シェルスクリプトの並列ジョブ設計｜バックグラウンドプロセス・終了コード回収・タイムアウトキルの実装パターン

この記事のポイント

・& でバックグラウンド起動し $! でPIDを配列管理するのが基本
・wait $pid の返り値が終了コード。引数なしのwaitだと失敗を見逃す
・タイムアウトはSIGTERM→SIGKILLの2段階＋trapクリーンアップが安全設計
・並列数上限は起動前にPID配列の長さで制御するセマフォパターンが実用的

#!/bin/bash
# バックグラウンド起動の基本例
sleep 5 &
echo "sleep 5 のPID: $!"

sleep 3 &
echo "sleep 3 のPID: $!"

echo "両方を起動済み。waitで待ちます..."
wait
echo "全ジョブ終了"

sleep 5 のPID: 14821
sleep 3 のPID: 14822
両方を起動済み。waitで待ちます...
全ジョブ終了

#!/bin/bash
declare -a pids=()
declare -a targets=()

# 対象サーバーを配列で定義
servers=("web01" "web02" "web03" "db01" "cache01")

for server in "${servers[@]}"; do
    # SSHで各サーバーのuptimeを確認（バックグラウンドで起動）
    ssh -o ConnectTimeout=5 "$server" "uptime"         > "/tmp/result_${server}.txt" 2>&1 &
    pids+=("$!")
    targets+=("$server")
    echo "起動: server=${server}  PID=${pids[-1]}"
done

echo "全${#pids[@]}ジョブを起動しました。待機中..."

#!/bin/bash
# 終了コードが異なる2つのジョブを並列実行
bash -c "exit 0" &
pid1=$!

bash -c "exit 2" &
pid2=$!

wait "$pid1"
echo "pid1の終了コード: $?"   # => 0

wait "$pid2"
echo "pid2の終了コード: $?"   # => 2

pid1の終了コード: 0
pid2の終了コード: 2

#!/bin/bash
declare -a pids=()
declare -a targets=()
fail=0

servers=("web01" "web02" "web03")

for server in "${servers[@]}"; do
    ssh -o ConnectTimeout=5 "$server" "uptime"         > "/tmp/result_${server}.txt" 2>&1 &
    pids+=("$!")
    targets+=("$server")
done

# PIDとターゲットをインデックスで紐付けて回収
for i in "${!pids[@]}"; do
    wait "${pids[$i]}"
    status=$?
    if [[ $status -ne 0 ]]; then
        echo "[FAIL] ${targets[$i]} : 終了コード $status" >&2
        fail=1
    else
        echo "[OK]   ${targets[$i]}"
    fi
done

exit $fail

#!/bin/bash
declare -a pids=()
declare -a targets=()

servers=("web01" "web02" "web03")

for server in "${servers[@]}"; do
    # 10秒でタイムアウトしてSIGTERMを送信
    timeout 10 ssh -o ConnectTimeout=5 "$server" "uptime"         > "/tmp/result_${server}.txt" 2>&1 &
    pids+=("$!")
    targets+=("$server")
done

fail=0
for i in "${!pids[@]}"; do
    wait "${pids[$i]}"
    status=$?
    if [[ $status -eq 124 ]]; then
        echo "[TIMEOUT] ${targets[$i]} : 10秒で応答なし" >&2
        fail=1
    elif [[ $status -ne 0 ]]; then
        echo "[FAIL]    ${targets[$i]} : 終了コード $status" >&2
        fail=1
    else
        echo "[OK]      ${targets[$i]}"
    fi
done
exit $fail

#!/bin/bash
# 番犬関数: 指定秒後にSIGTERM、さらに3秒後にSIGKILLを送る
watchdog() {
    local pid=$1
    local timeout_sec=$2
    sleep "$timeout_sec"
    if kill -0 "$pid" 2>/dev/null; then
        echo "[WATCHDOG] PID=$pid にSIGTERMを送信" >&2
        kill -TERM "$pid" 2>/dev/null
        sleep 3
        if kill -0 "$pid" 2>/dev/null; then
            echo "[WATCHDOG] PID=$pid にSIGKILLを送信" >&2
            kill -KILL "$pid" 2>/dev/null
        fi
    fi
}

# 100秒かかるジョブ（例: 応答しないSSH）を起動
sleep 100 &
job_pid=$!

# 5秒後にタイムアウトキルする番犬を起動
watchdog "$job_pid" 5 &
watchdog_pid=$!

# ジョブの完了を待つ
wait "$job_pid"
job_status=$?

# 番犬が不要になったら終了させる
kill "$watchdog_pid" 2>/dev/null
wait "$watchdog_pid" 2>/dev/null

echo "ジョブ終了コード: $job_status"

