容器把进程表裁成了孤岛:PID 1 凭什么特殊

宿主机上 PID 1 是 systemd 或者 init,一辈子干两件事:管理服务、收养孤儿。容器把这套约定原样带进了 namespace,但用户的应用程序没有继承任何相关的能力——它只是一个碰巧占据了 namespace 里第一个 PID 槽位的普通程序。于是两条为 init 进程设计的内核规则,撞上一个既不处理信号也不收尸的应用,就制造了容器时代最经典的三类事故:docker stop 之后的强制补刀、莫名其妙堆积的僵尸进程、以及信号吞掉之后应用「假死不走」的优雅退出失败。
理解这一切的钥匙不在 Docker,而在内核的信号处理与进程收养路径。这两条规则都是确定性行为,不是玄学,也不是 Docker 的 bug:namespace 的 init 进程有资格享受它们,应用占了这个位置就要承担后果。本文把两条规则逐条拆开,看清内核在哪里、以什么条件网开一面,再看工程上有哪些标准的规避姿势。
flowchart TD
A["docker stop<br/>向容器 PID 1 发 SIGTERM"] --> B{"PID 1 注册过<br/>SIGTERM 处理器吗"}
B -- "没注册(典型应用)" --> C["内核按 SIGNAL_UNKILLABLE 规则<br/>把信号直接丢弃"]
C --> D["应用毫无反应<br/>docker stop 进入宽限期<br/>默认 10 秒"]
D --> E["docker kill 补发 SIGKILL<br/>不可捕获,进程强制终止"]
E --> F["没有 graceful shutdown<br/>请求被打断、数据可能损坏"]
G["容器运行期间<br/>某子进程退出变 zombie"] --> H{"孤儿收养规则"}
H --> I["收养方是 namespace 的 PID 1"]
I --> J{"PID 1 会循环 wait 收尸吗"}
J -- "不会(典型应用)" --> K["僵尸越堆越多<br/>占进程表项"]
L["tini / --init 作为 PID 1"] --> M["注册全部终止信号并转发<br/>循环 waitpid 收尸"]
M --> N["应用优雅退出<br/>僵尸即时回收"]
特权一:内核对 PID 1 的信号豁免
内核给每个 PID namespace 的 init 进程挂了一个专门的标志:SIGNAL_UNKILLABLE(task_struct 的 signal 结构里)。信号投递路径在判断「默认动作是否该终止进程」时,会检查这个标志:当一个信号既没有注册处理器、默认动作又是终止或转储(SIGTERM、SIGINT、SIGHUP、SIGQUIT 全在这一类),而目标是 namespace 的 init 时,内核不执行终止动作,而是把信号当作未投递直接丢弃。注释里的理由很直白:给 init 一个安装处理器、掌控自身命运的机会——它是整个 namespace 的收养人,被外部随手指一下就死光全族,代价太大。
这条规则的推论往往反直觉:
- 应用没写任何信号处理代码,
kill -TERM发给它,进程纹丝不动——不是 Docker 的锅,是内核的豁免。 - 只有 SIGKILL 不在此列。SIGKILL 没有处理器可谈,照杀。这就是
docker kill永远有效的内核依据:SIGTERM 靠不住时,超时后必然升级成 SIGKILL。 - 一旦应用注册了处理器(哪怕只是空函数),豁免就不再生效,信号会正常送达。所以 JVM 这类自带 SIGTERM 处理器的运行时在容器里通常能收到优雅退出信号;而很多脚本、CLI 工具根本不注册,就成了「信号黑洞」。
投递顺序上还有一个容易忽略的细节:豁免检查发生在内核信号路径里,与信号来自 namespace 内部还是外部无关。在容器里执行 kill -TERM 1,效果和宿主机上 docker stop 发的信号一模一样——没注册就丢弃。想验证这个行为,找一台装了 Docker 的机器 docker run --rm busybox sleep 1000,另开终端 docker exec 进去发 SIGTERM,再 docker events 观察:进程毫无动静,直到你改发 SIGKILL。
这个标志是在进程树的根上设置的:namespace 的 init 由内核在创建 namespace 的路径上标记,此后 fork 出来的所有子进程都不带这个标志。所以豁免只保护 PID 1 本人,容器里的第二个进程就回归普通信号语义。这也是为什么同一份信号代码,在容器里 PID 1 上失效、在其他任何位置上都正常——位置决定语义,代码决定行为。
特权二:孤儿收养链的终点
