SSD Nodes Learn Hosting plans →
راهنماها Matt Connorتوسط Matt Connor · به‌روزرسانی شده 2026-10-28

چرا systemd سرویس را پس از کرش کردن ریستارت نمی‌کند؟

دستور Restart در systemd فقط پردازش اصلی را پایش می‌کند و مرگ پردازش‌های فرزند در cgroup نادیده گرفته می‌شود. با نحوه عملکرد Type و محدودیت‌های Restart آشنا شوید.

پاسخ کوتاه: سیاست‌های راه‌اندازی مجدد systemd تنها یک پردازش را پایش می‌کنند

سیاست‌های راه‌اندازی مجدد systemd تنها یک پردازش را در هر unit پایش می‌کنند: پردازش اصلی. Restart= وضعیت خروج همان یک پردازش و دستورات کوتاهی که خود systemd در اطراف آن اجرا می‌کند، مانند ExecStartPre=، ExecStartPost= و ExecReload= را می‌خواند. این ابزار هیچ چیز دیگری را نمی‌خواند. گروه کنترل (control group) یک unit می‌تواند شامل 20 پردازش باشد؛ یکی از آن‌ها ممکن است از کار بیفتد، اما وضعیت unit همچنان active (running) باقی می‌ماند زیرا پردازش اصلی همچنان در حال اجراست. از نظر systemd هیچ خطایی رخ نداده است، بنابراین هیچ‌چیز مجدداً راه‌اندازی نمی‌شود.

systemd از سایر پردازش‌ها آگاه است. هنگامی که unit متوقف می‌شود، آن‌ها را می‌کشد، مصرف حافظه آن‌ها را در محدودیت‌های unit لحاظ می‌کند، سهمیه CPU unit را بر آن‌ها اعمال می‌کند و آن‌ها را در systemctl status نمایش می‌دهد. تنها نکته این است که systemd وضعیت خروج آن‌ها را نمی‌خواند. منطق راه‌اندازی مجدد و cgroup دو مقوله متفاوت هستند و بخش عمده این راهنما به شکاف میان این دو می‌پردازد.

محتوای cgroup و آنچه منطق راه‌اندازی مجدد می‌خواند

یک cgroup (گروه کنترلی) یک شیء هسته است که مجموعه‌ای از پردازش‌ها را در اختیار دارد. هر واحد سرویس یک cgroup دریافت می‌کند که نام آن از نام واحد گرفته شده است. یک پردازش نمی‌تواند آن را ترک کند. پردازش‌های فرزند، cgroup والد خود را به ارث می‌برند و یک پردازش بدون امتیاز نمی‌تواند خود را به جای دیگری منتقل کند. به همین دلیل است که systemd می‌تواند دیمونی را که دو بار fork می‌کند پاکسازی کند؛ کاری که اسکریپت‌های قدیمی init هرگز نمی‌توانستند به‌طور قابل‌اطمینان انجام دهند.

به این دو واقعیت در کنار هم نگاه کنید:

systemd-cgls --unit myapp.service
systemctl show -p MainPID -p NRestarts -p Restart -p RestartUSec myapp.service

systemd-cgls تمام پردازش‌های موجود در واحد را فهرست می‌کند. MainPID تنها عددی است که منطق راه‌اندازی مجدد آن را می‌خواند. زمانی که این دو مورد با مدل ذهنی شما همخوانی ندارند، این عدم تطابق همان باگ است. MainPID=0 به این معنی است که systemd هیچ پردازش اصلی برای خواندن وضعیت خروج از آن ندارد. با این حال، همچنان cgroup را ردیابی می‌کند، بنابراین متوجه می‌شود که آخرین پردازش در آن از بین رفته است، اما تا آن زمان، منطق راه‌اندازی مجدد هیچ وضعیت خروجی برای قضاوت ندارد.

یک استثنای واقعی برای قانون پردازش اصلی وجود دارد. اگر قاتل کمبود حافظه (OOM killer) هسته، هر پردازشی را در داخل cgroup واحد بکشد، systemd آن را می‌بیند، زیرا فایل memory.events مربوط به cgroup را نظارت می‌کند. OOMPolicy= تصمیم می‌گیرد که در مرحله بعد چه اتفاقی بیفتد و مقدار پیش‌فرض آن stop است: کل واحد متوقف می‌شود، نتیجه به عنوان oom-kill ثبت می‌گردد و این به عنوان یک شکست محسوب می‌شود، بنابراین Restart=on-failure فعال می‌شود. ژورنال این موضوع را به‌وضوح بیان می‌کند.

myapp.service: A process of this unit has been killed by the OOM killer.
myapp.service: Failed with result 'oom-kill'.

بنابراین، فرزندی که به دلیل کمبود حافظه کشته می‌شود، باعث از کار افتادن واحد می‌شود، در حالی که همان فرزند اگر به دلیل segmentation fault بمیرد، چنین اتفاقی نمی‌افتد. اگر محدودیت‌های حافظه را برای یک واحد تنظیم می‌کنید، پیش از تغییر در منطق راه‌اندازی مجدد، نحوه اعمال MemoryMax و CPUQuota بر cgroup یک واحد را مطالعه کنید، زیرا این دو ویژگی دقیقاً در اینجا و نه جای دیگری با هم تلاقی دارند.

نحوه انتخاب پردازش اصلی توسط Type=

Type= در بخش [Service] فقط مربوط به ترتیب راه‌اندازی نیست. این قانون تعیین می‌کند که کدام PID (شناسه پردازش) به MainPID تبدیل شود، که به معنای تعیین این است که Restart= چه چیزی را می‌تواند ببیند.

