大家好，我是坤哥

網(wǎng)上看到一個(gè)很有意思的美團(tuán)面試題：為什么線程崩潰崩潰不會(huì)導(dǎo)致 JVM 崩潰，這個(gè)問題我看了不少回答，但發(fā)現(xiàn)都沒答到根上，所以決定答一答，相信大家看完肯定會(huì)有收獲，本文分以下幾節(jié)來探討

• 線程崩潰，進(jìn)程一定會(huì)崩潰嗎？
• 進(jìn)程是如何崩潰的-信號(hào)機(jī)制簡介。
• 為什么在 JVM 中線程崩潰不會(huì)導(dǎo)致 JVM 進(jìn)程崩潰。
• openJDK 源碼解析。

線程崩潰，進(jìn)程一定會(huì)崩潰嗎

一般來說如果線程是因?yàn)榉欠ㄔL問內(nèi)存引起的崩潰，那么進(jìn)程肯定會(huì)崩潰，為什么系統(tǒng)要讓進(jìn)程崩潰呢，這主要是因?yàn)樵谶M(jìn)程中，各個(gè)線程的地址空間是共享的，既然是共享，那么某個(gè)線程對地址的非法訪問就會(huì)導(dǎo)致內(nèi)存的不確定性，進(jìn)而可能會(huì)影響到其他線程，這種操作是危險(xiǎn)的，操作系統(tǒng)會(huì)認(rèn)為這很可能導(dǎo)致一系列嚴(yán)重的后果，于是干脆讓整個(gè)進(jìn)程崩潰。

線程共享代碼段，數(shù)據(jù)段，地址空間，文件

非法訪問內(nèi)存有以下幾種情況，我們以 C 語言舉例來看看：

針對只讀內(nèi)存寫入數(shù)據(jù)。

#include <stdio.h>
#include <stdlib.h>

int main() {
   char *s = "hello world";
// 向只讀內(nèi)存寫入數(shù)據(jù)，崩潰
   s[1] = 'H'; 
}

訪問了進(jìn)程沒有權(quán)限訪問的地址空間（比如內(nèi)核空間）。

#include <stdio.h>
#include <stdlib.h>

int main() {
   int *p = (int *)0xC0000fff;
   // 針對進(jìn)程的內(nèi)核空間寫入數(shù)據(jù)，崩潰
   *p = 10; 
}

在 32 位虛擬地址空間中，p 指向的是內(nèi)核空間，顯然不具有寫入權(quán)限，所以上述賦值操作會(huì)導(dǎo)致崩潰。

訪問了不存在的內(nèi)存，比如：

#include <stdio.h>
#include <stdlib.h>

int main() {
   int *a = NULL;
   *a = 1;     
}

以上錯(cuò)誤都是訪問內(nèi)存時(shí)的錯(cuò)誤，所以統(tǒng)一會(huì)報(bào) Segment Fault 錯(cuò)誤（即段錯(cuò)誤），這些都會(huì)導(dǎo)致進(jìn)程崩潰。

進(jìn)程是如何崩潰的-信號(hào)機(jī)制簡介

那么線程崩潰后，進(jìn)程是如何崩潰的呢，這背后的機(jī)制到底是怎樣的，答案是信號(hào)，大家想想要干掉一個(gè)正在運(yùn)行的進(jìn)程是不是經(jīng)常用 kill -9 pid 這樣的命令，這里的 kill 其實(shí)就是給指定 pid 發(fā)送終止信號(hào)的意思，其中的 9 就是信號(hào)，其實(shí)信號(hào)有很多類型的，在 Linux 中可以通過 kill -l查看所有可用的信號(hào)。

當(dāng)然了發(fā) kill 信號(hào)必須具有一定的權(quán)限，否則任意進(jìn)程都可以通過發(fā)信號(hào)來終止其他進(jìn)程，那顯然是不合理的，實(shí)際上 kill 執(zhí)行的是系統(tǒng)調(diào)用，將控制權(quán)轉(zhuǎn)移給了內(nèi)核（操作系統(tǒng)），由內(nèi)核來給指定的進(jìn)程發(fā)送信號(hào)。