进程退出后如果还没人调用 wait,就会以 zombie 状态挂在进程表上,占一个 PID 和 task_struct 的残骸——这条机制在《操作系统内功 · 第 91 篇|zombie 与 wait:进程退出的最后一公里》里拆过,这里只看收养规则在 namespace 里怎么落地。父进程先死时,子进程要换收养人:宿主机上默认收养人是 systemd;进了 PID namespace,收养人就是 namespace 自己的 init。内核在每个 pid_namespace 结构里记着 child_reaper 指针,孤儿重挂父链、发 SIGCHLD,都走这个指针。
于是容器里的分工变成:PID 1 名下的每个子进程退出,都依赖 PID 1 调用 wait 系列系统调用去收尸。systemd 为此练了一辈子,应用进程则完全没有这个习惯——它只在主动 join 子进程时才 wait。只要应用以 PID 1 身份跑起来,又碰巧会 spawn 子进程(shell 脚本里的后台任务、定期起 ffmpeg 转码的 worker、跑 crontab 的镜像),僵尸就开始积累。僵尸不占内存页,但占进程表项;PID namespace 的 PID 上限由 pid_max 控制,堆满了之后 fork 报 EAGAIN,容器进入「看起来活着、什么都干不了」的状态。
顺带解释一个常见误解:docker stop 杀不掉容器,从来不是「信号丢失」,而是特权一里那次悄无声息的丢弃。丢失是异常,丢弃是设计。
直接拿应用当 PID 1:三个连环坑
把三块知识拼起来,应用直当 PID 1 的坑就都推得出来。
第一坑是信号不进。没有处理器的 SIGTERM 被丢弃,优雅退出逻辑(关连接、刷缓冲、写关闭日志)从未执行,docker stop 等满 10 秒宽限期后 SIGKILL 硬杀——用户看到的现象是「每次发布都有 500 随机出现」,因为被硬杀的连接数是随机的。还有一个变体:ENTRYPOINT 用了 shell 形式(ENTRYPOINT node app.js 会展开成 /bin/sh -c node app.js),此时 sh 是 PID 1,应用是 sh 的子进程;sh 默认不转发它收到的信号,应用连「收不到」的机会都没有。注意 sh 对单命令有 exec 优化,但命令串里只要有 && 或环境变量展开,优化就失效。
第二坑是僵尸不收。前面说过,spawn 子进程的应用如果从不 wait,僵尸只进不出。
第三坑最隐蔽:信号处理写在了子进程身上。有些团队发现 TERM 没反应后,给应用加了信号处理器,但应用是经由 npm start 或包装脚本启动的——处理器挂在孙子进程上,PID 1(npm 或 sh)依旧丢信号或吞信号。npm 历史上长期不转发 SIGTERM 给子进程(issue 4603 是经典老案例),这类「每一层都以为自己不是最终责任方」的信号链,排查时要把整个进程树画出来逐层确认。
招一个专业的门房:tini、--init 与 exec form
工程上的标准解法是让一个专职的极小进程占据 PID 1,它只干两件事:转发信号、循环收尸。tini 和 dumb-init 都是这个思路的实现,几 MB 甚至几十 KB 的体积,换来确定性的进程管理语义。现代容器平台已经内置:Docker 的 docker run --init 会自动注入一个基于 tini 的 docker-init 占住 PID 1;Podman 的 --init 默认用 catatonit,效果相同。用了门房之后,应用退回「普通子进程」的身份,两条内核特权都由门房行使:
FROM node:20-slim
# 方式一:显式装 tini(apt 装的是 /usr/bin/tini)
RUN apt-get update && apt-get install -y --no-install-recommends tini
ENTRYPOINT ["/usr/bin/tini", "--", "node", "server.js"]
# 方式二:什么都不装,交给运行时注入
# docker run --init <image>;Podman 对应 podman run --init
如果不想引入门房,应用自己当 PID 1 也能活,但必须自己补上两段代码。以 Python 为例,一个完整的「自管理 PID 1」长这样:
import signal
import subprocess
import sys
procs = []
def shutdown(signum, frame):
# 注册了处理器,SIGTERM 就不再被内核丢弃
for p in procs:
p.terminate() # 转发给所有子进程
for p in procs:
try:
p.wait(timeout=5) # 相当于 waitpid,回收尸体
except subprocess.TimeoutExpired:
p.kill()
signal.signal(signal.SIGTERM, shutdown)
signal.signal(signal.SIGINT, shutdown)
child = subprocess.Popen(sys.argv[1:])