  • Type=simple مقدار پیش‌فرض است. پردازشی که systemd از ExecStart= انشعاب (fork) می‌دهد، پردازش اصلی است. systemd واحد را بلافاصله به عنوان شروع‌شده علامت‌گذاری می‌کند، پیش از آنکه بداند آیا exec اصلاً کار کرده است یا خیر. یک غلط تایپی در مسیر فایل اجرایی باعث می‌شود یک job شروع با موفقیت انجام شود و سپس لحظه‌ای بعد Main process exited, code=exited, status=203/EXEC رخ دهد.
  • Type=exec مشابه simple عمل می‌کند، با این تفاوت که job شروع منتظر می‌ماند تا exec با موفقیت انجام شود. این کار باعث می‌شود غلط تایپی فوق به یک شکست واقعی در شروع تبدیل شود. این مورد به systemd نسخه 240 یا جدیدتر نیاز دارد. Ubuntu 20.04 و نسخه‌های بعد از آن و Debian 12 این نسخه را دارند، اما Ubuntu 18.04 که همچنان تحت پوشش Ubuntu Pro است، از systemd نسخه 237 استفاده می‌کند و فاقد آن است. هر جا که در دسترس است، آن را به simple ترجیح دهید.
  • Type=forking انتظار دارد پردازش حاصل از ExecStart= یک daemon پس‌زمینه ایجاد کند و سپس خارج شود. systemd منتظر خروج پردازش والد می‌ماند و سپس به دنبال daemon واقعی می‌گردد. به آن PIDFile= بدهید. بدون آن، GuessMainPID= (که به‌طور پیش‌فرض فعال است) فقط زمانی کار می‌کند که دقیقاً یک پردازش در cgroup باقی مانده باشد. اگر دو پردازش باقی بماند، MainPID در وضعیت 0 باقی می‌ماند.
  • Type=notify به این معنی است که سرویس تابع sd_notify(3) را فراخوانی می‌کند و هنگامی که آماده سرویس‌دهی به ترافیک باشد، READY=1 را ارسال می‌کند. همچنین ممکن است MAINPID= را ارسال کند تا پردازش متفاوتی را برای ردیابی به systemd معرفی کند. با Type=notify، مقدار NotifyAccess= به main تنظیم می‌شود مگر اینکه خلاف آن را انتخاب کنید، بنابراین اعلانی که توسط یک پردازش فرزند ارسال شود نادیده گرفته می‌شود و journal نام PID که اعلان از آن آمده را ثبت می‌کند.
  • Type=oneshot پردازش اصلی ماندگاری ندارد. واحد به محض پایان یافتن ExecStart= غیرفعال می‌شود، مگر اینکه RemainAfterExit=yes را تنظیم کنید. Restart=always و Restart=on-success در اینجا رد می‌شوند و پیام Service has Restart= set to either always or on-success, which isn't allowed for Type=oneshot services. Refusing. نمایش داده می‌شود. سایر مقادیر، از جمله on-failure، پذیرفته می‌شوند.

دو خطای Type=forking ارزش به خاطر سپردن دارند، زیرا هر کدام واحدی را برای شما باقی می‌گذارند که بدون دلیل مشخصی خراب به نظر می‌رسد:

myapp.service: Can't open PID file /run/myapp.pid (yet?) after start: No such file or directory
myapp.service: New main PID 4711 does not belong to service, and PID file is not owned by root. Refusing.

خطای اول به این معنی است که daemon فایل PID خود را در جای دیگری می‌نویسد، یا آن را دیرتر از زمانی که systemd بررسی می‌کند، می‌نویسد. خطای دوم به این معنی است که فایل PID به پردازشی خارج از cgroup واحد اشاره می‌کند، که systemd از پذیرش آن خودداری می‌کند؛ زیرا در غیر این صورت، یک فایل PID قابل نوشتن می‌تواند راهی برای وادار کردن systemd به ارسال سیگنال به هر پردازشی در سیستم باشد.

چرا یک اسکریپت wrapper مرگ فرزندان خود را پنهان می‌کند

در اینجا ساختاری را می‌بینید که منجر به پرسش مطرح‌شده در عنوان می‌شود.

#!/bin/bash
/usr/local/bin/myapp-web &
/usr/local/bin/myapp-worker &
wait

این واحد Type=simple است، بنابراین پردازش اصلی همان shell است. دستور wait بدون هیچ آرگومانی، تنها پس از خروج تمام فرزندان بازمی‌گردد. اگر worker را بکشید (kill)، shell همچنان منتظر پردازش web می‌ماند؛ در نتیجه shell خارج نمی‌شود، پس MainPID نیز خارج نمی‌شود و Restart= هرگز فراخوانی نمی‌گردد. اکنون cgroup یک پردازش کمتر دارد، systemctl status درخت کوتاه‌تری را چاپ می‌کند و وضعیت واحد همچنان active (running) است. هیچ‌چیز در systemd این درخت را برای تغییرات نظارت نمی‌کند.

نسخهٔ دوم از همین اشتباه، بی‌سروصداتر است:

ExecStart=/bin/sh -c 'export APP_ENV=production; /usr/local/bin/myapp'

پردازش اصلی shell است، نه myapp. در هنگام systemctl stop، systemd سیگنال SIGTERM را به پردازش اصلی می‌فرستد، اما shell که منتظر یک پردازش فرزند در foreground است، این سیگنال را به آن منتقل نمی‌کند. در نتیجه، عملیات توقف (stop) به اندازهٔ کامل TimeoutStopSec (به‌صورت پیش‌فرض 90 ثانیه) طول می‌کشد و با این پیام پایان می‌یابد:

myapp.service: State 'stop-sigterm' timed out. Killing.
myapp.service: Killing process 4711 (myapp) with signal SIGKILL.

