systemd管理进程自动重启

本文最后更新于：2023年12月5日晚上

可以使用 systemd 管理 go 进程

systemd 实践: 依据情况自动重启服务，参考：https://mp.weixin.qq.com/s/W6_Z1zPn3MeDgfGDP263vg

systemd 服务异常自动重启很好用，但有的时候希望某些服务只在特定情况下进行重启，其他时候不要自动重启(比如 OOM，需要人工介入)。本文抛砖引玉，旨在能够让读者对 systemd 的重启机制有一定了解。

最简单的自动重启范例

[Unit]
Description=mytest

[Service]
Type=simple
ExecStart=/root/mytest.sh
Restart=always
RestartSec=5
StartLimitInterval=0

[Install]
WantedBy=multi-user.target

重点参数详解

Restart=always: 只要不是通过 systemctl stop 来停止服务，任何情况下都必须要重启服务，默认值为 no
RestartSec=5: 重启间隔，比如某次异常后，等待 5(s)再进行启动，默认值 0.1(s)
StartLimitInterval: 无限次重启，默认是 10 秒内如果重启超过 5 次则不再重启，设置为 0 表示不限次数重启

案例需求

需求：有个业务，当程序因受到 OOM 而退出的时候，不希望自动重启（此时需要人工介入排查），其他情况下可以自动重启

分析：OOM 就是通过 kill -9 来杀进程，因此只要找到方法，告诉 systemd 当该服务遇到 kill -9 时候不自动重启即可

RestartPreventExitStatus 参数

查询 man systemd.service 发现，systemd 的[Service]段落里支持一个参数，叫做 RestartPreventExitStatus

该参数从字面上看，意思是当符合某些退出状态时不要进行重启。

该参数的值支持 exit code 和信号名 2 种，可写多个，以空格分隔，例如：

RestartPreventExitStatus=143 137 SIGTERM SIGKILL

表示，当退出情况只要符合以下 4 种情况中任意一种时候，则不再进行重启

exit code 为 143
exit code 为 137
信号为 TERM
信号为 KILL

但具体如何使用，请继续往下看

测试方法

/usr/lib/systemd/system/mytest.service

[Unit]
Description=mytest

[Service]
Type=simple
ExecStart=/root/mem
Restart=always
RestartSec=5
StartLimitInterval=0
RestartPreventExitStatus=SIGKILL

[Install]
WantedBy=multi-user.target

/root/mem.c（不断消耗内存直至发生 OOM）

#include <stdio.h>
#include <malloc.h>
#include <stdlib.h>
#include <string.h>
#include <unistd.h>

  int main ()
  {
      char *p = NULL;
      int count = 1;
      while(1){
          p = (char *)malloc(1024*1024*100);
          if(!p){
              printf("malloc error!n");
              return -1;
          }
          memset(p, 0, 1024*1024*100);
          printf("malloc %dM memoryn", 100*count++);
          usleep(500000);
      }
   }

编译及执行

gcc -o /root/mem /root/mem.c
systemctl daemon-reload
systemctl start mytest

测试结果

[root@fzxiaomange ~]# systemctl status mytest
      ● mytest.service - mytest
         Loaded: loaded (/usr/lib/systemd/system/mytest.service; disabled; vendor preset: disabled)
         Active: failed (Result: signal) since Sat 2018-10-20 23:32:24 CST; 45s ago
        Process: 10555 ExecStart=/root/mem (code=killed, signal=KILL)
       Main PID: 10555 (code=killed, signal=KILL)


      Oct 20 23:31:55 fzxiaomange.com systemd[1]: Started mytest.
      Oct 20 23:31:55 fzxiaomange.com systemd[1]: Starting mytest...
      Oct 20 23:32:24 fzxiaomange.com systemd[1]: mytest.service: main process exited, code=killed, status=9/KILL
      Oct 20 23:32:24 fzxiaomange.com systemd[1]: Unit mytest.service entered failed state.
      Oct 20 23:32:24 fzxiaomange.com systemd[1]: mytest.service failed.

重点看上面第 6 行 MainPID:10555(code=killed,signal=KILL)，这行表示主进程的状态，常见有 2 种情况

code=exited, status=143：表示 systemd 认为主进程自行退出的，exit code 为 143
code=killed, signal=KILL：表示 systemd 认为主进程是被 kill 的，接收到的信号是 SIGKILL

等待 5 秒后，并没有自动重启，符合预期

此时将 RestartPreventExitStatus=SIGKILL 改为 RestartPreventExitStatus=SIGTERM

执行 systemctl restart mytest，再进行一次观察，等待 5 秒后，服务自动重启，符合预期

注意事项

RestartPreventExitStatus 与 Restart 的关系

配置 RestartPreventExitStatus=后，并没有完全忽略 Restart=，而是指当退出情况与 RestartPreventExitStatus=匹配的时候，才忽略 Restart=，若没有匹配，根据 Restart=该怎么样还怎么样（具体详见后面的详细测试数据）

kill 子进程会是什么情况

若 systemd 启动的不是一个简单进程，而是会派生子进程的情况（比如执行 shell 脚本，shell 脚本里启动多个程序），那么当另外开一个窗口通过 kill-信号测试时，会是什么情况呢，先贴出测试方法

ExecStart=/root/mem 改为 ExecStart=/root/mytest.sh

/root/mytest.sh 内容为

#!/bin/bash

sleep 100000 &

sleep 200000

测试结果

若 kill 主进程 PID（kill 不带参数），则主进程状态为 code=killed,signal=TERM
若 kill -9 主进程 PID，则主进程状态为 code=killed,signal=KILL
若 kill 最后一个子进程 PID（kill 不带参数），则 systemd 不认为是接收到信号，而是根据最后一个进程的 exit code 进行处理，此时主进程状态为 code=exited,status=143
若 kill -9 最后一个子进程 PID，此时主进程状态为 code=exited,status=137