bash 5.2 写的守护脚本交给 systemd 管,ExeCStop 走默认的 SIGTERM。每次 systemctl stop 都要等满 90 秒,最后被 SIGKILL,日志里最后一条业务记录永远缺失,重启后还要人工补数。
脚本里写了 trap 'cleanup' TERM,cleanup 里先 kill 掉子进程,然后 wait 等它退出。我以为 wait 会很快返回,实际卡住不动。查手册才明白,trap 是在当前命令结束后才执行,而 wait 本身会被信号打断,但 cleanup 里又调了一次 wait,等于重新排队等所有子进程,子进程如果忽略 TERM 就永远等下去。
先试过在 trap 里直接 exit 0,systemd 是满意了,后台的子进程变成孤儿继续跑,端口占着,下一次启动报 Address already in use,比原来更麻烦。
改成先发 TERM 再限时等,循环十次,每次 kill -0 检查进程还在不在,每秒一次,十秒后还在就 kill -9。子进程那边也补了信号处理,收到 TERM 先把缓冲区刷盘再退出。
另一个细节是 wait 的返回值,子进程被信号杀掉时返回 143,脚本里原来判断非零就 exit 1,systemd 记成失败,重启策略被触发。现在把 143 和 0 都当正常退出。
顺带把后台任务改成显式 pid 文件,启动时写、退出时删,systemd 的 ExecStop 只认这个 pid,避免把同名的其他进程一起杀掉。还试过把 Type 改成 forking,让 systemd 自己跟踪子进程,结果主进程退出后 systemd 认为服务已停,子进程被 cgroup 一起清掉,日志还没刷完。最后回到 simple 类型,信号处理全部自己负责。
这套逻辑写在 cleanup 函数里,注释标明为什么不能用 wait 一次了事。后来给另一个备份脚本复用,只改了 pid 文件和超时时间,行为一致。信号这块没有银弹,只有把每种退出路径都走一遍。这条路径跑通后,备份脚本也照着改了一份。
确认口径:systemctl stop 从 90 秒降到 3 秒,退出码 0,ss -lntp 里端口立即释放;连续启停 50 次,日志没有一次缺尾,也没有残留进程。
cleanup() {
kill -TERM "$pid" 2>/dev/null
for i in {1..10}; do
kill -0 "$pid" || break
sleep 1
done
kill -9 "$pid" 2>/dev/null
}
trap cleanup TERM 