感謝同事宏江投遞本稿。

節(jié)前某個(gè)部門的測(cè)試環(huán)境反饋tomcat會(huì)意外退出，我們到實(shí)際環(huán)境排查后發(fā)現(xiàn)不是jvm crash，日志里有進(jìn)程銷毀的記錄，從pause到destory的整個(gè)過程：

org.apache.coyote.AbstractProtocol pause
Pausing ProtocolHandler
org.apache.catalina.core.StandardService stopInternal
Stopping service Catalina
org.apache.coyote.AbstractProtocol stop
Stopping ProtocolHandler
org.apache.coyote.AbstractProtocol destroy
Destroying ProtocolHandler

從上面日志來可以判斷：

1) tomcat不是通過腳本正常關(guān)閉(viaport: 即通過8005端口發(fā)送shutdown指令)

因?yàn)檎ｊP(guān)閉(viaport)的話會(huì)在 pause 之前有這樣的一句warn日志：

    org.apache.catalina.core.StandardServer await
    A valid shutdown command was received via the shutdown port. Stopping the Server instance.
    然后才是 pause -> stop -> destory 

2) tomcat的shutdownhook被觸發(fā)，執(zhí)行了銷毀邏輯

而這又有兩種情況，一是應(yīng)用代碼里有地方用System.exit來退出jvm，二是系統(tǒng)發(fā)的信號(hào)(kill -9除外，SIGKILL信號(hào)JVM不會(huì)有機(jī)會(huì)執(zhí)行shutdownhook)

先通過排查代碼，應(yīng)用方和中間件團(tuán)隊(duì)都排查了System.exit在這個(gè)應(yīng)用中使用的可能。那就只剩下Signal的情況了；經(jīng)過一番排查后，發(fā)現(xiàn)每次tomcat意外退出的時(shí)間與ssh會(huì)話結(jié)束的時(shí)間正好吻合。

有了這個(gè)線索之后，銀時(shí)同學(xué)立刻看了一下對(duì)方測(cè)試環(huán)境的腳本，簡(jiǎn)化后如下：

$ cat test.sh
#!/bin/bash
cd /data/server/tomcat/bin/
./catalina.sh start
tail -f /data/server/tomcat/logs/catalina.out

tomcat啟動(dòng)為后，當(dāng)前shell進(jìn)程并沒有退出，而是掛住在tail進(jìn)程，往終端輸出日志內(nèi)容。這種情況下，如果用戶直接關(guān)閉ssh終端的窗口(用鼠標(biāo)或快捷鍵)，則java進(jìn)程也會(huì)退出。而如果先ctrl-c終止test.sh進(jìn)程，然后再關(guān)閉ssh終端的話，則java進(jìn)程不會(huì)退出。

這是一個(gè)有趣的現(xiàn)象，catalina.sh start方式啟動(dòng)的tomcat會(huì)把java進(jìn)程掛到init(進(jìn)程id為1)的父進(jìn)程下，已經(jīng)與當(dāng)前test.sh進(jìn)程脫離了父子關(guān)系，也與ssh進(jìn)程沒有關(guān)系，為什么關(guān)閉ssh終端窗口會(huì)導(dǎo)致java進(jìn)程退出？

我們的推測(cè)是ssh窗口在關(guān)閉時(shí)，對(duì)當(dāng)前交互的shell以及正在運(yùn)行的test.sh等子進(jìn)程發(fā)送某個(gè)退出的Signal，找了一臺(tái)裝有systemtap的機(jī)器來驗(yàn)證，所用的stap腳本是從澗泉同學(xué)那里copy的：

function time_str: string () {
    return ctime(gettimeofday_s() + 8 * 60 * 60);
}

probe begin {
    printdln(" ", time_str(), "BEGIN");
}

probe end {
    printdln(" ", time_str(), "END");
}

probe signal.send {
    if (sig_name == "SIGHUP" || sig_name == "SIGQUIT" || 
        sig_name=="SIGINT" || sig_name=="SIGKILL" || sig_name=="SIGABRT") {
        printd(" ", time_str(), sig_name, "[", uid(), pid(), cmdline_str(), 
                "] -> [", task_uid(task), sig_pid, pid_name, "], ");
        task = pid2task(pid());
        while (task_pid(task) > 0) {
            printd(" ", "[", task_uid(task), task_pid(task), task_execname(task), "]");
            task = task_parent(task);
        }
        println("");
    }
}

