systemd實踐: 依據情況自動重新啟動服務

systemd服務異常自動重新啟動很好用，但有的時候希望某些服務只在特定情況下進行重新啟動，其他時候不要自動重新啟動(比如OOM，需要人工介入)。
本文拋磚引玉，旨在能夠讓讀者對systemd的重新啟動機制有一定了解。

1.最簡單的自動重新啟動範例

[Unit]
Description=mytest

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

[Install]
WantedBy=multi-user.target

引數詳解

• Restart=always: 只要不是通過systemctl stop來停止服務，任何情況下都必須要重新啟動服務，預設值為no
• RestartSec=5: 重新啟動間隔，比如某次異常後，等待5(s)再進行啟動，預設值0.1(s)
• StartLimitInterval: 無限次重新啟動，預設是10秒內如果重新啟動超過5次則不再重新啟動，設定為0表示不限次數重新啟動

2.案例需求

需求：有個業務，當程式因受到OOM而退出的時候，不希望自動重新啟動（此時需要人工介入排查），其他情況下可以自動重新啟動

分析：OOM就是通過kill -9來殺進程，因此只要找到方法，告訴systemd當該服務遇到kill -9時候不自動重新啟動即可

3.RestartPreventExitStatus引數

查詢man systemd.service發現，systemd的[Service]段落裡支援一個引數，叫做RestartPreventExitStatus

該引數從字面上看，意思是當符合某些退出狀態時不要進行重新啟動。

該引數的值支援exit code和信號名2種，可寫多個，以空格分隔，例如

RestartPreventExitStatus=143 137 SIGTERM SIGKILL

表示，當退出情況只要符合以下4種情況中任意一種時候，則不再進行重新啟動

• exit code為143
• exit code為137
• 信號為TERM
• 信號為KILL

但實際情況並沒這麼簡單，請繼續往下看

4.測試方法

/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（不斷消耗記憶體直至發生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);
    }
}

編譯及執行

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

5.測試結果

[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.

重點看上面第6行Main PID: 10555 (code=killed, signal=KILL)，這行表示主進程的狀態，常見有2種情況

• code=exited, status=143：表示systemd認為主進程自行退出的，exit code為143
• code=killed, signal=KILL：表示systemd認為主進程是被kill的，接收到的信號是SIGKILL

等待5秒後，並沒有自動重新啟動，符合預期

此時將RestartPreventExitStatus=SIGKILL改為RestartPreventExitStatus=SIGTERM

執行systemctl restart mytest，再進行一次觀察，等待5秒後，服務自動重新啟動，符合預期

6.注意事項

6.1.RestartPreventExitStatus與Restart的關係

設定RestartPreventExitStatus=後，並沒有完全忽略Restart=，而是指當退出情況與RestartPreventExitStatus=匹配的時候，才忽略Restart=，若沒有匹配，根據Restart=該怎麼樣還怎麼樣（具體詳見後面的擴充套件部分）

6.2.kill子進程會是什麼情況

若systemd啟動的不是一個簡單進程，而是會派生子進程的情況（比如執行shell指令碼，shell指令碼裡啟動多個程式），那麼當另外開一個視窗通過kill -信號測試時，會是什麼情況呢，先貼出測試方法

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

/root/mytest.sh內容為

#!/bin/bash
sleep 100000 &
sleep 200000

測試結果

• 若kill 主進程PID（kill不帶引數），則主進程狀態為code=killed, signal=TERM

• 若kill -9 主進程PID，則主進程狀態為code=killed, signal=KILL

• 若kill 最後一個子進程PID（kill不帶引數），則systemd不認為是接收到信號，而是根據最後一個進程的exit code進行處理，此時主進程狀態為code=exited, status=143

• 若kill -9 最後一個子進程PID，此時主進程狀態為code=exited, status=137

7.擴充套件

上面有提到RestartPreventExitStatus和Restart的關係，但沒有資料說明

另外，kill和kill -9的區別，也需要有一份資料說明

因此做了一個詳細對比，這裡附上詳細資料