进程卡住先别急着 kill -9：用 strace、/proc 和信号把进程状态讲清楚

程序跑着跑着不动了，日志也不再滚动，第一反应往往是 kill -9 直接干掉重开。删掉一个进程很容易，但如果不知道它为什么卡住，下次还会在同一个地方卡住。先花两分钟看清楚进程在干什么，再决定怎么处理。

第一步：先看进程处在什么状态

ps aux | grep <进程名> 能看到进程的基本信息，重点看 STAT 这一列。R 是正在运行，S 是在等某个事件（比如等网络回包、等磁盘读写），D 是在等磁盘 I/O 完成，T 是被暂停了，Z 是僵尸进程。

S 和 D 都表示“在等”，但性质完全不同。S 状态的进程一般是正常的等待，收到数据就会继续；而 D 状态的进程卡在不可中断的 I/O 上，这时候就算发 kill -9 也杀不掉它，只能等磁盘 I/O 完成，或者解决底层的存储问题。先分清状态，再决定下一步。

如果想看得更细，/proc/<PID>/status 里有进程的完整状态，包括内存占用、打开的文件数、信号掩码等。cat /proc/<PID>/status | grep -E 'State|VmRSS|Threads' 一行命令就能拿到关键信息，不用装任何工具。

第二步：用 strace 看它到底在等什么

知道进程在等还不够，要知道它在等谁。strace 可以跟踪一个进程正在做的系统调用：

strace -p <PID>

如果输出一直在重复 read(3, ...) 且没有返回，说明进程在等文件描述符 3 上的数据；如果停在 connect(...)，说明在等网络连接建立；如果停在 futex(...)，说明在等多线程之间的锁。

只想看个大概，不想被海量输出淹没，可以加 -c 做汇总统计：

strace -c -p <PID>

跑几十秒按 Ctrl+C 退出，它会列出每个系统调用花了多少时间。哪个调用占了 90% 以上的时间，问题基本就在哪里。这个方法对“程序没报错、就是慢”的情况特别管用，因为日志里往往什么都没有，但系统调用不会说谎。

注意，strace 附加到线上进程会让它稍微变慢一点，生产环境用的时候尽量只跟几十秒，拿到结论就停。

第三步：按顺序发信号，别一上来就 kill -9

确认进程确实卡死、也知道卡在哪里之后，再动手。信号要按“温和到强硬”的顺序来：

1. kill <PID>（默认 SIGTERM）：请进程自己退出。写得规范的程序收到 SIGTERM 会先保存状态、释放资源再退出。
2. 等几秒没反应，再试 kill -INT <PID>（SIGINT），相当于按了一次 Ctrl+C。
3. 还不行，最后才用 kill -9 <PID>（SIGKILL）：内核直接把进程干掉，进程连清理现场的机会都没有，打开的文件、没写完的数据都可能留在半截状态。

很多“重启后数据丢了”的事故，根源就是跳过了前两步。kill -9 是最后手段，不是第一选择。

僵尸进程不用慌

ps 里看到 Z 状态的进程，说明它已经退出了，只是父进程还没来“收尸”。僵尸进程本身不占内存、不耗 CPU，只占一个进程表项。杀僵尸进程没用，因为它已经死了；正确做法是找到它的父进程（ps -o ppid= -p <僵尸PID>），让父进程回收它，或者重启父进程。如果父进程是 init 或 systemd，一般不用管，系统会定期回收。

小结

进程卡住时，先 ps 看状态，再 cat /proc/<PID>/status 看细节，接着 strace -p 看它到底在等什么，最后按 SIGTERM → SIGINT → SIGKILL 的顺序发信号。把“卡住”讲清楚，比直接杀掉重开更省时间——同样的卡法，下次你一眼就能认出来。