上下文是这个Redis问题。我们有一个wait3()调用，等待AOF重写子进程在磁盘上创建新的AOF版本。当子进程完成后，父进程通过wait3()被通知以将旧的AOF替换为新的AOF。
但是，在上述问题的背景下，用户向我们报告了一个错误。我修改了Redis 3.0的实现，以便在wait3()返回-1而不是因此意外情况崩溃时清晰地记录日志。所以显然会发生以下情况：
- 当有挂起的子进程需要等待时，调用
wait3()。 SIGCHLD应该设置为SIG_DFL，但Redis中根本没有设置这个信号的代码，因此这是默认行为。- 从第二次AOF重写（第二个子进程创建）开始，
wait3()开始返回-1。 - 我认为在当前的代码中不可能在没有挂起子进程的情况下调用
wait3()，因为当创建AOF子进程时，我们将server.aof_child_pid设置为pid的值，而只有在成功的wait3()调用后才会重置它。
因此，wait3()没有理由以-1和ECHILD失败，但实际上确实失败了，所以可能出现某些意外情况导致僵尸子进程未创建。
假设1：Linux在某些奇怪的条件下是否有可能丢弃僵尸子进程，例如因为内存压力？看起来不合理，因为僵尸进程只是附加了元数据，但谁知道呢。
请注意，我们使用WNOHANG调用wait3()。并且考虑到SIGCHLD默认设置为SIG_DFL，唯一导致失败并返回-1和ECHLD的条件应该是没有可用的僵尸进程来报告信息。
假设2：另一件可能发生的事情，但如果发生，就没有解释，那就是在第一个子进程死亡后，将SIGCHLD处理程序设置为SIG_IGN，导致wait3()返回-1和ECHLD。
假设3：有没有一种方法可以从外部删除僵尸子进程？也许该用户有某种脚本会在后台中删除僵尸进程，因此然后信息对wait3()不再可用？我的理解是，如果父进程不等待它（使用waitpid或处理信号），并且如果SIGCHLD不被忽略，那么永远不应该能够删除僵尸进程，但是也许有一些Linux特定的方式。
假设4：实际上，在Redis代码中存在某些错误，使我们第一次成功地wait3()了子进程而没有正确重置状态，而后来我们一遍又一遍地调用wait3()/* Check if a background saving or AOF rewrite in progress terminated. */
if (server.rdb_child_pid != -1 || server.aof_child_pid != -1) {
int statloc;
pid_t pid;
if ((pid = wait3(&statloc,WNOHANG,NULL)) != 0) {
int exitcode = WEXITSTATUS(statloc);
int bysignal = 0;
if (WIFSIGNALED(statloc)) bysignal = WTERMSIG(statloc);
if (pid == -1) {
redisLog(LOG_WARNING,"wait3() returned an error: %s. "
"rdb_child_pid = %d, aof_child_pid = %d",
strerror(errno),
(int) server.rdb_child_pid,
(int) server.aof_child_pid);
} else if (pid == server.rdb_child_pid) {
backgroundSaveDoneHandler(exitcode,bysignal);
} else if (pid == server.aof_child_pid) {
backgroundRewriteDoneHandler(exitcode,bysignal);
} else {
redisLog(REDIS_WARNING,
"Warning, detected child with unmatched pid: %ld",
(long)pid);
}
updateDictResizePolicy();
}
} else {
backgroundRewriteDoneHandler 的选定部分：
<code>void backgroundRewriteDoneHandler(int exitcode, int bysignal) {
if (!bysignal && exitcode == 0) {
int newfd, oldfd;
char tmpfile[256];
long long now = ustime();
mstime_t latency;
redisLog(REDIS_NOTICE,
"Background AOF rewrite terminated with success");
... more code to handle the rewrite, never calls return ...
} else if (!bysignal && exitcode != 0) {
server.aof_lastbgrewrite_status = REDIS_ERR;
redisLog(REDIS_WARNING,
"Background AOF rewrite terminated with error");
} else {
server.aof_lastbgrewrite_status = REDIS_ERR;
redisLog(REDIS_WARNING,
"Background AOF rewrite terminated by signal %d", bysignal);
}
cleanup:
aofClosePipes();
aofRewriteBufferReset();
aofRemoveTempFile(server.aof_child_pid);
server.aof_child_pid = -1;
server.aof_rewrite_time_last = time(NULL)-server.aof_rewrite_time_start;
server.aof_rewrite_time_start = -1;
/* Schedule a new rewrite if we are waiting for it to switch the AOF ON. */
if (server.aof_state == REDIS_AOF_WAIT_REWRITE)
server.aof_rewrite_scheduled = 1;
}
</code>正如您所看到的，所有的代码路径都必须执行cleanup代码以将server.aof_child_pid重置为-1。
Redis在问题期间记录的错误
21353:C 29 Nov 04:00:29.957 * AOF rewrite: 8 MB of memory used by copy-on-write
27848:M 29 Nov 04:00:30.133 ^@ wait3() returned an error: No child processes. rdb_child_pid = -1, aof_child_pid = 21353
如您所见，aof_child_pid不是-1。
signal()替换为sigaction()。 - alkSIG_DFL)。因此，假设2是可能发生的。只需用sigaction()替换signal()调用（它不会重置为 SIG_DFL），以查看是否属实。 - P.Prdb_child_pid / server.aof_child_pid标识的进程？ - nos