那么發(fā)個(gè)信號(hào)進(jìn)程怎么就崩潰了呢，這背后的原理到底是怎樣的？

其背后的機(jī)制如下：

• CPU 執(zhí)行正常的進(jìn)程指令。
• 調(diào)用 kill 系統(tǒng)調(diào)用向進(jìn)程發(fā)送信號(hào)。
• 進(jìn)程收到操作系統(tǒng)發(fā)的信號(hào)，CPU 暫停當(dāng)前程序運(yùn)行，并將控制權(quán)轉(zhuǎn)交給操作系統(tǒng)。
• 調(diào)用 kill 系統(tǒng)調(diào)用向進(jìn)程發(fā)送信號(hào)（假設(shè)為 11，即 SIGSEGV，一般非法訪問內(nèi)存報(bào)的都是這個(gè)錯(cuò)誤）。
• 操作系統(tǒng)根據(jù)情況執(zhí)行相應(yīng)的信號(hào)處理程序（函數(shù)），一般執(zhí)行完信號(hào)處理程序邏輯后會(huì)讓進(jìn)程退出。

注意上面的第五步，如果進(jìn)程沒有注冊自己的信號(hào)處理函數(shù)，那么操作系統(tǒng)會(huì)執(zhí)行默認(rèn)的信號(hào)處理程序（一般最后會(huì)讓進(jìn)程退出），但如果注冊了，則會(huì)執(zhí)行自己的信號(hào)處理函數(shù)，這樣的話就給了進(jìn)程一個(gè)垂死掙扎的機(jī)會(huì)，它收到 kill 信號(hào)后，可以調(diào)用 exit() 來退出，但也可以使用 sigsetjmp，siglongjmp 這兩個(gè)函數(shù)來恢復(fù)進(jìn)程的執(zhí)行。

// 自定義信號(hào)處理函數(shù)示例

#include <stdio.h>
#include <signal.h>
#include <stdlib.h>
// 自定義信號(hào)處理函數(shù)，處理自定義邏輯后再調(diào)用 exit 退出
void sigHandler(int sig) {
  printf("Signal %d catched!\n", sig);
  exit(sig);
}
int main(void) {
  signal(SIGSEGV, sigHandler);
  int *p = (int *)0xC0000fff;
  *p = 10; // 針對不屬于進(jìn)程的內(nèi)核空間寫入數(shù)據(jù)，崩潰
}

// 以上結(jié)果輸出: Signal 11 catched!

如代碼所示：注冊信號(hào)處理函數(shù)后，當(dāng)收到 SIGSEGV 信號(hào)后，先執(zhí)行相關(guān)的邏輯再退出。

另外當(dāng)進(jìn)程接收信號(hào)之后也可以不定義自己的信號(hào)處理函數(shù)，而是選擇忽略信號(hào)，如下：

#include <stdio.h>
#include <signal.h>
#include <stdlib.h>

int main(void) {
  // 忽略信號(hào)
  signal(SIGSEGV, SIG_IGN);

  // 產(chǎn)生一個(gè) SIGSEGV 信號(hào)
  raise(SIGSEGV);

  printf("正常結(jié)束");
}

也就是說雖然給進(jìn)程發(fā)送了 kill 信號(hào)，但如果進(jìn)程自己定義了信號(hào)處理函數(shù)或者無視信號(hào)就有機(jī)會(huì)逃出生天，當(dāng)然了 kill -9 命令例外，不管進(jìn)程是否定義了信號(hào)處理函數(shù)，都會(huì)馬上被干掉

說到這大家是否想起了一道經(jīng)典面試題：如何讓正在運(yùn)行的 Java 工程的優(yōu)雅停機(jī)，通過上面的介紹大家不難發(fā)現(xiàn)，其實(shí)是 JVM 自己定義了信號(hào)處理函數(shù)，這樣當(dāng)發(fā)送 kill pid 命令（默認(rèn)會(huì)傳 15 也就是 SIGTERM）后，JVM 就可以在信號(hào)處理函數(shù)中執(zhí)行一些資源清理之后再調(diào)用 exit 退出。這種場景顯然不能用 kill -9，不然一下把進(jìn)程干掉了資源就來不及清除了

為什么線程崩潰不會(huì)導(dǎo)致 JVM 進(jìn)程崩潰

現(xiàn)在我們再來看看開頭這個(gè)問題，相信你多少會(huì)心中有數(shù)，想想看在 Java 中有哪些是常見的由于非法訪問內(nèi)存而產(chǎn)生的 Exception 或 error 呢，常見的是大家熟悉的 StackoverflowError 或者 NPE（NullPointerException）,NPE 我們都了解，屬于是訪問了不存在的內(nèi)存。