راه‌حل استفاده از exec است. اگر exec /usr/local/bin/myapp را بنویسید، shell با برنامه جایگزین می‌شود؛ بنابراین MainPID همان برنامه خواهد بود و سیگنال‌ها به آن می‌رسند. حتی بهتر است shell را حذف کنید و از Environment= یا EnvironmentFile= در واحد استفاده نمایید. توجه داشته باشید که این باگ زمانی که رشتهٔ -c شامل یک دستور واحد باشد، خود را پنهان می‌کند؛ زیرا bash و dash هر دو این حالت را به یک exec مستقیم بهینه‌سازی می‌کنند. اگر دستور دومی به رشته اضافه کنید، shell در مقابل برنامهٔ شما زنده می‌ماند.

بازتولید آن روی یک VPS آزمایشی در دو دقیقه

wrapper بالا را با نام /usr/local/bin/two-children.sh ذخیره کنید، آن را با chmod +x قابل‌اجرا کنید و دو مسیر برنامه را با sleep 3600 جایگزین نمایید. یک واحد را با Type=simple و Restart=on-failure به آن اشاره دهید، سپس systemctl daemon-reload را اجرا کرده و آن را start کنید. دستور systemd-cgls --unit two-children.service را اجرا کنید و سه PID را یادداشت کنید: shell و دو فرزندش. یکی از فرزندان را با sudo kill <pid> بکشید. دوباره وضعیت واحد را بررسی کنید. درخت یک پردازش کوتاه‌تر شده، وضعیت همچنان active (running) است و journal هیچ پیام جدیدی ندارد. حالا به جای آن، sudo kill -9 <shell pid> را اجرا کنید. واحد با خطا مواجه می‌شود، فرزند باقی‌مانده پاکسازی می‌شود زیرا KillMode=control-group پیش‌فرض است و journal پیام Scheduled restart job, restart counter is at 1. را نشان می‌دهد.

واژگان کامل Restart= و زمان‌هایی که on-failure بر always برتری دارد

Restart= یکی از هفت مقدار ممکن را می‌پذیرد و تفاوتی که آن‌ها را از هم جدا می‌کند، تعریف «خروج تمیز» (clean exit) است. systemd کد خروج 0، هر کدی که در SuccessExitStatus= فهرست شده باشد، و برای تمام انواع به‌جز Type=oneshot، سیگنال‌های SIGHUP، SIGINT، SIGTERM و SIGPIPE را به‌عنوان خروج تمیز در نظر می‌گیرد. هر چیز دیگری، از جمله SIGKILL و SIGSEGV، ناپاک (unclean) محسوب می‌شود.

  • no مقدار پیش‌فرض است. واحد هرگز خود را restart نمی‌کند؛ به همین دلیل است که واحدی بدون خط Restart= در اولین کرش متوقف شده و همان‌طور باقی می‌ماند.
  • on-success فقط پس از یک خروج تمیز، restart می‌شود.
  • on-failure در صورت خروج با کد غیر صفر، دریافت سیگنال ناپاک، اتمام زمان start یا stop، یا انقضای watchdog، restart می‌شود.
  • on-abnormal در صورت دریافت سیگنال ناپاک، اتمام زمان یا انقضای watchdog restart می‌شود، اما هرگز با کد خروج غیر صفرِ ساده restart نمی‌شود.
  • on-abort فقط در صورت دریافت سیگنال ناپاک، که به معنای کرش است، restart می‌شود.
  • on-watchdog فقط زمانی restart می‌شود که WatchdogSec= منقضی شود.
  • always پس از تمام موارد بالا، از جمله خروج تمیز با وضعیت 0، restart می‌شود.

on-failure گزینه پیش‌فرض مناسب برای یک daemon با اجرای طولانی‌مدت است. این گزینه کرش‌ها را بازیابی می‌کند و یک exit 0 عمدی را به حال خود می‌گذارد. always متعلق به برنامه‌ای است که به دلایلی خارج از کنترل خود به‌طور تمیز خارج می‌شود؛ مانند یک کلاینت تونل که وقتی سمت مقابل قطع می‌شود، کد 0 را برمی‌گرداند. هزینه استفاده از always این است که باگ‌ها را پنهان می‌کند: سرویسی که اجرا می‌شود، فایل پیکربندی خراب را می‌خواند، خطا را لاگ می‌کند و با کد 0 خارج می‌شود، به‌سادگی دوباره اجرا می‌شود. با فاصله پیش‌فرض 100 میلی‌ثانیه، این سرویس به‌سرعت به محدودیت نرخ شروع (start rate limit) که در ادامه توضیح داده شده می‌رسد و در نهایت با وضعیت start-limit-hit شکست می‌خورد. با یک RestartSec= که به‌اندازه کافی طولانی باشد تا زیر آن محدودیت بماند، سرویس به‌طور نامحدود در حلقه می‌افتد و تنها نشانه آن، افزایش شمارنده restart است.

