結束子進程以及它的子進程

這是一個建立於 的文章，其中的資訊可能已經有所發展或是發生改變。

在用 goreman 管理整個 TiDB 叢集的時候，我發現 goreman 的 run stop 功能並不能正常的幹掉 TiDB 組件，開始我覺得是我們自己代碼的沒有，沒有很好的處理相關訊號，但後來發現，TiDB 這邊是壓根沒有收到訊號，所以問題鐵定在其他的地方，於是瀏覽下 goreman 的源碼，發現使用的是 /bin/sh -c 的方式來啟動的 TiDB 程式，可能就跟這個有關係。

首先，寫兩個簡單的程式，一個是直接啟動進程，另一個是使用 /bin/sh -c 的方式啟動。簡單起見，我們直接 sleep 很長一段時間，然後在 10 秒之後，kill 掉進程。

func child() {    cmd := exec.Command("sleep", "600")    start := time.Now()    time.AfterFunc(10*time.Second, func() { cmd.Process.Kill() })    ecmd.Run()}func grand_child() {    cmd := exec.Command("/bin/sh", "-c", "sleep 1000")    time.AfterFunc(10*time.Second, func() { cmd.Process.Kill() })    cmd.Run()}

啟動之後，我們會發現有三個 sleep 進程，其中，31126 是 31124 的子進程。

PPID   PID  PGID   SID TTY      TPGID STAT   UID   TIME COMMAND31119 31124 31119 30890 pts/0    31119 S+    1000   0:00 /bin/sh -c sleep 100031119 31125 31119 30890 pts/0    31119 S+    1000   0:00 sleep 60031124 31126 31119 30890 pts/0    31119 S+    1000   0:00 sleep 1000

10 秒之後，我們發現，31126 還是存在，並且沒有被 kill 掉，也就是，直接 kill 31124 並不能幹掉它的子進程。而且 31126 的父進程現在已經變成了 1，也就是 31126 變成了孤兒進程，然後被 init 進程給接管了。

 PPID   PID  PGID   SID TTY      TPGID STAT   UID   TIME COMMAND    1 31126 31119 30890 pts/0    30890 S     1000   0:00 sleep 1000

為瞭解決這個問題，我們需要的是 kill process group，而不是只 kill 父進程，在 Linux 裡面使用的是 kill -- -PID 的方式。同時為了避免自殺，我們需要是為 /bin/sh 這邊額外在建立一個新的進程組（在上面我們可以注意到，所有的 PGID 都是 31119，如果直接 kill -- -PID，會把所有相關的進程都幹掉）。

在 Go 裡面，我們使用 Setpgid: true 來顯示的建立一個新的進程組，如下：

func grand_child() {    cmd := exec.Command("/bin/sh", "-c", "sleep 1000")    cmd.SysProcAttr = &syscall.SysProcAttr{Setpgid: true}    time.AfterFunc(10*time.Second, func() {        syscall.Kill(-cmd.Process.Pid, syscall.SIGKILL)    })    cmd.Run()}

啟動之後，會發現 /bin/sh 啟動的進程已經使用了一個新的進程組了：

PPID   PID  PGID   SID TTY      TPGID STAT   UID   TIME COMMAND4517  4522  4522  3374 pts/0     4517 S     1000   0:00 /bin/sh -c sleep 10004522  4524  4522  3374 pts/0     4517 S     1000   0:00 sleep 1000

然後 10 秒之後，相關進程全部被 kill 掉了。

既然弄懂了 kill grand process 的方法，再看 goreman 的問題就比較容易了。在 goreman 裡面，其實也有 kill process group 的代碼，但是，它漏掉了最關鍵的 Setpgid: true，提個 PR，搞定收工。