怎么在Linux下利用Ps -Eo State,Pid,Ppid | Grep -E "^Z" 自动化提取僵尸进程数据并对接Prometheus-linux运维-PHP中文网

ps -eo state,pid,ppid | grep -e "^z" 不适合直接对接 prometheus，因其输出无结构、空格不固定、grep "^z" 易漏匹配，且非 openmetrics 格式，缺少 help、type、时间戳等必要元数据。

$怎么在linux下利用ps -eo state,pid,ppid | grep -e \$

这个命令本身不能直接对接 Prometheus，因为 ps -eo state,pid,ppid | grep -E "^Z" 只能输出状态为 Z 的进程行（注意：实际中 state 列输出的是单字母状态码，但 ^Z 匹配失败概率高——Z 通常不独占整行开头，前面有空格或制表符），且无结构化格式，Prometheus 无法直接采集。

为什么这条命令不适合直接对接 Prometheus

— ps -eo state,pid,ppid 输出无标题、无对齐保证，字段间空格不固定，grep "^Z" 极易漏匹配（如实际输出可能是 "Z " 或 " Z "）
— 输出是纯文本，不是 Prometheus 要求的 name{label=value} value 格式指标
— 没有时间戳、无类型声明、无 HELP 注释，不符合 OpenMetrics 规范
— Prometheus 只拉取 HTTP 接口（/metrics），不支持执行 shell 命令

正确做法：用 exporter 将僵尸进程转为标准指标

推荐使用轻量级自定义 exporter（如 Python + Flask 或 Go 编写），或复用成熟方案：

用 node_exporter 的 processes 子系统（需启用）：新版 node_exporter（v1.5+）默认开启 --collector.processes，它暴露 processes_total{state="zombie"} 指标，无需额外脚本
写一个简单 Bash + Web 服务 exporter：用 python3 -m http.server 搭配临时脚本生成指标，例如：
```
#!/bin/bash echo "# HELP zombie_processes_total Number of zombie processes" echo "# TYPE zombie_processes_total gauge" zombie_count=$(ps -eo stat= | grep -c "Z") echo "zombie_processes_total $zombie_count"
```
保存为 /var/lib/zombie-exporter/metrics，再用 nohup python3 -m http.server 9200 --directory /var/lib/zombie-exporter & 启动
用 textfile collector（最稳妥）：让 cron 每分钟运行一次脚本，把结果写入 /var/lib/node_exporter/textfile_collector/zombies.prom：
```
#!/bin/bash zcnt=$(ps -eo stat= 2>/dev/null | grep -c "Z" || echo 0) echo "zombie_processes_total $zcnt" > /var/lib/node_exporter/textfile_collector/zombies.prom
```
确保 node_exporter 启动时加了 --collector.textfile.directory=/var/lib/node_exporter/textfile_collector

Prometheus 配置采集

在 prometheus.yml 中添加 job（以 textfile 方式为例）：

linux-performance-analyzer

Linux 性能分析与调优专家，覆盖 CPU、内存、磁盘 I/O、网络、内核参数、编译优化、容器/K8s。适用场景：系统卡顿/高负载、内存不足/OOM/Swap 高、CPU 异常/iowait 高。

下载

- job_name: 'zombie-monitor'
  static_configs:
  - targets: ['localhost:9100']  # node_exporter 地址

然后在 Prometheus 表达式浏览器中查：
zombie_processes_total —— 当前僵尸数
rate(zombie_processes_total[1h]) > 0 —— 近一小时持续存在僵尸

告警与定位增强

光知道数量不够，还需关联父进程信息。可在同一脚本中补充：

用 ps -eo pid,ppid,stat,comm | awk '$3 ~ /Z/ {print $2}' | sort | uniq -c 统计各父进程产生的僵尸数，写入 label：
zombie_by_ppid_total{ppid="8888"} 5
结合 ps -o comm= -p $PPID 2>/dev/null 获取父进程名，生成：
zombie_parent_process{ppid="8888",comm="nginx"} 5
在 Grafana 中用 topk(5, zombie_by_ppid_total) 快速定位问题父进程