Troubleshooting - job不退出 - 如何找出誰启动了dbus-daemon（或调用了dbus-launch）

Posted 2021-06-08 王万林 Ben

Troubleshooting - job不退出 - 如何找出誰启动了dbus-daemon（或调用了dbus-launch）

---

文章目录

• Troubleshooting - job不退出 - 如何找出誰启动了dbus-daemon（或调用了dbus-launch）
• 前言
• • dbus-daemon是什么？
• 问题描述
• 问题分析
• • 集群如何判断job退出或完成？
  • 誰启动了dbus-daemon？
  • • 问题初探
    • 收集日志
    • 分析日志
• 问题解决
• 相关资料

---

前言

dbus-daemon是什么？

请移步官网。

---

问题描述

USER的集群job不退出——
在集群中USER提交了job，从任务的日志看已经跑完成了，但job还是显示RUN状态。管理员登录上去查看，发现USER有dbus-launch与dbus-daemon两个进程在执行机运行着。将这两个进程kill掉，job随即显示完成。

问题分析

集群如何判断job退出或完成？

一般集群（如LSF集群），会使用Control Group来控制job的资源使用，通过判断进程组下的进程状态，来决定job是否退出或完成。如果进程组里有进程在RUN，则集群判断job还在RUN。

誰启动了dbus-daemon？

问题初探

使用
ps -p <PID of dbus-launch> < PID of dbus-daemon> -f
查看，发现这两个进程的父进程都是1，这说明启动它的进程先行exit了，让这两个进程被1号进程接管了。问题陷入僵局：不知道是誰（code path）启动的这两个进程。

收集日志

通过命令
strace -ttTffy -o /tmp/$USER.log <CMD>
跟踪进程以及子进程的系统调用

分析日志

1. 从日志文件中过滤dbus-launch
   egrep dbus-launch /tmp/$USER.log*
   找出使用exec启动dbus-launch的进程号A
2. 随后从日志文件过滤使用clone或fork生成进程号A的进程号B，

egrep '= <进程号A>|= <进程号B>' /tmp/$USER.log*

3. 然后从步骤中找到的进程号B的日志文件里，过滤exec系统调用，看运行的code path，

• 如果这个code path是非系统下的，则找到答案了；
• 如果是系统下的，则再重复步骤2与步骤3，直到找到的code path是非系统下，USER自己的程序。

4. 该程序就是启动dbus-daemon的父+进程。

本问题中，USER的程序-> inotify-send-> dbus-launch-> dbus-daemon，这就是整个调用链。

问题解决

要想让dbus-launch与dbus-daemon随会话退出而退出，启动时有一个命令行选项--exit-with-session可以控制。但inotify-send是系统命令，它在调用dbus-launch时没有指明该选项，因此问题看似无解。
只能让USER的程序中的调用inotify-send后，程序结束前先发送kill命令给dbus-daemon与dbus-launch进程，确保程序结束时无dbus相关程序在后台运行，导致集群误判。

相关资料

开启了cgroup的环境残留的dbus-daemon 的清理脚本