瓶頸。
- 再看第二行的 Tasks，有 1 個正在運行的進程，但殭屍進程比較多，而且還在不停增加，說明有子進程在退出時沒被清理。
- 接下來看兩個 CPU 的使用率情況，用戶 CPU 和系統 CPU 都不高，但 iowait 分別是 60.5% 和 94.6%，好像有點兒不正常。
- 最後再看每個進程的情況， CPU 使用率最高的進程只有 0.3%，看起來並不高；但有兩個進程處於 D 狀態，它們可能在等待 I/O，但光憑這裏並不能確定是它們導致了 iowait 升高。
我們把這四個問題再彙總一下，就可以得到很明確的兩點：
- 第一點，iowait 太高了，導致系統的平均負載升高，甚至達到了系統 CPU 的個數。
- 第二點，殭屍進程在不斷增多，說明有程序沒能正確清理子進程的資源。
那麼，碰到這兩個問題該怎麼辦呢？結合我們前面分析問題的思路，你先自己想想，動手試試，下節課我來繼續“分解”。
小結
今天我們主要通過簡單的操作，熟悉了幾個必備的進程狀態。用我們最熟悉的 ps 或者 top ，可以查看進程的狀態，這些狀態包括運行（R）、空閒（I）、不可中斷睡眠（D）、可中斷睡眠（S）、殭屍（Z）以及暫停（T）等。
其中，不可中斷狀態和殭屍狀態，是我們今天學習的重點。
- 不可中斷狀態，表示進程正在跟硬件交互，爲了保護進程數據和硬件的一致性，系統不允許其他進程或中斷打斷這個進程。進程長時間處於不可中斷狀態，通常表示系統有 I/O 性能問題。
- 殭屍進程表示進程已經退出，但它的父進程還沒有回收子進程佔用的資源。短暫的殭屍狀態我們通常不必理會，但進程長時間處於殭屍狀態，就應該注意了，可能有應用程序沒有正常處理子進程的退出。思考
歡迎關注微信公衆號：軟件測試汪。軟件測試交流羣：809111560
轉載請注意出處，謝謝合作