procs.append(child)
child.wait()
# 收尸循环:随时可能冒出来的孤儿也要兜住
while True:
try:
pid, status = os.waitpid(-1, os.WNOHANG)
except ChildProcessError:
break
if pid == 0:
signal.pause()
要点有三处:先注册处理器(否则特权一生效,这段代码永远不会被调进);转发信号给全部子进程而不是只给第一个;最后用 os.waitpid(-1, ...) 收养名下所有僵尸。自己写的门房和 tini 的差距主要在边界条件的完备性上——tini 还处理了 TTY、管道关闭、SIGCHLD 竞态等细节,生产环境优先用现成的。
第三个常规动作是把 ENTRYPOINT 全部改成 exec 形式(JSON 数组),保证应用直接成为 PID 1 或者门房直接拉起应用,中间不隔一层 shell。这个改动一行成本,消灭的是最常见的那类「sh 吞信号」事故。
门房的内部构造:tini 靠哪三招活下来
把门房当成黑盒会用就够了,但知道它的三招核心结构,自己排查时能省很多力气。
第一招是信号转发的 self-pipe 结构。信号处理器里不能安全地做复杂操作(这条纪律在《操作系统内功 · 第 89 篇|异步信号安全:多线程程序的信号路由》里展开过),tini 的做法是在处理器里只往一个管道写一个字节,主循环阻塞在管道读上——信号到达,管道有数据,主循环醒来后去做真正的转发动作。这样信号处理被串行化到了主循环,没有重入风险,也让「收到 A 信号时正在处理 B 信号」这类竞态天然消失。
第二招是收尸循环。tini 主循环里反复调用 waitpid(-1, &status, WNOHANG):WNOHANG 保证没有尸体时立刻返回,不阻塞对管道读的等待;每收一个尸继续循环清空队列。这一对「管道读 + 非阻塞收尸」的结构,就是门房的全部调度骨架,二十来行 C 就能写出来,但边界条件(管道关闭、子进程退出与信号同时到达、僵尸孙进程级联)决定了生产可用的成熟实现比自己写的更稳。
第三招是转发语义的可配置性。tini 默认把收到的所有信号转发给子进程,并支持 -g(进程组转发,把孙进程一起带上);dumb-init 则在父子之间插入了一个PTY 组的策略,应对 setuid 程序改变进程组后信号够不到的坑。选型时值得看一眼各自文档里的转发矩阵,别到出事那天才知道默认行为不含孙进程。
工程现场两则
场景一:每次发版随机出现 500。 某服务容器镜像的 CMD 是 shell 形式 CMD node server.js,发版时 docker stop 发 TERM 给 sh,sh 不转发,10 秒后 SIGKILL 硬杀 node。在途请求随机被打断,表现为发布时段的零星 500,且时间点与「连接被中断」的日志完全吻合。修复只动了一行:CMD 改 exec 形式,让 node 直接当 PID 1(node 自带 SIGTERM 处理器,豁免不生效),再在应用里注册优雅退出。发布期间 500 归零。这个案例的教训是:先查 docker inspect 的 Entrypoint 与 Cmd 字段,很多「应用不响应 TERM」的玄学,答案就写在镜像元数据里。
场景二:跑了一周的容器内存曲线缓涨。 某转码服务容器 RSS 曲线平稳,但 /proc/<pid>/status 的 Threads 正常、唯一反常的是 ps aux | grep defunct 能列出几千条。根因是应用用 subprocess.Popen 起转码子进程却从不 wait,子进程退出后全部被 PID 1 收养,无人收尸。加了 --init 之后僵尸即时被门房回收,进程表项不再泄漏。排查这类问题时,先数僵尸数量(ps -eo pid,stat,comm | awk '$2 ~ /Z/' | wc -l)再看 PID 1 是谁,基本一眼定案。
收束:两条规则、一套标准动作
最后把全文压缩成几句可执行的纪律。理解层面记住两条内核规则:SIGTERM 这类默认终止信号对无处理器的 PID 1 会被丢弃(SIGNAL_UNKILLABLE),SIGKILL 例外照杀;孤儿一律收养到 namespace 的 child_reaper 名下,不 wait 就积僵尸。动作层面三选一:运行时 --init(零改动,首选);镜像里放 tini/dumb-init 当 ENTRYPOINT(可控、跨平台一致);应用自当 PID 1 则必须「注册信号处理器 + 转发全部子进程 + 循环 waitpid」三件套齐备,缺一不可。再配一条镜像纪律:ENTRYPOINT 一律 exec 形式,把 shell 从信号链上摘掉。做完这些,docker stop 的十秒宽限期才真正属于你的优雅退出逻辑,而不是留给 SIGKILL 的倒计时。
读者留言
COMMENTS 暂无还没有留言,来说第一句?