小知识：linux系统中一次用户态进程死循环案例的分析过程以及解决办法

1、问题现象

业务进程(用户态多线程程序)挂死，操作系统反应迟钝，系统日志没有任何异常。从进程的内核态堆栈看，看似所有线程都卡在了内核态的如下堆栈流程中：

[root@vmc116 ~]# cat /proc/27007/task/11825/stack

[<ffffffff8100baf6>] retint_careful+0x14/0x32

[<ffffffffffffffff>] 0xffffffffffffffff

2、问题分析

1）内核堆栈分析

从内核堆栈看，所有进程都阻塞在 retint_careful上，这个是中断返回过程中的流程，代码(汇编)如下：

entry_64.S

这其实是用户态进程在用户态被中断打断后，从中断返回的流程，结合retint_careful+0x14/0x32，进行反汇编，可以确认阻塞的点其实就在

SCHEDULE_USER

这其实就是调用schedule()进行调度，也就是说当进程走到中断返回的流程中时，发现需要调度(设置了TIF_NEED_RESCHED)，于是在这里发生了调度。

有一个疑问：为什么在堆栈中看不到schedule()这一级的栈帧呢？

因为这里是汇编直接调用的，没有进行相关栈帧压栈和上下文保存操作。

2）进行状态信息分析

从top命令结果看，相关线程实际一直处于R状态，CPU几乎完全耗尽，而且绝大部分都消耗在用户态：

[root@vmc116 ~]# top

top – 09:42:23 up 16 days,  2:21, 23 users,  load average: 84.08, 84.30, 83.62

Tasks: 1037 total,  85 running, 952 sleeping,   0 stopped,   0 zombie

Cpu(s): 97.6%us,  2.2%sy,  0.2%ni,  0.0%id,  0.0%wa,  0.0%hi,  0.0%si,  0.0%st

Mem:  32878852k total, 32315464k used,   563388k free,   374152k buffers

Swap: 35110904k total,    38644k used, 35072260k free, 28852536k cached

  PID USER      PR  NI  VIRT  RES  SHR S %CPU %MEM    TIME+  COMMAND                                                                                                                     

27074 root      20   0 5316m 163m  14m R 10.2  0.5 321:06.17 z_itask_templat                                                                                                                

27084 root      20   0 5316m 163m  14m R 10.2  0.5 296:23.37 z_itask_templat                                                                                                                   

27085 root      20   0 5316m 163m  14m R 10.2  0.5 337:57.26 z_itask_templat                                                                                                                   

27095 root      20   0 5316m 163m  14m R 10.2  0.5 327:31.93 z_itask_templat                                                                                                                   

27102 root      20   0 5316m 163m  14m R 10.2  0.5 306:49.44 z_itask_templat                                                                                                                   

27113 root      20   0 5316m 163m  14m R 10.2  0.5 310:47.41 z_itask_templat                                                                                                                   

25730 root      20   0 5316m 163m  14m R 10.2  0.5 283:03.37 z_itask_templat                                                                                                                   

30069 root      20   0 5316m 163m  14m R 10.2  0.5 283:49.67 z_itask_templat                                                                                                                   

13938 root      20   0 5316m 163m  14m R 10.2  0.5 261:24.46 z_itask_templat                                                                                                                   

16326 root      20   0 5316m 163m  14m R 10.2  0.5 150:24.53 z_itask_templat                                                                                                                   

 6795 root      20   0 5316m 163m  14m R 10.2  0.5 100:26.77 z_itask_templat                                                                                                                   

27063 root      20   0 5316m 163m  14m R  9.9  0.5 337:18.77 z_itask_templat                                                                                                                   

27065 root      20   0 5316m 163m  14m R  9.9  0.5 314:24.17 z_itask_templat                                                                                                                   

27068 root      20   0 5316m 163m  14m R  9.9  0.5 336:32.78 z_itask_templat                                                                                                                   

27069 root      20   0 5316m 163m  14m R  9.9  0.5 338:55.08 z_itask_templat                                                                                                                   

27072 root      20   0 5316m 163m  14m R  9.9  0.5 306:46.08 z_itask_templat                                                                                                                   

27075 root      20   0 5316m 163m  14m R  9.9  0.5 316:49.51 z_itask_templat                                                                                                                   

…

3）进程调度信息

从相关线程的调度信息看：

[root@vmc116 ~]# cat /proc/27007/task/11825/schedstat 

15681811525768 129628804592612 3557465

[root@vmc116 ~]# cat /proc/27007/task/11825/schedstat 

15682016493013 129630684625241 3557509

[root@vmc116 ~]# cat /proc/27007/task/11825/schedstat 

15682843570331 129638127548315 3557686

[root@vmc116 ~]# cat /proc/27007/task/11825/schedstat 

15683323640217 129642447477861 3557793

[root@vmc116 ~]# cat /proc/27007/task/11825/schedstat 

15683698477621 129645817640726 3557875

发现相关线程的调度统计一直在增加，说明相关线程一直是在被调度运行的，结合其状态也一直是R，推测很可能在用户态发生了死循环(或者非睡眠死锁)。

这里又有问题：为什么从top看每个线程的CPU占用率只有10%左右，而不是通常看到的死循环进程导致的100%的占用率？

因为线程数很多，而且优先级都一样，根据CFS调度算法，会平均分配时间片，不会让其中一个线程独占CPU。结果为多个线程间轮流调度，消耗掉了所有的cpu。。

另一个问题：为什么这种情况下，内核没有检测到softlockup？

因为业务进程的优先级不高，不会影响watchdog内核线程(最高优先级的实时线程)的调度，所以不会产生softlockup的情况。

再一个问题：为什么每次查看线程堆栈时，总是阻塞在retint_careful，而不是其它地方？

因为这里(中断返回的时候)正是调度的时机点，在其它时间点不能发生调度(不考虑其它情况~)，而我们查看线程堆栈的行为，也必须依赖于进程调度，所以我们每次查看堆栈时，正是查看堆栈的进程(cat命令)得到调度的时候，这时正是中断返回的时候，所以正好看到的阻塞点为retint_careful。

4）用户态分析 从上面的分析看，推测应该是用户态发生了死锁。

用户态确认方法：

部署debug信息，然后gdb attach相关进程，确认堆栈，并结合代码逻辑分析。

最终确认该问题确为用户态进程中产生了死循环。

以上就是linux系统中一次用户态进程死循环案例的分析过程，谢谢阅读，希望能帮到大家，请继续关注服务器之家，我们会努力分享更多优秀的文章。