但為什么棧溢出（Stackoverflow）也屬于非法訪問內(nèi)存呢，這得簡單聊一下進(jìn)程的虛擬空間，也就是前面提到的共享地址空間。

現(xiàn)代操作系統(tǒng)為了保護(hù)進(jìn)程之間不受影響，所以使用了虛擬地址空間來隔離進(jìn)程，進(jìn)程的尋址都是針對虛擬地址，每個(gè)進(jìn)程的虛擬空間都是一樣的，而線程會(huì)共用進(jìn)程的地址空間，以 32 位虛擬空間，進(jìn)程的虛擬空間分布如下：

那么 stackoverflow 是怎么發(fā)生的呢，進(jìn)程每調(diào)用一個(gè)函數(shù)，都會(huì)分配一個(gè)棧楨，然后在棧楨里會(huì)分配函數(shù)里定義的各種局部變量，假設(shè)現(xiàn)在調(diào)用了一個(gè)無限遞歸的函數(shù)，那就會(huì)持續(xù)分配棧幀，但 stack 的大小是有限的（Linux 中默認(rèn)為 8 M，可以通過 ulimit -a 查看），如果無限遞歸很快棧就會(huì)分配完了，此時(shí)再調(diào)用函數(shù)試圖分配超出棧的大小內(nèi)存，就會(huì)發(fā)生段錯(cuò)誤，也就是 stackoverflowError。

好了，現(xiàn)在我們知道了 StackoverflowError 怎么產(chǎn)生的，那問題來了，既然 StackoverflowError 或者 NPE 都屬于非法訪問內(nèi)存， JVM 為什么不會(huì)崩潰呢，有了上一節(jié)的鋪墊，相信你不難回答，其實(shí)就是因?yàn)?JVM 自定義了自己的信號(hào)處理函數(shù)，攔截了 SIGSEGV 信號(hào)，針對這兩者不讓它們崩潰，怎么證明這個(gè)推測呢，我們來看下 JVM 的源碼來一探究竟。

openJDK 源碼解析

HotSpot 虛擬機(jī)目前使用范圍最廣的 Java 虛擬機(jī)，據(jù) R 大所述， Oracle JDK 與 OpenJDK 里的 JVM 都是 HotSpot VM，從源碼層面說，兩者基本上是同一個(gè)東西，OpenJDK 是開源的，所以我們主要研究下 Java 8 的 OpenJDK 即可，地址如下：https://github.com/AdoptOpenJDK/openjdk-jdk8u，有興趣的可以下載來看看。

我們只要研究 Linux 下的 JVM，為了便于說明，也方便大家查閱，我把其中關(guān)于信號(hào)處理的關(guān)鍵流程整理了下（忽略其中的次要代碼）。

可以看到，在啟動(dòng) JVM 的時(shí)候，也設(shè)置了信號(hào)處理函數(shù)，收到 SIGSEGV，SIGPIPE 等信號(hào)后最終會(huì)調(diào)用 JVM_handle_linux_signal 這個(gè)自定義信號(hào)處理函數(shù)，再來看下這個(gè)函數(shù)的主要邏輯。

JVM_handle_linux_signal(int sig,
                        siginfo_t* info,
                        void* ucVoid,
                        int abort_if_unrecognized) {

   // Must do this before SignalHandlerMark, if crash protection installed we will longjmp away
  // 這段代碼里會(huì)調(diào)用 siglongjmp，主要做線程恢復(fù)之用
  os::ThreadCrashProtection::check_crash_protection(sig, t);

  if (info != NULL && uc != NULL && thread != NULL) {
    pc = (address) os::Linux::ucontext_get_pc(uc);

    // Handle ALL stack overflow variations here
    if (sig == SIGSEGV) {
      // Si_addr may not be valid due to a bug in the linux-ppc64 kernel (see
      // comment below). Use get_stack_bang_address instead of si_addr.
      address addr = ((NativeInstruction*)pc)->get_stack_bang_address(uc);