模擬時(shí)的進(jìn)程層級(jí)(pstree)大致如下，tomcat啟動(dòng)后java進(jìn)程已經(jīng)脫離test.sh，掛在init下：

|-sshd(1622)-+-sshd(11681)---sshd(11699)---bash(11700)---test.sh(13285)---tail(13299)

經(jīng)過內(nèi)核組伯俞的協(xié)助，我們發(fā)現(xiàn)

a) 用 ctrl-c 終止當(dāng)前test.sh進(jìn)程時(shí)，系統(tǒng)events進(jìn)程向 java 和 tail 兩個(gè)進(jìn)程發(fā)送了SIGINT 信號(hào)

SIGINT [ 0 11  ] -> [ 0 20629 tail ] 
SIGINT [ 0 11  ] -> [ 0 20628 java ] 
SIGINT [ 0 11  ] -> [ 0 20615 test.sh ] 

注pid 11是events進(jìn)程

b) 關(guān)閉ssh終端窗口時(shí)，sshd向下游進(jìn)程發(fā)送SIGHUP, 為何java進(jìn)程也會(huì)收到？

SIGHUP [ 0 11681 sshd: hongjiang.wanghj [priv] ] -> [ 57316 11700 bash ] 
SIGHUP [ 57316 11700 -bash ] -> [ 57316 11700 bash ]
SIGHUP [ 57316 11700 ] -> [ 0 13299 tail ] 
SIGHUP [ 57316 11700 ] -> [ 0 13298 java ] 
SIGHUP [ 57316 11700 ] -> [ 0 13285 test.sh ] 

不過伯俞很忙沒有繼續(xù)協(xié)助分析這個(gè)問題(他給出了一些猜測(cè)，但后來證明并不是那樣)。

確定了是由signal引起的之后，我的疑惑變成了：

1) 為什么SIGINT (kill -2) 不會(huì)讓tomcat進(jìn)程退出？

2) 為什么SIGHUP (kill -1) 會(huì)讓tomcat進(jìn)程退出?

我第一反應(yīng)可能是jvm在某些參數(shù)下(或因?yàn)槟承﹋ni)對(duì)os的信號(hào)處理會(huì)不同，看了一下應(yīng)用的jvm參數(shù)，沒有看出問題，也排除了tomcat使用apr/tcnative的情況。

我們看一下默認(rèn)情況下，jvm進(jìn)程對(duì)SIGINT和SIGHUP是怎么處理的，用scala的repl模擬一下：

scala> Runtime.getRuntime().addShutdownHook(
            new Thread() { override def run() { println("ok") } })

對(duì)這個(gè)java進(jìn)程分別用kill -2和kill -1發(fā)現(xiàn)都會(huì)導(dǎo)致jvm進(jìn)程退出，并且也觸發(fā)shutdownhook。這也符合oracle對(duì)hotspot虛擬機(jī)處理Signal的說明，參考這里，SIGTERM,SIGINT,SIGHUP三種信號(hào)都會(huì)觸發(fā)shutdownhook

看來并不是jvm的事，繼續(xù)猜測(cè)是否與進(jìn)程的狀態(tài)有關(guān)？catalina.sh腳本里并沒有使用start-stop-daemon之類的方式啟動(dòng)java進(jìn)程，start參數(shù)的執(zhí)行方式簡(jiǎn)化后腳本相當(dāng)于：

eval '"/pathofjdk/bin/java"' 'params' org.apache.catalina.startup.Bootstrap start '&'