SuccessExitStatus= مرز بین تمیز و ناپاک را جابه‌جا می‌کند. Borg برای هشدارها کد 1 و برای خطاها کد 2 را برمی‌گرداند، بنابراین یک واحد پشتیبان‌گیری بدون SuccessExitStatus=1، هر بار که یک فایل غیرقابل‌خواندن را نادیده می‌گیرد، به‌عنوان failed علامت‌گذاری می‌شود. RestartPreventExitStatus= کدهایی را فهرست می‌کند که حتی تحت always از restart جلوگیری می‌کنند؛ این روشی تمیز برای برنامه‌ای است که اعلام کند نباید دوباره اجرا شود. RestartForceExitStatus= عکس این عمل را انجام می‌دهد. یک job پشتیبان‌گیری باید در یک واحد Type=oneshot قرار بگیرد که توسط یک timer هدایت می‌شود، نه در یک حلقه restart؛ و جفت سرویس و تایمر که یک job را طبق زمان‌بندی اجرا می‌کند الگوی مناسب برای کپی‌برداری در این مورد است.

یک هشدار در مورد تست کردن: کشتن سرویس با kill <pid> ساده، سیگنال SIGTERM ارسال می‌کند که در لیست خروج‌های تمیز قرار دارد، بنابراین Restart=on-failure به‌درستی هیچ کاری انجام نمی‌دهد و شما به اشتباه نتیجه می‌گیرید که پیکربندی‌تان خراب است. به‌جای آن از kill -9 <pid> یا systemctl kill -s SIGKILL myapp.service استفاده کنید. همچنین به یاد داشته باشید که هیچ مقداری از Restart= پس از systemctl stop اجرا نمی‌شود، یا زمانی که واحد به دلیل از بین رفتن یک وابستگی BindsTo= یا PartOf= متوقف شده باشد. یک job توقف (stop job) به معنای شکست (failure) نیست.

پارامتر RestartSec و مقدار پیش‌فرض 100 میلی‌ثانیه

RestartSec= وقفه‌ای است که بین توقف واحد و شروع مجدد آن توسط systemd ایجاد می‌شود و مقدار پیش‌فرض آن 100 میلی‌ثانیه است. بررسی کنید واحد شما در واقع چه مقداری را بارگذاری کرده است:

systemctl show -p RestartUSec -p StartLimitIntervalUSec -p StartLimitBurst myapp.service

واحدی که این مقدار را تنظیم نکرده باشد، RestartUSec=100ms را نمایش می‌دهد، مگر اینکه شخصی DefaultRestartSec= را در /etc/systemd/system.conf تغییر داده باشد؛ جایی که مقادیر تنظیم‌نشده از آنجا می‌آیند. این مقدار پیش‌فرض برای سرویسی که یک بار کرش می‌کند و دوباره بالا می‌آید مناسب است. اما برای سرویسی که اصلاً قادر به شروع نیست، این مقدار اشتباه است؛ زیرا شروع اولیه و چهار بار تلاش مجدد برای برنامه‌ای که بلافاصله شکست می‌خورد، در کمتر از یک ثانیه رخ می‌دهد و این باعث می‌شود پنج بار تلاش مجاز که در محدودیت نرخ (rate limit) بعدی توضیح داده شده، به سرعت مصرف شود. برای هر سرویسی که منتظر دیتابیس، mount شدن یک درایو یا مسیر شبکه می‌ماند، مقدار RestartSec=5s یا بیشتر را تنظیم کنید.

از اکتبر 2026، نسخه 254 و جدیدتر systemd پارامترهای RestartSteps= و RestartMaxDelaySec= را نیز ارائه می‌دهند که تأخیر را از RestartSec= تا سقف مشخصی در طول آن تعداد تلاش، افزایش می‌دهند. توزیع Ubuntu 24.04 همراه با systemd 255 عرضه شده و از این قابلیت پشتیبانی می‌کند. Debian 12 با systemd 252 عرضه شده و فاقد این قابلیت است، اگرچه مخزن bookworm-backports شامل systemd 254 می‌شود. استفاده از تأخیرهای افزایشی، راهکار مناسبی برای زمانی است که وابستگی‌های سرویس ممکن است برای مدت طولانی در دسترس نباشند.

معنای واقعی "start request repeated too quickly"

این وضعیتی است که کاربران تصور می‌کنند systemd بدون دلیل از تلاش برای اجرای سرویس دست می‌کشد. این یک شمارنده است. قانون این است: اگر یک unit بیش از StartLimitBurst= بار در بازه زمانی StartLimitIntervalSec= اجرا شود، systemd از اجرای مجدد آن خودداری کرده و آن را در وضعیت failed قرار می‌دهد. مقادیر پیش‌فرض، 5 بار اجرا در 10 ثانیه است.

ژورنال این توالی را نشان می‌دهد:

myapp.service: Scheduled restart job, restart counter is at 5.
myapp.service: Start request repeated too quickly.
myapp.service: Failed with result 'start-limit-hit'.
Failed to start myapp.service - My application.

و systemctl start پاسخ را با راهکار نوشته‌شده ارائه می‌دهد:

Job for myapp.service failed because start of the service was attempted too often. See "systemctl status myapp.service" and "journalctl -xeu myapp.service" for details. To force a start use "systemctl reset-failed myapp.service" followed by "systemctl start myapp.service" again.

systemctl reset-failed myapp.service شمارنده و وضعیت failed را پاک می‌کند. بدون آن، یک systemctl start ساده همچنان تا زمانی که بازه StartLimitIntervalSec= بگذرد رد می‌شود و راه‌اندازی‌های خودکار تا زمانی که چیزی unit را دوباره اجرا نکند، غیرفعال می‌مانند. اجرای دستی نیز جزو محدودیت محسوب می‌شود، بنابراین چند بار اجرای عجولانه systemctl restart در حین ویرایش فایل پیکربندی می‌تواند بدون هیچ کرشی، باعث فعال شدن این محدودیت شود.

