Linux 基础 07：进程与信号——TERM 和 KILL 到底差在哪

这一节要解决什么

kill 这个名字很误导：它其实是”发信号”，不是”杀掉”。理解这一点，才能解释为什么有的进程 kill 一下就退出、有的必须 -9、还有的连 -9 都没用。这一节把进程的观察口径（ps/top/uptime）和信号的语义串起来。

一、ps：先学会读状态码

ps -ef | head                       # 全量（System V 风格：UID PID PPID ... CMD）
ps aux | head                       # 全量（BSD 风格：USER PID %CPU %MEM ... COMMAND）
ps -eo pid,ppid,stat,%cpu,%mem,etime,cmd --sort=-%cpu | head   # 自定义列 + 排序
ps -ejH | head                      # 进程树（看父子关系）

STAT 那列的含义（这一列能回答八成”进程怎么了”）：

状态	含义
`R`	运行中或就绪
`S`	可中断睡眠（等事件，最常见）
`D`	不可中断睡眠（等 IO，通常是磁盘）
`T`	已停止（`Ctrl+Z` 或被 STOP 信号）
`Z`	僵尸（已退出，父进程还没回收）
`I`	空闲内核线程（新内核）
附加符号	`<` 高优先级、`N` 低优先级、`l` 多线程、`s` 会话首进程、`+` 前台进程组

我的批注：D 状态的进程发信号也没用（它连信号都处理不了），这是 kill -9 失效的唯一正当理由；而 Z 不能被杀，只能等父进程 wait()——如果父进程不回收又长期存在，那就是代码问题。

二、负载、CPU、IO：三个别混在一起的数字

uptime                       # 负载：1/5/15 分钟平均“可运行 + 不可中断”的进程数
top -b -n1 | head -12        # %us 用户态 / %sy 内核态 / %wa 等 IO / %id 空闲
nproc                        # 核数：负载要除以它才有意义（16 核负载 8 = 一半）
vmstat 1 3                   # r 队列、b 阻塞、si/so 换页

批注：负载高但 CPU 空闲，八成是 %wa 或 D 状态堆着；负载除以核数才是”压力比”。这条判断我用来区分”CPU 打满”和”磁盘卡住”两类完全不同的故障。

nice / renice：优先级从 -20（最高）到 19（最低），只有 root 能调低 nice 值（即提高优先级）。

nice -n 10 tar czf backup.tar.gz /data     # 以低优先级启动（备份不影响线上）
renice -n 5 -p 12345                       # 调整已运行的进程
ionice -c2 -n7 -p 12345                    # IO 优先级也值得调（备份场景）

三、信号：TERM 可以忽略，KILL 不能

kill -l | head -20

信号	编号	语义	能否被忽略
`SIGHUP`	1	终端断开 / 让守护进程重读配置	✅ 可以
`SIGINT`	2	`Ctrl+C`	✅ 可以
`SIGTERM`	15	”请你优雅退出”——默认信号	✅ 可以（也可以自己决定怎么退）
`SIGKILL`	9	内核直接干掉，不能被捕获/阻塞/忽略	❌ 不行
`SIGSTOP`	19	暂停（不可捕获）	❌ 不行
`SIGTSTP`	20	`Ctrl+Z` 发的就是它	✅ 可以
`SIGCONT`	18	继续	—

kill 12345              # = kill -TERM，先礼后兵
kill -HUP $(cat /run/nginx.pid)   # 让 nginx 重载配置
kill -9 12345           # 最后手段（进程无法释放资源、可能有残留锁）
kill -- -12345          # 负号 = 整个进程组（连带子进程一起）
pkill -f 'python3 worker.py'; pgrep -a python3

批注：kill -9 的问题不只是”粗暴”，而是进程没机会做清理：临时文件不删、数据库事务不回滚、PID 文件不删（下次启动报”已存在”）。所以顺序永远是 TERM → 等几秒 → 还不动再 KILL。

四、前台、后台与别离

sleep 300 &              # 后台运行，shell 立刻拿回提示符
jobs -l                  # 看作业列表与进程组
fg %1; bg %1             # 调到前台 / 放回后台
Ctrl+Z                   # 发 SIGTSTP，把前台作业暂停（不是杀死！）
disown %1                # 从作业表里摘掉，之后 shell 退出不会再发 HUP 给它
nohup sleep 300 &        # 忽略 SIGHUP，输出默认进 nohup.out

为什么关掉终端进程就死了：终端关闭时内核会向该会话的前台/所有作业发 SIGHUP。真正健壮的做法不是 nohup，而是把它们交给”不受终端生死影响”的东西托管：

tmux new -s work         # 会话与终端解耦（最省事）
systemctl start myjob    # 生产标准做法：写成 unit，由 systemd 托管（第 11 节详谈）
setsid sleep 300         # 脱离当前会话（轻量，但不负责重启）

五、僵尸与孤儿：两个方向相反的现象

孤儿（orphan）：父进程先退出，子进程被 init/systemd（PID 1）接管 —— 无事。
僵尸（zombie）：子进程先退出，父进程没调用 wait()，内核保留一条记录等父进程读状态 —— ps 里是 Z，占内存不占 CPU。

bash -c 'sleep 0.1 & sleep 5' &     # 父进程不 wait，子进程退出后成为僵尸
ps -eo pid,ppid,stat,cmd | awk '$3 ~ /Z/'
wait                                # 父进程调用 wait 后僵尸消失

批注：僵尸不能 kill（它已经死了），只能”让父进程回收”或”杀掉父进程”（由 PID 1 接管并回收）。所以看到大量 Z 时，问题不在僵尸，而在写出那段的程序。

六、动手清单

ps -eo pid,ppid,stat,%cpu,cmd --sort=-%cpu | head      # 1. 读状态码
sleep 300 & ; jobs -l ; kill %1                        # 2. 作业控制
( sleep 5 & ); ps -eo stat,cmd | grep -c Z             # 3. 造僵尸（子 shell 退出后成孤儿/僵尸）
nice -n 10 sleep 1 & ; ps -o ni,cmd -p $!              # 4. nice 值生效
kill -HUP $$ ; echo "回来了吗"                          # 5. HUP 可被忽略（交互 shell 会退出，慎用）
kill -9 12345 2>/dev/null || echo '没这个 PID'          # 6. -9 的最后手段
nproc; uptime                                          # 7. 负载与核数对照
vmstat 1 2                                             # 8. r/b 两列的含义

小结

kill 是”发信号”。TERM 可被忽略/优雅处理，KILL 不能被捕获——顺序永远是先 15 后 9。
ps 的 STAT 是核心：D 卡在 IO（信号也无效）、Z 需父进程回收、T 是被暂停。
父目录作业控制靠 & / Ctrl+Z（TSTP）/ jobs / fg / bg；终端关闭时 SIGHUP 会杀掉整组作业。
长期运行用 tmux 或 systemd，不要依赖 nohup。
负载要除以核数才有意义；负载高而 CPU 空闲，先看 %wa 与 D。

下一节预告

下一节：环境变量与 shell 启动文件——export 的作用域、“登录 shell 与非登录 shell”加载文件的不同、为什么 ssh host '命令' 找不到你的 PATH 扩展，以及 sudo 默认会清空哪些环境。