【Linux】深入理解进程管理与fork系统调用的实现原理

进程
- 基本概念
- 描述进程-PCB
- task_struct-PCB的一种
- [task_ struct内容分类](#task_ struct内容分类)
- 组织进程
查看进程
通过系统调用获取进程标示符
- - [Fork 之后的代码共享](#Fork 之后的代码共享)
  - - [1. **代码共享**](#1. 代码共享)
    - [2. **数据段不共享**](#2. 数据段不共享)
    - 总结

🌏个人博客主页：个人主页

进程

基本概念

课本概念：程序的一个执行实例，正在执行的程序等
内核观点：担当分配系统资源（CPU时间，内存）的实体

操作系统在把程序加载到内存中的同时，为了更好的管理进程，还要为每一个进程创建一个task_struct，包含进程相关的所以属性，这样对进程的管理就相当于对数据结构的管理。

描述进程-PCB

进程信息被放在一个叫做进程控制块的数据结构中，可以理解为进程属性的集合。
课本上称之为PCB（process control block），Linux操作系统下的PCB是: task_struct

task_struct-PCB的一种

在Linux中描述进程的结构体叫做task_struct。
task_struct是Linux内核的一种数据结构，它会被装载到RAM(内存)里并且包含着进程的信息。

task_ struct内容分类

标示符: 描述本进程的唯一标示符，用来区别其他进程。
状态: 任务状态，退出代码，退出信号等。
优先级: 相对于其他进程的优先级。
程序计数器: 程序中即将被执行的下一条指令的地址。
内存指针: 包括程序代码和进程相关数据的指针，还有和其他进程共享的内存块的指针
上下文数据: 进程执行时处理器的寄存器中的数据[休学例子，要加图CPU，寄存器]。
I／O状态信息: 包括显示的I/O请求,分配给进程的I／O设备和被进程使用的文件列表。
记账信息: 可能包括处理器时间总和，使用的时钟数总和，时间限制，记账号等。
其他信息

组织进程

可以在内核源代码里找到它。所有运行在系统里的进程都以task_struct链表的形式存在内核里。

查看进程

首先,我们写一段代码

使用ps ajx指令查看进程

这里为什么查到两个带有myproc关键字的进程呢？

这是因为grep指令也是一个可执行程序，当使用这个指令的时候此时也是一个进程，当我们用这个进程查看带有myproc关键字的进程，当然就会把自己查出来了。

我们可以在加上一条指令屏蔽。

📢小知识：把一个程序运行起来，本质就是在系统当中启动了一个进程！一种是执行完就退出，比如：ls pwd 指令，一种是常驻进程，一直不退，直到用户退出。

通过系统调用获取进程标示符

如果想要查看进程的更详细的信息可以通过/proc系统文件夹查看

如：要获取PID为1的进程信息，你需要查看/proc/1这个文件夹

📢注意：proc文件夹里面的目录都是临时文件，当进程开始就会创建一个以这个进程的pid作为名字的文件夹，进程结束的时候就会删除这个文件夹。

例如：我们通过proc文件来查看，这个进程更详细的信息。

exe -> /home/hanbo/112/lesson9/myproc

这个exe是一个链接文件，这个链接文件指向该进程的实际可执行程序在磁盘上的路径。

cwd -> /home/hanbo/112/lesson9

cwd(current work dir)：当前工作目录，这就是为什么我们在创建文件的时候会在当前目录下面创建

我想可以使用系统调用chdir来改变当前工作目录。

运行结果如下：

📢小知识：在命令行中，执行命令/执行程序，本质是bash的进程，创建子进程，来执行我们的代码。

我们如何通过系统调用来创建进程呢？

在执行fork之后就会有两个进程，一般而言，代码是会共享的，因为代码是只读的，但是数据是各自私有一份的，这是因为进程有很强的独立性，多个进程之间，运行时，互不影响，即便是父子进程，需要保证修改父进程的数据，不会影响到子进程。

因为父进程的PCB是根据磁盘加载到内存的程序的信息创建的，但是对于子进程来说只有task_struct这个结构体，没有代码和数据，所以，子进程本质是把父进程的task_struct结构体拷贝过来，这样父子进程就指向同一份代码，然后，在对子进程进行特性化设计。

📢小知识：fork之后父子进程谁先执行不确定，调度器决定。

如何创建多个子进程，进行管理呢？

cpp 复制代码

#include <iostream>
#include <vector>
#include <sys/types.h>
#include <unistd.h>
using namespace std;

const int num = 10;


void SubProcessRun()
{
    while(true)
    {
        cout << "I am sub process, pid: " <<getpid() <<" ,ppid: " << getppid() << std::endl;
        sleep(5);
    }
}

int main()
{
    vector<pid_t> allchild;
    for(int i = 0; i<num; i++)
    {
        pid_t id = fork();
        if(id == 0)
        {
            // 子进程
            SubProcessRun();
        }
        // 这里谁执行？父进程一个人
        allchild.push_back(id);
    }

    // 父进程
    cout << "我的所有的孩子是:";
    for(auto child: allchild)
    {
        cout << child << " ";
    }
    cout << endl;

    sleep(10);
    while(true)
    {
        cout << "我是父进程，pid: " <<getpid() << endl;
        sleep(1);
    }
    return 0;
}

深度理解为什么，fork之后代码会有两份？

在执行return id之前，创建子进程的工作肯定是已经完成的了，那么之后，代码都是父子进程共享的都会执行。

实际上，在fork函数被调用之前的代码被父进程执行，而fork函数之后的代码，则默认情况下父子进程都可以执行，所以return id其实返回了两次，然后，我们用变量进行接收的时候，因为父子进程的数据都是独立的，这时候就拿到两个返回值了。

fork之后代码共享，指的是整个程序代码共享还是只有，fork之后的程序代码共享呢？

以下是ChatGPT生成的内容

Fork 之后的代码共享

在 fork 操作之后，父进程和子进程之间的 代码共享 指的是 整个程序代码部分 共享，而不仅仅是 fork 之后的程序代码。

1. 代码共享

fork 后，父进程和子进程共享程序的 代码段，即存放指令集的部分。
无论父进程还是子进程，它们都执行相同的程序代码，尽管它们的执行路径可以不同。子进程会从 fork 返回后继续执行，或者可以通过 exec 系列函数加载新程序。
由于操作系统使用内存映射技术，这些代码段是只读的，并且不会被复制，从而实现父子进程的代码共享。

2. 数据段不共享

除了代码段，数据段 （如堆、栈等）是 不共享 的。操作系统使用 写时复制（Copy-On-Write，COW） 技术来管理数据段：
- 初始时，父子进程共享相同的数据页。
- 一旦某个进程修改某一数据页，操作系统会为该进程分配新的内存，以避免修改影响到另一个进程。

总结

fork 后，父进程和子进程共享的是 整个程序的代码，包括加载到内存中的指令部分。
对于 数据段 （堆、栈等），父子进程通过 写时复制 技术共享内存，直到某个进程修改数据才会分配新的内存页。