بخشی که باعث گمراهی افراد می‌شود این است: start-limit-hit هرگز نمی‌گوید چرا سرویس با شکست مواجه شده است. این پیام فقط می‌گوید که سرویس به‌طور مکرر و سریع شکست خورده است. دلیل اصلی در خطوط ژورنالِ قبل از آن قرار دارد.

هر دو تنظیم متعلق به بخش [Unit] هستند. نمونه‌هایی را خواهید یافت که آن‌ها را در [Service] قرار می‌دهند، که نسخه‌های قدیمی‌تر systemd آن را می‌پذیرفتند و سردرگمی از همین‌جا شروع می‌شود. آن‌ها را در [Unit] بنویسید، سپس با systemctl show از systemd بپرسید چه چیزی را بارگذاری کرده است، زیرا مقدار بارگذاری‌شده تنها مقداری است که اهمیت دارد.

[Unit]
Description=My application
StartLimitIntervalSec=300
StartLimitBurst=5

[Service]
Type=exec
ExecStart=/usr/local/bin/myapp
Restart=on-failure
RestartSec=10s

این کار به unit پنج تلاش در یک بازه پنج دقیقه‌ای می‌دهد تا پیش از تسلیم شدن، فرصت اجرا داشته باشد. StartLimitIntervalSec=0 محدودیت را به‌طور کامل غیرفعال می‌کند و باید بدانید چه چیزی را انتخاب می‌کنید: سرویسی که هرگز نمی‌تواند اجرا شود، اکنون برای همیشه دوباره تلاش می‌کند و هر بار در ژورنال می‌نویسد. مقادیر پیش‌فرض در سطح کل ماشین در /etc/systemd/system.conf به عنوان DefaultStartLimitIntervalSec= و DefaultStartLimitBurst= قرار دارند.

یک تنظیم مجاور شایسته هشدار است. StartLimitAction= تعیین می‌کند وقتی محدودیت رعایت نشد چه اتفاقی بیفتد و مقادیری از جمله reboot، reboot-force و poweroff را می‌پذیرد. مقدار پیش‌فرض none است که unit را با شکست مواجه کرده و ماشین را به حال خود رها می‌کند. در یک VPS از راه دور، poweroff به معنای سیستمی است که تا زمانی که کنسول ارائه‌دهنده را باز نکنید، خاموش می‌ماند.

اصلاح اول: یک پردازش برای هر واحد

این پاسخ تقریباً در تمام موارد است. اگر دو برنامه باید اجرا شوند، دو واحد (unit) بنویسید. هر کدام از آن‌ها در این حالت یک پردازش اصلی واقعی، یک وضعیت خروج (exit status) مشخص و سیاست راه‌اندازی مجدد (restart policy) مختص به خود را خواهند داشت. همچنین لاگ‌های جداگانه، محدودیت‌های منابع مجزا و شمارنده‌های راه‌اندازی مجدد مستقل دریافت می‌کنید که دقیقاً همان چیزی است که ساعت 3 صبح به آن نیاز دارید.

رابطه بین واحدها را در فایل‌های unit تعریف کنید، نه در یک اسکریپت shell.

  • After= فقط ترتیب شروع را مشخص می‌کند و درباره خطاها چیزی نمی‌گوید.
  • Requires= واحد دیگر را در کنار این واحد شروع می‌کند و اگر آن واحد به‌طور صریح متوقف شود، این واحد را نیز متوقف می‌کند.
  • BindsTo= همان Requires= است به اضافه موردی که برای شما اهمیت دارد: این واحد زمانی که واحد دیگر به هر دلیلی متوقف شود (از جمله کرش کردن)، متوقف می‌گردد. آن را با After= جفت کنید، در غیر این صورت ترتیب اجرا نامشخص خواهد بود.
  • PartOf= دستور توقف و راه‌اندازی مجدد را به پایین منتقل می‌کند، بنابراین systemctl restart myapp.target به هر واحدی که PartOf= آن باشد، می‌رسد.
  • Upholds= (در systemd نسخه 249 و جدیدتر، یعنی Ubuntu 22.04 و بعد از آن) واحد نام‌برده را فعال نگه می‌دارد: اگر متوقف شود، systemd دوباره آن را شروع می‌کند. این مورد نیز مشمول همان محدودیت نرخ شروع (start rate limit) سایر سرویس‌ها است.

یک worker که نباید هرگز بدون سرور API خود اجرا شود و systemd باید هر زمان که API بالا است، آن را زنده نگه دارد:

# /etc/systemd/system/myapp-api.service
[Unit]
Description=myapp API server
Wants=network-online.target
After=network-online.target
Upholds=myapp-worker.service

[Service]
Type=exec
User=myapp
ExecStart=/usr/local/bin/myapp serve
Restart=on-failure
RestartSec=5s

[Install]
WantedBy=multi-user.target
# /etc/systemd/system/myapp-worker.service
[Unit]
Description=myapp background worker
BindsTo=myapp-api.service
After=myapp-api.service
StartLimitIntervalSec=120
StartLimitBurst=5

[Service]
Type=exec
User=myapp
ExecStart=/usr/local/bin/myapp worker
Restart=on-failure
RestartSec=5s

این worker فاقد بخش [Install] است و هرگز به‌صورت دستی فعال (enable) نمی‌شود. واحد API آن را با Upholds= فراخوانی می‌کند، بنابراین systemctl enable --now myapp-api.service تنها دستوری است که اجرا می‌کنید. تنظیمات را reload کرده و بررسی کنید systemd چه وضعیتی برای این جفت ایجاد کرده است:

sudo systemctl daemon-reload
systemd-analyze verify /etc/systemd/system/myapp-worker.service
systemctl list-dependencies myapp-api.service

systemd-analyze verify در صورتی که فایل بدون ایراد باشد، هیچ خروجی‌ای چاپ نمی‌کند. هرگونه خروجی نشان‌دهنده یک مشکل است؛ معمولاً به این دلیل که systemd کلیدی را در بخشی که نوشته‌اید تشخیص نمی‌دهد، یا وابستگی به واحدی وجود دارد که اصلاً تعریف نشده است.

