感謝同事宏江投遞本稿。
節前某個部門的測試環境反饋tomcat會意外退出，我們到實際環境排查后發現不是jvm crash，日志里有進程銷毀的記錄，從pause到destory的整個過程：
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閉(viaport: 即通過8005端口發送shutdown指令)
因為正常關閉(viaport)的話會在 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，執行了銷毀邏輯
而這又有兩種情況，一是應用代碼里有地方用System.exit來退出jvm，二是系統發的信號(kill -9除外，SIGKILL信號JVM不會有機會執行shutdownhook)
先通過排查代碼，應用方和中間件團隊都排查了System.exit在這個應用中使用的可能。那就只剩下Signal的情況了；經過一番排查后，發現每次tomcat意外退出的時間與ssh會話結束的時間正好吻合。
有了這個線索之后，銀時同學立刻看了一下對方測試環境的腳本，簡化后如下：
$ cat test.sh
#!/bin/bash
cd /data/server/tomcat/bin/
./catalina.sh start
tail -f /data/server/tomcat/logs/catalina.out
tomcat啟動為后，當前shell進程并沒有退出，而是掛住在tail進程，往終端輸出日志內容。這種情況下，如果用戶直接關閉ssh終端的窗口(用鼠標或快捷鍵)，則java進程也會退出。而如果先ctrl-c終止test.sh進程，然后再關閉ssh終端的話，則java進程不會退出。
這是一個有趣的現象，catalina.sh start方式啟動的tomcat會把java進程掛到init(進程id為1)的父進程下，已經與當前test.sh進程脫離了父子關系，也與ssh進程沒有關系，為什么關閉ssh終端窗口會導致java進程退出？
我們的推測是ssh窗口在關閉時，對當前交互的shell以及正在運行的test.sh等子進程發送某個退出的Signal，找了一臺裝有systemtap的機器來驗證，所用的stap腳本是從澗泉同學那里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("");
}
}
模擬時的進程層級(pstree)大致如下，tomcat啟動后java進程已經脫離test.sh，掛在init下：
|-sshd(1622)-+-sshd(11681)---sshd(11699)---bash(11700)---test.sh(13285)---tail(13299)
經過內核組伯俞的協助，我們發現
a) 用 ctrl-c 終止當前test.sh進程時，系統events進程向 java 和 tail 兩個進程發送了SIGINT 信號
SIGINT [ 0 11 ] -> [ 0 20629 tail ]
SIGINT [ 0 11 ] -> [ 0 20628 java ]
SIGINT [ 0 11 ] -> [ 0 20615 test.sh ]
注pid 11是events進程
b) 關閉ssh終端窗口時，sshd向下游進程發送SIGHUP, 為何java進程也會收到？
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協助分析這個問題(他給出了一些猜測，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) 不會讓tomcat進程退出？
2) 為什么SIGHUP (kill -1) 會讓tomcat進程退出?
我第一反應可能是jvm在某些參數下(或因為某些jni)對os的信號處理會不同，看了一下應用的jvm參數，沒有看出問題，也排除了tomcat使用apr/tcnative的情況。
我們看一下默認情況下，jvm進程對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") } })
對這個java進程分別用kill -2和kill -1發現都會導致jvm進程退出，并且也觸發shutdownhook。這也符合oracle對hotspot虛擬機處理Signal的說明，參考這里，SIGTERM,SIGINT,SIGHUP三種信號都會觸發shutdownhook
看來并不是jvm的事，繼續猜測是否與進程的狀態有關？catalina.sh腳本里并沒有使用start-stop-daemon之類的方式啟動java進程，start參數的執行方式簡化后腳本相當于：
eval '"/pathofjdk/bin/java"' 'params' org.apache.catalina.startup.Bootstrap start '&'
就是簡單的把java放到后臺執行。當catalina.sh自身進程退出后，java進程的ppid變成了1
花了很多的時間猜測可能是OS層面的原因，后來發現并沒有關系。春節后回來讓少明和澗泉也一起分析這個問題，因為他們有c的背景，對系統底層知道的多一些，用了大半天時間，不斷猜測和驗證，最后確認了是Shell的原因。
