博客
关于我
killall 命令, 很有用的(转)
阅读量:140 次
发布时间:2019-02-28

本文共 1477 字,大约阅读时间需要 4 分钟。

killall命令是Linux系统中一个强大的工具,用于快速终止运行中的进程。它不仅可以直接杀死指定进程名称的所有进程,还支持发送不同信号来控制进程状态。

killall命令的基本用法

1. 基本命令格式

killall的基本用法非常简单:

killall 

这个命令会向系统内所有进程名为 <command-name> 的进程发送 SIGTERM 信号。如果这些进程没有捕获该信号,它们将被立即终止。

2. 发送指定信号

killall支持通过选项指定发送的信号。信号可以通过名称(如 HUP)或数字(如 15)指定。常用的信号包括:

  • HUP(1):终止进程(类似 Ctrl + C)
  • INT(2):中断进程(类似 Ctrl + C)
  • QUIT(3):退出进程(类似 Ctrl + \)
  • TERM(15):立即终止进程
  • KILL(9):强制终止进程
  • STOP(19):暂停进程(类似 Ctrl + Z)
  • CONT(18):恢复进程(与 STOP 相反)

你可以通过以下格式指定信号:

killall -
# 或者killall -

例如:

# 发送终止信号killall -TERM httpd

3. 列出可用的信号

要查看系统支持的所有信号,可以使用 -l 选项:

killall -l

输出会列出所有支持的信号名称及其对应的数字。

4. 实际使用示例

示例一:列出所有支持的信号

[root@jfht ~]# killall -lHUP INT QUIT ILL TRAP ABRT IOT BUS FPE KILL USR1 SEGV USR2 PIPE ALRM TERM STKFLT CHLD CONT STOP TSTP TTIN TTOU URG XCPU XFSZ VTALRM PROF WINCH IO PWR SYS UNUSED

示例二:终止 tail 进程

[root@jfht ~]# killall tail[root@jfht ~]# killall tailtail: no process killed[root@jfht ~]#

如果没有找到名为 tail 的进程,killall 会提示 "no process killed"。

示例三:终止登录后台 shell

[root@jfht ~]# w21:56:35 up 452 days, 5:16, 3 users, load average: 0.05, 0.06, 0.01USER TTY FROM LOGIN@ IDLE JCPU PCPU WHATroot pts/1 220.112.87.62 21:53 0.00s 0.02s 0.00s wroot pts/9 220.112.87.62 21:53 2:44 0.02s 0.02s -bashroot pts/10 220.112.87.62 21:53 3:13 0.01s 0.01s -bash[root@jfht ~]# killall -9 bash

在这个示例中,使用 -9 选项强制终止所有名为 bash 的进程。由于这些进程可能没有终端连接,killall 会继续运行,直到进程被强制终止。连接后重新登录后,你会发现这些进程已经被终止。

killall 命令的灵活性和高效性,使其成为每个Linux系统管理员的必备工具。无论是日常操作还是故障排除,killall 都能帮助你快速解决问题。

转载地址:http://iped.baihongyu.com/

你可能感兴趣的文章
opencv32-基于距离变换和分水岭的图像分割
查看>>
opencv4-图像操作
查看>>
opencv5-图像混合
查看>>
opencv9-膨胀和腐蚀
查看>>
OpenCV与AI深度学习 | SAM2(Segment Anything Model 2)新一代分割一切大模型介绍与使用(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | YOLO11介绍及五大任务推理演示(目标检测,图像分割,图像分类,姿态检测,带方向目标检测)
查看>>
OpenCV与AI深度学习 | 使用Python和OpenCV实现火焰检测(附源码)
查看>>
OpenCV与AI深度学习 | 使用YOLO11实现区域内目标跟踪
查看>>
OpenCV与AI深度学习 | 使用YOLOv8做目标检测、实例分割和图像分类(包含实例操作代码)
查看>>
OpenCV与AI深度学习 | 使用单相机对已知物体进行3D位置估计
查看>>
OpenCV与AI深度学习 | 基于GAN的零缺陷样本产品表面缺陷检测
查看>>
OpenCV与AI深度学习 | 基于OpenCV和深度学习预测年龄和性别
查看>>
OpenCV与AI深度学习 | 基于Python和OpenCV将图像转为ASCII艺术效果
查看>>
OpenCV与AI深度学习 | 基于PyTorch实现Faster RCNN目标检测
查看>>
OpenCV与AI深度学习 | 基于PyTorch语义分割实现洪水识别(数据集 + 源码)
查看>>
OpenCV与AI深度学习 | 基于YOLO11的车体部件检测与分割
查看>>
OpenCV与AI深度学习 | 基于YOLOv8的停车对齐检测
查看>>
OpenCV与AI深度学习 | 基于机器视觉的磁瓦表面缺陷检测方案
查看>>
OpenCV与AI深度学习 | 实战 | 使用YoloV8实例分割识别猪的姿态(含数据集)
查看>>
Opencv中KNN背景分割器
查看>>