اصلاح دوم: استفاده از Type=notify برای آگاهی دقیق‌تر systemd از وضعیت سرویس

اگر برنامه از پروتکل اطلاع‌رسانی systemd پشتیبانی می‌کند، از آن استفاده کنید. با تنظیم Type=notify، سرویس به systemd اعلام می‌کند که چه زمانی آماده است؛ این کار باعث می‌شود ترتیب راه‌اندازی سرویس‌ها به جای حدس و گمان، بر اساس واقعیت باشد. همچنین می‌توان از MAINPID= استفاده کرد تا systemd به جای یک راه‌انداز (launcher)، مستقیماً روی پردازش اصلی متمرکز شود.

WatchdogSec= بخشی است که ارزش صرف زمان را دارد. با تنظیم آن، سرویس موظف است حداقل در بازه‌های زمانی مشخص، پیام WATCHDOG=1 را از طریق sd_notify(3) ارسال کند. اگر ارسال این پیام‌ها متوقف شود، systemd سرویس را با سیگنال SIGABRT خاتمه داده و آن را در وضعیت failed قرار می‌دهد تا Restart=on-failure یا Restart=on-watchdog آن را دوباره اجرا کنند. این تنها روش داخلی برای راه‌اندازی مجدد پردازشی است که زنده است اما قفل کرده؛ وضعیتی که هیچ سیاست مبتنی بر کد خروج (exit-status) قادر به تشخیص آن نیست.

[Service]
Type=notify
NotifyAccess=main
ExecStart=/usr/local/bin/myapp serve
WatchdogSec=30s
Restart=on-failure
RestartSec=5s

وقتی watchdog فعال می‌شود، در لاگ‌ها پیام myapp.service: Watchdog timeout (limit 30s)! و به دنبال آن عملیات kill ثبت می‌گردد. اگر واحد (unit) در وضعیت activating (start) باقی بماند تا زمان TimeoutStartSec به پایان برسد، به این معناست که READY=1 هرگز دریافت نشده یا شمارش نشده است. یا برنامه از این پروتکل پشتیبانی نمی‌کند، یا NotifyAccess=main اعلانی را که از یک پردازش فرزند (child process) آمده رد می‌کند (که در این صورت ژورنال هر دو PID را گزارش می‌دهد)، یا یک پردازش کمکی پیام را ارسال کرده و پیش از آنکه systemd بتواند واحد مربوطه را شناسایی کند، خاتمه یافته است. پیام آخر حتی با وجود NotifyAccess=all نادیده گرفته می‌شود و اصلاح آن باید در خود برنامه انجام شود: برنامه باید پیش از خروج پردازش کمکی، sd_notify_barrier() را فراخوانی کند.

برای نرم‌افزارهایی که یک endpoint سلامت HTTP ارائه می‌دهند اما از sd_notify پشتیبانی نمی‌کنند، گزینه‌های منطقی عبارتند از: استفاده از یک timer unit کوچک که endpoint را بررسی کرده و systemctl restart را فراخوانی می‌کند، یا واگذاری این بررسی به یک container runtime که هدف اصلی بررسی‌های سلامت در Compose و رفتار راه‌اندازی مجدد آن‌ها است.

راهکار سوم: استفاده از یک supervisor درون unit، تنها در صورت نبود انتخاب دیگر

برخی نرم‌افزارها در واقع به صورت مجموعه‌ای از پردازش‌ها در پشت یک راه‌انداز (launcher) عرضه می‌شوند که نمی‌توانید آن‌ها را از هم جدا کنید. در این حالت، شما یک supervisor را درون unit اجرا می‌کنید و پیامدهای آن را می‌پذیرید: systemd بر supervisor نظارت می‌کند، supervisor بر سایر اجزا نظارت دارد و سیاست restart شما اکنون در دو فایل مختلف تعریف می‌شود.

شکل رایج این وضعیت، یک container runtime است. یک unit با نوع docker compose یا podman دقیقاً از همین الگو پیروی می‌کند؛ به طوری که سیاست restart برای هر container در فایل Compose تعریف شده و unit مربوط به systemd فقط runtime را فعال نگه می‌دارد. اگر ساختار شما به این شکل است، unitای که یک stack از نوع Compose را در زمان بوت بالا می‌آورد نسخه عملیاتی آن را نشان می‌دهد، از جمله اینکه چرا استفاده از Type=oneshot همراه با RemainAfterExit=yes معمولاً در آنجا صحیح است.

cgroup همچنان به نفع شما عمل می‌کند. هر چیزی که توسط supervisor اجرا شود، درون cgroup مربوط به همان unit باقی می‌ماند؛ بنابراین MemoryMax=، CPUQuota= و پاک‌سازی در زمان توقف (stop)، همچنان کل درخت پردازش‌ها را پوشش می‌دهند. تنها تصمیم‌گیری برای restart به لایه پایین‌تر واگذار شده است.