就是簡(jiǎn)單的把java放到后臺(tái)執(zhí)行。當(dāng)catalina.sh自身進(jìn)程退出后，java進(jìn)程的ppid變成了1

花了很多的時(shí)間猜測(cè)可能是OS層面的原因，后來發(fā)現(xiàn)并沒有關(guān)系。春節(jié)后回來讓少明和澗泉也一起分析這個(gè)問題，因?yàn)樗麄冇衏的背景，對(duì)系統(tǒng)底層知道的多一些，用了大半天時(shí)間，不斷猜測(cè)和驗(yàn)證，最后確認(rèn)了是Shell的原因。

SIGINT (kill -2) 不會(huì)讓后臺(tái)java進(jìn)程退出的原因

為了簡(jiǎn)便，我們用sleep來模擬進(jìn)程，當(dāng)我們?cè)诮换ツＪ较拢?/p>

$ sleep 1000 & 

$ ps -opid,pgid,ppid,stat,cmd -C sleep
  PID  PGID  PPID STAT CMD
 9897  9897  9813 S    sleep 1000   

注意，進(jìn)程sleep 1000的pid與pgid(進(jìn)程組)是相同的，這時(shí)我們用kill -2是可以殺掉sleep 1000進(jìn)程的。

現(xiàn)在我們把sleep進(jìn)程放到一個(gè)腳本里后臺(tái)執(zhí)行：

$ cat a.sh
#!/bin/sh
sleep 4400 &
echo "shell exit"

運(yùn)行a.sh腳本之后，sleep 4400進(jìn)程的pid與pgid是不同的，pgid是其父進(jìn)程的id，即已經(jīng)退出了的a.sh進(jìn)程

$ ps -opid,pgid,ppid,comm -p 63376
  PID  PGID  PPID COMM
63376 63375     1 sleep

這時(shí)我們用kill -2是殺不掉sleep 4400進(jìn)程的。

到了這一步，已經(jīng)非常接近原因了，一定是shell對(duì)后臺(tái)進(jìn)程signal_handler做了什么手腳。少明實(shí)現(xiàn)了一個(gè)自定handler的命令看看是否對(duì)kill -2有效：

#include <stdio.h>
#include <signal.h>
#include <stdlib.h>

void my_handler(int sig) {
    printf("handler aaa\n");
    exit(0);
}

int main() {
    signal(SIGINT, my_handler);
    for(;;) { }
    return 0;
}

我們把編譯后的a.out命令在腳本里以后臺(tái)方式運(yùn)行：

$ cat a.sh
#!/bin/sh
/tmp/a.out &

這次再嘗試用kill -2去殺a.out進(jìn)程，是可以的。這說明shell對(duì)signal_handler做手腳是在執(zhí)行用戶邏輯之前，也就是腳本在fork出子進(jìn)程的時(shí)候就設(shè)置了。按照這個(gè)線索我們google后了解到: shell在非交互模式下對(duì)后臺(tái)進(jìn)程處理SIGINT信號(hào)時(shí)設(shè)置的是IGNORE。

交互模式與非交互模式對(duì)作業(yè)控制(job control)默認(rèn)方式不同

為什么在交互模式下shell不會(huì)對(duì)后臺(tái)進(jìn)程處理SIGINT信號(hào)設(shè)置為忽略，而非交互模式下會(huì)設(shè)置為忽略呢？還是比較好理解的，舉例來說，我們先某個(gè)前臺(tái)進(jìn)程運(yùn)行時(shí)間太長(zhǎng)，可以ctrl-z中止一下，然后通過bg %n把這個(gè)進(jìn)程放入后臺(tái)，同樣也可以把一個(gè)cmd &方式啟動(dòng)的后臺(tái)進(jìn)程，通過fg %n放回前臺(tái)，然后在ctrl-c停止它，當(dāng)然不能忽略SIGINT。