      // 判斷是否棧溢出了
      if (addr < thread->stack_base() &&
          addr >= thread->stack_base() - thread->stack_size()) {
        if (thread->thread_state() == _thread_in_Java) {
// 針對棧溢出 JVM 的內(nèi)部處理
            stub = SharedRuntime::continuation_for_implicit_exception(thread, pc, SharedRuntime::STACK_OVERFLOW);
        }
      }
    }
  }

  if (sig == SIGSEGV &&
               !MacroAssembler::needs_explicit_null_check((intptr_t)info->si_addr)) {
         // 此處會(huì)做空指針檢查
      stub = SharedRuntime::continuation_for_implicit_exception(thread, pc, SharedRuntime::IMPLICIT_NULL);
  }


  // 如果是棧溢出或者空指針最終會(huì)返回 true，不會(huì)走最后的 report_and_die，所以 JVM 不會(huì)退出
  if (stub != NULL) {
    // save all thread context in case we need to restore it
    if (thread != NULL) thread->set_saved_exception_pc(pc);

    uc->uc_mcontext.gregs[REG_PC] = (greg_t)stub;
    // 返回 true 代表 JVM 進(jìn)程不會(huì)退出
    return true;
  }

  VMError err(t, sig, pc, info, ucVoid);
  // 生成 hs_err_pid_xxx.log 文件并退出
  err.report_and_die();

  ShouldNotReachHere();
  return true; // Mute compiler

}

從以上代碼（注意看加粗的紅線字體部分）我們可以知道以下信息

• 發(fā)生 stackoverflow 還有空指針錯(cuò)誤，確實(shí)都發(fā)送了 SIGSEGV，只是虛擬機(jī)不選擇退出，而是自己內(nèi)部作了額外的處理，其實(shí)是恢復(fù)了線程的進(jìn)程，并拋出 StackoverflowError 和 NPE，這就是為什么 JVM 不會(huì)崩潰且我們能捕獲這兩個(gè)錯(cuò)誤/異常的原因。
• 如果針對 SIGSEGV 等信號(hào)，在以上的函數(shù)中 JVM 沒有做額外的處理，那么最終會(huì)走到 report_and_die 這個(gè)方法，這個(gè)方法主要做的事情是生成 hs_err_pid_xxx.log crash 文件（記錄了一些堆棧信息或錯(cuò)誤），然后退出。

至此我相信大家明白了為什么發(fā)生了 StackoverflowError 和 NPE 這兩個(gè)非法訪問內(nèi)存的錯(cuò)誤，JVM 卻沒有崩潰。原因其實(shí)就是虛擬機(jī)內(nèi)部定義了信號(hào)處理函數(shù)，而在信號(hào)處理函數(shù)中對這兩者做了額外的處理以讓 JVM 不崩潰，另一方面也可以看出如果 JVM 不對信號(hào)做額外的處理，最后會(huì)自己退出并產(chǎn)生 crash 文件 hs_err_pid_xxx.log（可以通過 -XX:ErrorFile=/var/log/hs_err.log 這樣的方式指定），這個(gè)文件記錄了虛擬機(jī)崩潰的重要原因，所以也可以說，虛擬機(jī)是否崩潰只要看它是否會(huì)產(chǎn)生此崩潰日志文件

總結(jié)

正常情況下，操作系統(tǒng)為了保證系統(tǒng)安全，所以針對非法內(nèi)存訪問會(huì)發(fā)送一個(gè) SIGSEGV 信號(hào)，而操作系統(tǒng)一般會(huì)調(diào)用默認(rèn)的信號(hào)處理函數(shù)（一般會(huì)讓相關(guān)的進(jìn)程崩潰），但如果進(jìn)程覺得"罪不致死"，那么它也可以選擇自定義一個(gè)信號(hào)處理函數(shù)，這樣的話它就可以做一些自定義的邏輯，比如記錄 crash 信息等有意義的事，回過頭來看為什么虛擬機(jī)會(huì)針對 StackoverflowError 和 NullPointerException 做額外處理讓線程恢復(fù)呢，針對 stackoverflow 其實(shí)它采用了一種?；厮莸姆椒ūＷC線程可以一直執(zhí)行下去，而捕獲空指針錯(cuò)誤主要是這個(gè)錯(cuò)誤實(shí)在太普遍了，為了這一個(gè)很常見的錯(cuò)誤而讓 JVM 崩潰那線上的 JVM 要宕機(jī)多少次，所以出于工程健壯性的考慮，與其直接讓 JVM 崩潰倒不如讓線程起死回生，并且將這兩個(gè)錯(cuò)誤/異常拋給用戶來處理。