هر supervisorای که انتخاب می‌کنید، بدون تأمل، Restart=always را روی unit بیرونی و یک سیاست restart تهاجمی را در داخل آن تنظیم نکنید. دو لایه منطق restart، که هر کدام backoff خاص خود را دارند، منجر به سرویسی می‌شود که برای دقایق طولانی دچار نوسان (flapping) شده و لاگی در journal ایجاد می‌کند که دلیل آن را توضیح نمی‌دهد.

مقدار ExitType=cgroup به معنای «راه‌اندازی مجدد در صورت مرگ هر پردازش» نیست

ExitType= (در systemd 250 و نسخه‌های جدیدتر، بنابراین هم در Ubuntu 24.04 و هم در Debian 12 موجود است) تنظیمی است که کاربران هنگام جستجو برای این مشکل پیدا می‌کنند، اما عملکرد آن دقیقاً برعکس چیزی است که از نامش برداشت می‌شود. مقدار پیش‌فرض، یعنی ExitType=main، به این معناست که سرویس پس از خروج پردازش اصلی، متوقف‌شده تلقی می‌شود. مقدار ExitType=cgroup به این معناست که سرویس تا زمانی که آخرین پردازش در cgroup خارج نشود، در حال اجرا تلقی می‌گردد.

بنابراین، ExitType=cgroup باعث می‌شود یک unit نسبت به مرگ یک پردازش حساسیت کمتری داشته باشد، نه بیشتر. این تنظیم برای برنامه‌ای مناسب است که worker اصلی خود را fork می‌کند و بدون نوشتن فایل PID از پردازش والد خارج می‌شود، جایی که Type=forking نمی‌تواند daemon را پیدا کند. این تنظیم برای خطای توصیف‌شده در اینجا اشتباه است.

هیچ مقداری مانند Restart= وجود ندارد که به معنای «راه‌اندازی مجدد unit در صورت مرگ هر پردازشی در cgroup» باشد. اگر به چنین رفتاری نیاز دارید، باید برای هر پردازش یک unit جداگانه داشته باشید. اگر نمی‌توانید برنامه را تفکیک کنید و کنترل اسکریپت wrapper در دست شماست، نزدیک‌ترین راهکار wait -n است که بلافاصله پس از خروج اولین فرزند، بازمی‌گردد:

#!/bin/bash
/usr/local/bin/myapp-web &
/usr/local/bin/myapp-worker &
wait -n
exit 1

اکنون با مرگ هر فرزند، wrapper با یک وضعیت غیر صفر (non-zero) متوقف می‌شود و در نتیجه Restart=on-failure وارد عمل می‌گردد. این یک راهکار موقت است، نه یک اصلاح اساسی. شما همچنان یک شمارنده راه‌اندازی مجدد برای دو برنامه، یک جریان لاگ واحد و هیچ راهی برای راه‌اندازی مجدد نیمه معیوب به‌صورت مستقل نخواهید داشت.

نحوه بررسی آنچه واقعاً رخ داده است

چهار دستور، به همین ترتیب.

systemctl status myapp.service
systemd-cgls --unit myapp.service
systemctl show -p MainPID -p NRestarts -p Result -p ExecMainStatus myapp.service
journalctl -u myapp.service -b -o short-precise

systemctl status وضعیت، PID اصلی و درخت cgroup را در یک صفحه نمایش می‌دهد. یک واحد سالم، وضعیت Active: active (running) را نشان می‌دهد و یک خط Main PID: شامل نام فرآیندی که انتظار دارید را در بر دارد. اگر درخت در پایین صفحه، فرآیندهایی را فهرست می‌کند که نمی‌شناسید، یا فرآیندی که انتظار دارید در آن نیست، پاسخ خود را یافته‌اید.

systemd-cgls --unit همان درخت را بدون کوتاه کردن نمایش می‌دهد؛ این موضوع زمانی اهمیت پیدا می‌کند که یک واحد بیش از چند فرآیند داشته باشد.

systemctl show حقایق قابل خواندن توسط ماشین را ارائه می‌دهد. NRestarts= شمارنده راه‌اندازی مجدد است و سریع‌ترین راه برای تشخیص سرویسی است که چهل بار ری‌استارت شده، در مقایسه با سرویسی که از زمان بوت بالا بوده است. Result= آخرین دلیل شکست را نگه می‌دارد: exit-code، signal، timeout، oom-kill، watchdog یا start-limit-hit. ExecMainStatus= وضعیت خروج خام آخرین فرآیند اصلی است.

ژورنال، توالی رویدادها را در خود نگه می‌دارد. این‌ها سه خطی هستند که باید جستجو کنید:

myapp.service: Main process exited, code=exited, status=1/FAILURE
myapp.service: Failed with result 'exit-code'.
myapp.service: Scheduled restart job, restart counter is at 1.

code=exited, status=N به این معنی است که برنامه تصمیم گرفته مقدار N را بازگرداند، بنابراین خطا در خود برنامه یا پیکربندی آن است. code=killed, signal=SEGV به این معنی است که برنامه کرش کرده است. code=killed, signal=TERM معمولاً به این معنی است که چیز دیگری از آن خواسته متوقف شود، که یک شکست محسوب نمی‌شود و باعث فعال شدن Restart=on-failure نخواهد شد. code=dumped به این معنی است که یک فایل core بر جای گذاشته است، که coredumpctl list هنگام نصب بودن systemd-coredump آن را به شما نشان می‌دهد.