SIGINT (kill -2) 不會讓后臺java進程退出的原因
為了簡便，我們用sleep來模擬進程，當我們在交互模式下：
$ sleep 1000 &
$ ps -opid,pgid,ppid,stat,cmd -C sleep
PID PGID PPID STAT CMD
9897 9897 9813 S sleep 1000
注意，進程sleep 1000的pid與pgid(進程組)是相同的，這時我們用kill -2是可以殺掉sleep 1000進程的。
現在我們把sleep進程放到一個腳本里后臺執行：
$ cat a.sh
#!/bin/sh
sleep 4400 &
echo "shell exit"
運行a.sh腳本之后，sleep 4400進程的pid與pgid是不同的，pgid是其父進程的id，即已經退出了的a.sh進程
$ ps -opid,pgid,ppid,comm -p 63376
PID PGID PPID COMM
63376 63375 1 sleep
這時我們用kill -2是殺不掉sleep 4400進程的。
到了這一步，已經非常接近原因了，一定是shell對后臺進程signal_handler做了什么手腳。少明實現了一個自定handler的命令看看是否對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方式運行：
$ cat a.sh
#!/bin/sh
/tmp/a.out &
這次再嘗試用kill -2去殺a.out進程，是可以的。這說明shell對signal_handler做手腳是在執行用戶邏輯之前，也就是腳本在fork出子進程的時候就設置了。按照這個線索我們google后了解到: shell在非交互模式下對后臺進程處理SIGINT信號時設置的是IGNORE。
交互模式與非交互模式對作業控制(job control)默認方式不同
為什么在交互模式下shell不會對后臺進程處理SIGINT信號設置為忽略，而非交互模式下會設置為忽略呢？還是比較好理解的，舉例來說，我們先某個前臺進程運行時間太長，可以ctrl-z中止一下，然后通過bg %n把這個進程放入后臺，同樣也可以把一個cmd &方式啟動的后臺進程，通過fg %n放回前臺，然后在ctrl-c停止它，當然不能忽略SIGINT。
為何交互模式下的后臺進程會設置一個自己的進程組ID呢？因為默認如果采用父進程的進程組ID，父進程會把收到的鍵盤事件比如ctrl-c之類的SIGINT傳播給進程組中的每個成員，假設后臺進程也是父進程組的成員，因為作業控制的需要不能忽略SIGINT，你在終端隨意ctrl-c就可能導致所有的后臺進程退出，顯然這樣是不合理的；所以為了避免這種干擾后臺進程設置為自己的pgid。
而非交互模式下，通常是不需要作業控制的，所以作業控制在非交互模式下默認也是關閉的（當然也可以在腳本里通過選項set -m打開作業控制選項）。不開啟作業控制的話，腳本里的后臺進程可以通過設置忽略SIGINT信號來避免父進程對組中成員的傳播，因為對它來說這個信號已經沒有意義。
回到tomcat的例子，catalina.sh腳本通過start參數啟動的時候，就是以非交互方式后臺啟動，java進程也被shell設置了忽略SIGINT信號，因此在ctrl-c結束test.sh進程時，系統發送的SIGINT對java沒有影響。
SIGHUP (kill -1) 讓tomcat進程退出的原因
在非交互模式下，shell對java進程設置了SIGINT，SIGQUIT信號設置了忽略，但并沒有對SIGHUP信號設為忽略。再看一下當時的進程層級：
|-sshd(1622)-+-sshd(11681)---sshd(11699)---bash(11700)---test.sh(13285)---tail(13299)
sshd把SIGHUP傳遞給bash進程后，bash會把SIGHUP傳遞給它的子進程，并且對于其子進程test.sh，bash還會對test.sh的進程組里的成員都傳播一遍SIGHUP。因為java后臺進程從父進程catalina.sh(又是從其父進程test.sh)繼承的pgid，所以java進程仍屬于test.sh進程組里的成員，收到SIGHUP后退出。
如果我們在test.sh里設置開啟作業控制的話，就不會讓java進程退出了
#!/bin/bash
set -m
cd /home/admin/tt/tomcat/bin/
./catalina.sh start
tail -f /home/admin/tt/tomcat/logs/catalina.out
此時java后臺進程繼承父進程catalina.sh的pgid，而catalina.sh不再使用test.sh的進程組，而是自己的pid作為pgid，catalina.sh進程在執行完退出后，java進程掛到了init下，java與test.sh進程就完全脫離關系了，bash也不會再向它發送信號。
原創文章，轉載請注明： 轉載自并發編程網 – ifeve.com本文鏈接地址: Tomcat進程意外退出的問題分析