為何交互模式下的后臺(tái)進(jìn)程會(huì)設(shè)置一個(gè)自己的進(jìn)程組ID呢？因?yàn)槟J(rèn)如果采用父進(jìn)程的進(jìn)程組ID，父進(jìn)程會(huì)把收到的鍵盤事件比如ctrl-c之類的SIGINT傳播給進(jìn)程組中的每個(gè)成員，假設(shè)后臺(tái)進(jìn)程也是父進(jìn)程組的成員，因?yàn)樽鳂I(yè)控制的需要不能忽略SIGINT，你在終端隨意ctrl-c就可能導(dǎo)致所有的后臺(tái)進(jìn)程退出，顯然這樣是不合理的；所以為了避免這種干擾后臺(tái)進(jìn)程設(shè)置為自己的pgid。

而非交互模式下，通常是不需要作業(yè)控制的，所以作業(yè)控制在非交互模式下默認(rèn)也是關(guān)閉的（當(dāng)然也可以在腳本里通過選項(xiàng)set -m打開作業(yè)控制選項(xiàng)）。不開啟作業(yè)控制的話，腳本里的后臺(tái)進(jìn)程可以通過設(shè)置忽略SIGINT信號(hào)來避免父進(jìn)程對(duì)組中成員的傳播，因?yàn)閷?duì)它來說這個(gè)信號(hào)已經(jīng)沒有意義。

回到tomcat的例子，catalina.sh腳本通過start參數(shù)啟動(dòng)的時(shí)候，就是以非交互方式后臺(tái)啟動(dòng)，java進(jìn)程也被shell設(shè)置了忽略SIGINT信號(hào)，因此在ctrl-c結(jié)束test.sh進(jìn)程時(shí)，系統(tǒng)發(fā)送的SIGINT對(duì)java沒有影響。

SIGHUP (kill -1) 讓tomcat進(jìn)程退出的原因

在非交互模式下，shell對(duì)java進(jìn)程設(shè)置了SIGINT，SIGQUIT信號(hào)設(shè)置了忽略，但并沒有對(duì)SIGHUP信號(hào)設(shè)為忽略。再看一下當(dāng)時(shí)的進(jìn)程層級(jí)：

|-sshd(1622)-+-sshd(11681)---sshd(11699)---bash(11700)---test.sh(13285)---tail(13299)

sshd把SIGHUP傳遞給bash進(jìn)程后，bash會(huì)把SIGHUP傳遞給它的子進(jìn)程，并且對(duì)于其子進(jìn)程test.sh，bash還會(huì)對(duì)test.sh的進(jìn)程組里的成員都傳播一遍SIGHUP。因?yàn)閖ava后臺(tái)進(jìn)程從父進(jìn)程catalina.sh(又是從其父進(jìn)程test.sh)繼承的pgid，所以java進(jìn)程仍屬于test.sh進(jìn)程組里的成員，收到SIGHUP后退出。

如果我們?cè)趖est.sh里設(shè)置開啟作業(yè)控制的話，就不會(huì)讓java進(jìn)程退出了

#!/bin/bash
set -m  
cd /home/admin/tt/tomcat/bin/
./catalina.sh start
tail -f /home/admin/tt/tomcat/logs/catalina.out

此時(shí)java后臺(tái)進(jìn)程繼承父進(jìn)程catalina.sh的pgid，而catalina.sh不再使用test.sh的進(jìn)程組，而是自己的pid作為pgid，catalina.sh進(jìn)程在執(zhí)行完退出后，java進(jìn)程掛到了init下，java與test.sh進(jìn)程就完全脫離關(guān)系了，bash也不會(huì)再向它發(fā)送信號(hào)。

原創(chuàng)文章，轉(zhuǎn)載請(qǐng)注明： 轉(zhuǎn)載自并發(fā)編程網(wǎng) – ifeve.com本文鏈接地址: Tomcat進(jìn)程意外退出的問題分析