در بیش از یک ماشین، NRestarts عددی است که ارزش جمع‌آوری طبق یک زمان‌بندی را دارد. واحدی که شمارنده‌اش هر روز افزایش می‌یابد، هر روز در حال شکست خوردن است، فارغ از اینکه کسی متوجه آن شده باشد یا خیر. هنگامی که از دو یا سه سرور فراتر رفتید، یک روش منسجم برای اجرای یک دستور روی همه سرورها این موضوع را از یک حدس به یک گزارش تبدیل می‌کند.

FAQ

چرا systemctl می‌گوید سرویس من فعال است در حالی که پردازش متوقف شده است؟

سیستم systemd برای هر واحد سرویس، یک پردازش اصلی را دنبال می‌کند و Restart= تنها وضعیت خروج همان پردازش را می‌خواند. هر چیز دیگری که توسط آن واحد اجرا شود در همان cgroup قرار می‌گیرد و systemd هنگام توقف واحد، آن پردازش‌ها را می‌کشد، اما هرگز وضعیت خروج آن‌ها را پایش نمی‌کند. دستور systemctl show -p MainPID myapp.service را اجرا کنید و تعداد آن را با systemd-cgls --unit myapp.service مقایسه کنید. اگر پردازشی که متوقف شده در درخت دیده می‌شود اما MainPID نیست، systemd دقیقاً طبق طراحی عمل کرده است. راه‌حل، استفاده از یک پردازش برای هر واحد و تعریف رابطه بین واحدها با استفاده از BindsTo= و Upholds= است.

پیام "start request repeated too quickly" به چه معناست؟

این پیام یعنی واحد مورد نظر بیش از StartLimitBurst= بار در بازه زمانی StartLimitIntervalSec= اجرا شده است. مقدار پیش‌فرض 5 بار در 10 ثانیه است، بنابراین systemd از تلاش مجدد دست کشیده است. این یک محدودیت نرخ (rate limit) است و علت شکست سرویس را بیان نمی‌کند، بنابراین خطوط لاگ در journal را در بالای آن بخوانید. وضعیت را با systemctl reset-failed myapp.service پاک کنید و سپس خطای اصلی را برطرف نمایید. اگر سرویس منتظر بالا آمدن چیزی است که کند عمل می‌کند، RestartSec= را افزایش دهید، زیرا فاصله پیش‌فرض 100 میلی‌ثانیه باعث می‌شود هر 5 تلاش در کمتر از یک ثانیه مصرف شود.

آیا باید از Restart=always استفاده کنم یا Restart=on-failure؟

برای تقریباً همه موارد از on-failure استفاده کنید. این گزینه کرش، خروج با کد غیر صفر، اتمام زمان (timeout) و خطای watchdog را پوشش می‌دهد و خروج عمدی با کد exit 0 را نادیده می‌گیرد. از always تنها زمانی استفاده کنید که برنامه به دلایلی خارج از کنترل خود به درستی خارج می‌شود، مانند کلاینتی که هنگام قطع ارتباط همتا، کد 0 برمی‌گرداند. هزینه استفاده از always این است که سرویسی که پیکربندی خراب می‌خواند، یک خطا لاگ می‌کند و با کد 0 خارج می‌شود، مدام دوباره اجرا خواهد شد. با فاصله پیش‌فرض، سرویس به‌زودی با خطای start-limit-hit مواجه می‌شود و با یک RestartSec= طولانی‌تر، ممکن است در یک حلقه بی‌نهایت بیفتد که تنها نشانه قابل مشاهده آن، افزایش NRestarts در systemctl show است.

چرا کشتن دستی پردازش باعث راه‌اندازی مجدد نمی‌شود؟

زیرا برای تمام انواع خروج به جز Type=oneshot، سیستم systemd سیگنال‌های SIGHUP، SIGINT، SIGTERM و SIGPIPE را به عنوان خروج تمیز (clean exit) در نظر می‌گیرد و دستور ساده kill <pid> نیز سیگنال SIGTERM ارسال می‌کند. تحت سیاست Restart=on-failure، خروج تمیز به معنای شکست نیست، بنابراین هیچ‌چیز دوباره راه‌اندازی نمی‌شود و پیکربندی در حالی که سالم است، خراب به نظر می‌رسد. برای تست از kill -9 <pid> یا systemctl kill -s SIGKILL myapp.service استفاده کنید که یک خاتمه غیرتمیز است و سیاست راه‌اندازی مجدد را فعال می‌کند. همین قانون توضیح می‌دهد که چرا systemctl stop هرگز با سیاست راه‌اندازی مجدد شما تداخل ایجاد نمی‌کند.

مقادیر StartLimitIntervalSec و StartLimitBurst کجا قرار می‌گیرند؟

در بخش [Unit]. منابع قدیمی‌تر و نسخه‌های قدیمی‌تر systemd آن‌ها را در [Service] قرار می‌دادند، بنابراین مثال‌های کپی‌شده با هم اختلاف دارند. حدس نزنید که نسخه شما کدام را می‌پذیرد. پس از systemctl daemon-reload، از systemd بپرسید که چه چیزی را بارگذاری کرده است (با استفاده از systemctl show -p StartLimitBurst -p StartLimitIntervalUSec myapp.service) و آن اعداد را به عنوان حقیقت در نظر بگیرید. دستور systemd-analyze verify /etc/systemd/system/myapp.service کلیدهایی که systemd اصلاً نمی‌شناسد را شناسایی می‌کند و اگر فایل تمیز باشد، چیزی چاپ نمی‌کند.

آیا این مقاله مفید بود؟

#systemd#restart#service-unit#cgroups#reliability