Linux进程管理实战：从ps查看到systemd与cgroup深入排查

搞 Linux 的人，可以不会写内核模块，但一定绕不开进程管理。无论你是刚接触 Linux 的新手，还是在生产环境摸爬滚打多年的运维，进程管理都是必须熟练掌握的基本功。从 ps aux 看到的一串列表，到系统出现 CPU 飙高、进程僵死时如何下手排查，再到用 systemd 和 cgroup 把服务管得服服帖帖，这些都是进程管理的范畴。这篇文章我想从概念讲起，一直聊到生产环境实战，把我这些年踩过的坑和积累的排查思路一并整理出来，希望能帮不同阶段的读者建立起一套自己的进程管理方法论。

1. 先搞清楚：Linux 进程到底是个什么东西

1.1 进程与线程：别再傻傻分不清

我们经常说“进程是资源分配的最小单位，线程是 CPU 调度的最小单位”，这个定义其实挺抽象的。我更喜欢用公司来类比：进程就像一家公司，有自己的办公室（内存空间）、员工名册（文件描述符）、财务报表（资源统计）；而线程是公司里的员工，真正干活、被老板安排任务的就是他们。同一家公司里的员工共享办公室、共用打印机，但每个人干活的状态是独立的。

对应到 Linux 上，一个进程可以只有一个线程（单线程程序），也可以有多个线程（多线程程序）。Linux 内核其实没有真正意义上的线程概念，它用“轻量级进程”（LWP，Light Weight Process）来模拟线程，线程和其他进程一样都是 task_struct。这就是为什么你用 ps -ef 只能看到进程，而用 ps -eLf 才能看到每个线程。

生产环境里理解这个区别很重要。排查 Java 应用 CPU 飙高时，top 看到的是进程整体占用，必须切到线程视角才能定位到具体是哪条线程出问题；调优 Nginx 的 worker 数量时，也要搞清楚 worker 是进程还是线程。在 Linux 上，nginx 是多进程模型，httpd 在 worker 模式下是多线程模型，同样的“并发模型”四个字，底层资源使用和故障表现完全不同。

1.2 进程状态机：从创建到消亡的全过程

进程不是一直“活着”的，它在生命周期的不同阶段会处于不同状态。Linux 的进程状态用 ps 输出的 STAT 列表示，常见的有这么几个：

很多人会把 S 和 D 搞混。可以这样理解：S 状态是“我要睡觉，谁叫我我都能醒”；D 状态是“我在等必须等的人，谁来也叫不走我”。D 状态发生在内核 IO 操作中，比如磁盘控制器在等待数据返回。这种状态下进程连 SIGKILL 都杀不掉，因为内核程序正在做不允许被打断的事情。

僵尸进程则完全相反，它其实已经“死”了，不占内存、不占 CPU，只是进程表里还留着一个条目，等父进程来收尸。如果父进程不调用 wait() 回收，这个条目就会一直留着。单个僵尸进程不可怕，可怕的是父进程批量产生僵尸，把进程表占满。

2. 进程管理命令：从查看到操控

2.1 查看进程：这些命令组合拳最实用

进门第一件事就是查看进程。ps 是必会命令，但老是有人问 ps -ef 和 ps aux 有什么区别。简单说，ps -ef 是 System V 风格，ps aux 是 BSD 风格，展示的信息略不同，生产环境我更喜欢用 ps aux，因为它默认带 CPU 和内存占用率。

用 ps aux 时我通常会加管道限制输出，不然满屏刷得眼花：

bash复制# 只看自己想关注的信息，避免刷屏
ps aux | grep java

# 按 CPU 使用率排序，取前 10 个
ps aux --sort=-%cpu | head -n 10

# 只看用户某个进程的所有线程
ps -eLf | grep java

top 则是动态刷新视图，适合持续观察。进 top 后我常用的几个交互命令：按 P 按 CPU 排序，按 M 按内存排序，按 k 可以直接输入 PID 杀进程，按 r 可以调整 nice 值。很多人不知道 top 里按 H 可以切换到线程视图，排查多线程应用问题时非常有用。

htop 是 top 的加强版，支持鼠标点击、树状视图，还能