📚 课程目录第3章进程描述符task_struct

3. 进程描述符 task_struct：核心字段解析与进程组织

在 Linux 内核中，每个进程都由一个称为 进程描述符 的数据结构表示，即 struct task_struct。该结构体是内核管理进程的核心，包含了进程的所有信息：从标识符、状态、调度参数，到内存映射、文件系统、信号处理等。本章将深入解析其核心字段、进程标识符 PID/TGID 以及进程链表的组织方式。

关键概念： task_struct 是 Linux 内核中最大的数据结构之一（通常超过 2KB），它被定义在 include/linux/sched.h 头文件中。理解其字段布局是掌握进程调度、内存管理、信号处理等子系统的基础。

3.1 task_struct 核心字段解析

task_struct 包含数十个字段，按功能可划分为以下几大类。下表列出了最核心的字段及其作用：

分类	字段名	类型	说明
标识符	`pid`	`pid_t`	进程 ID，唯一标识一个进程
标识符	`tgid`	`pid_t`	线程组 ID，主线程的 `pid` 值
状态与标志	`state`	`volatile long`	进程当前状态（TASK_RUNNING、TASK_INTERRUPTIBLE 等）
状态与标志	`flags`	`unsigned int`	进程标志位（PF_EXITING、PF_FORKNOEXEC 等）
调度相关	`prio`	`int`	动态优先级
	`static_prio`	`int`	静态优先级（由 nice 值决定）
	`se`	`struct sched_entity`	调度实体，CFS 调度器使用
进程关系	`parent`	`struct task_struct *`	指向父进程的指针
进程关系	`children`	`struct list_head`	子进程链表头
内存管理	`mm`	`struct mm_struct *`	进程地址空间描述符
内存管理	`active_mm`	`struct mm_struct *`	内核线程借用其他进程的地址空间
文件系统	`fs`	`struct fs_struct *`	文件系统信息（根目录、当前工作目录等）
文件描述符	`files`	`struct files_struct *`	打开的文件描述符表
信号处理	`signal`	`struct signal_struct *`	信号处理相关数据

  调度实体（sched_entity）： 从 Linux 2.6.23 开始，CFS（完全公平调度器）不再直接操作 task_struct，而是操作内嵌的 struct sched_entity se 字段。这使得调度器可以统一调度普通进程和组调度（group scheduling）。

以下 SVG 展示了 task_struct 内部核心字段的层次关系：

3.2 进程标识符：PID 与 TGID

每个进程都有唯一的数字标识符，但 Linux 内核为了支持线程（轻量级进程），引入了两个关键字段：

PID（Process ID）：task_struct.pid，唯一标识一个进程或线程。内核通过 pidmap_array 位图管理 PID 的分配与回收。
TGID（Thread Group ID）：task_struct.tgid，线程组 ID。对于主线程（通常由 fork() 创建），tgid == pid；对于子线程（由 clone() 创建），tgid 等于主线程的 pid。

常见误区： 用户态通过 getpid() 系统调用获取的是 tgid，而不是 pid。内核态函数 current->pid 返回的是内核视角的线程 ID。因此，在多线程程序中，所有线程的 getpid() 返回值相同（主线程的 PID），但内核中每个线程的 pid 不同。

以下表格总结了 PID 与 TGID 的区别：

字段	内核含义	用户态对应	多线程场景
`pid`	内核线程 ID	`gettid()` 系统调用	每个线程唯一
`tgid`	线程组 ID	`getpid()` 系统调用	同一线程组内所有线程相同

以下 SVG 展示了 PID/TGID 在多线程进程中的关系：

3.3 进程链表组织方式

内核需要高效地遍历所有进程。Linux 使用 双向循环链表 来组织 task_struct，链表头为 init_task（即 0 号进程 idle 的 task_struct）。每个 task_struct 内嵌一个 struct list_head tasks 节点，用于链接到全局进程链表。

除了全局链表，内核还维护了多种链表以满足不同需求：

全局链表（tasks）：所有进程通过 tasks 字段链接，遍历宏为 for_each_process()。
父子链表：parent 指向父进程，children 是子进程链表的头。
兄弟链表（sibling）：同一父进程的子进程之间通过 sibling 字段链接。
哈希表（pidhash）：以 PID 为键的哈希表，用于快速通过 PID 查找 task_struct。

  性能优化： 早期内核使用哈希表（pidhash[]）加速 PID 查找。从 Linux 2.6.24 开始，内核引入了 基数树（radix tree） 管理 PID 命名空间，支持更高效的 PID 查找和命名空间隔离。

以下 SVG 展示了进程链表的组织方式：

for_each_process(p)：遍历全局进程链表（从 init_task 开始）。 • list_for_each(pos, &init_task->tasks)：底层链表遍历。

3.4 进程链表操作核心代码

内核通过 <linux/list.h> 提供的通用双向链表 API 操作进程链表。以下代码展示了如何遍历全局进程链表并打印 PID：

#include <linux/sched.h>
#include <linux/list.h>

void print_all_pids(void)
{
    struct task_struct *p;
    
    rcu_read_lock();
    for_each_process(p) {
        pr_info("PID: %d, TGID: %d, State: %ld\n",
                p->pid, p->tgid, p->state);
    }
    rcu_read_unlock();
}

RCU 保护： 遍历进程链表时必须使用 rcu_read_lock() / rcu_read_unlock()，因为进程链表是通过 RCU（Read-Copy Update）机制保护的，允许在遍历过程中并发创建/销毁进程。

父子进程关系操作示例：

// 遍历当前进程的所有子进程
struct task_struct *child;
struct list_head *pos;

list_for_each(pos, &current->children) {
    child = list_entry(pos, struct task_struct, sibling);
    pr_info("Child PID: %d\n", child->pid);
}

3.5 本章小结

task_struct 是 Linux 进程管理的核心数据结构，包含标识符、状态、调度参数、内存、文件系统等所有进程信息。
PID 是内核线程 ID，TGID 是线程组 ID（用户态 getpid() 的返回值）。多线程程序中，所有线程共享相同的 TGID。
进程通过 双向循环链表 组织，init_task 是链表头。内核提供 for_each_process() 宏进行遍历。
除了全局链表，内核还维护父子链表、兄弟链表和 PID 哈希表/基数树，以支持高效的进程查找和关系管理。