[WATCHDOG] PID=15042 にSIGTERMを送信
ジョブ終了コード: 143

#!/bin/bash
declare -a child_pids=()

# スクリプト終了時（正常終了・Ctrl+C・kill問わず）に子プロセスをクリーンアップ
cleanup() {
    echo "クリーンアップ中..." >&2
    for pid in "${child_pids[@]}"; do
        kill -TERM "$pid" 2>/dev/null
    done
    # 子プロセスが終了するまで最大5秒待つ
    local deadline=$(( $(date +%s) + 5 ))
    while (( $(date +%s) < deadline )); do
        local alive=0
        for pid in "${child_pids[@]}"; do
            kill -0 "$pid" 2>/dev/null && alive=1
        done
        (( alive == 0 )) && break
        sleep 0.5
    done
    # タイムアウトした子プロセスはSIGKILLで強制終了
    for pid in "${child_pids[@]}"; do
        kill -KILL "$pid" 2>/dev/null
    done
}

# スクリプトの先頭で登録しておく
trap cleanup EXIT

#!/bin/bash
MAX_JOBS=4
declare -a pids=()

# 実行中ジョブが MAX_JOBS 未満になるまで待つ
wait_for_slot() {
    while (( ${#pids[@]} >= MAX_JOBS )); do
        local new_pids=()
        for pid in "${pids[@]}"; do
            if kill -0 "$pid" 2>/dev/null; then
                # まだ動いていれば残す
                new_pids+=("$pid")
            else
                # 終了済みなら終了コードを回収
                wait "$pid" 2>/dev/null
            fi
        done
        pids=("${new_pids[@]}")
        # スロットが空くまで少し待つ
        (( ${#pids[@]} >= MAX_JOBS )) && sleep 0.1
    done
}

# 10台のサーバーを最大4並列で処理
for server in web{01..10}; do
    wait_for_slot
    echo "起動: $server"
    ssh "$server" "uptime" > "/tmp/${server}.txt" 2>&1 &
    pids+=("$!")
done

# 残りのジョブをすべて待つ
for pid in "${pids[@]}"; do
    wait "$pid"
done
echo "全処理完了"

#!/bin/bash
# parallel-healthcheck.sh — 複数サーバーの並列ヘルスチェック
# 動作確認環境: Rocky Linux 9.4 / Bash 5.1

readonly SERVERS=("web01" "web02" "web03" "db01" "cache01")
readonly TIMEOUT_SEC=10
readonly TMPDIR_BASE="/tmp/healthcheck_$$"

declare -a pids=()
declare -a targets=()

# 一時ディレクトリ作成とクリーンアップ登録
mkdir -p "$TMPDIR_BASE"
cleanup() {
    for pid in "${pids[@]}"; do
        kill -TERM "$pid" 2>/dev/null
    done
    wait "${pids[@]}" 2>/dev/null
    rm -rf "$TMPDIR_BASE"
}
trap cleanup EXIT

# 各サーバーへのチェック処理
check_server() {
    local server=$1
    local outfile="$TMPDIR_BASE/${server}.txt"
    timeout "$TIMEOUT_SEC"         ssh -o ConnectTimeout=5 -o BatchMode=yes         "$server"         "uptime && df -h / | tail -1" > "$outfile" 2>&1
}

# 全サーバーをバックグラウンドで起動
for server in "${SERVERS[@]}"; do
    check_server "$server" &
    pids+=("$!")
    targets+=("$server")
done

# 結果を集計
fail=0
for i in "${!pids[@]}"; do
    wait "${pids[$i]}"
    status=$?
    server="${targets[$i]}"
    if [[ $status -eq 124 ]]; then
        printf "[TIMEOUT] %-12s : %d秒で応答なし
"             "$server" "$TIMEOUT_SEC" >&2
        fail=1
    elif [[ $status -ne 0 ]]; then
        printf "[FAIL]    %-12s : 終了コード %d
"             "$server" "$status" >&2
        fail=1
    else
        printf "[OK]      %-12s
" "$server"
        sed 's/^/    /' "$TMPDIR_BASE/${server}.txt"
    fi
done

exit $fail

[OK]      web01
     16:12:05 up 23 days,  4:42,  1 user,  load average: 0.08, 0.12, 0.10
    /dev/sda1        50G   18G   33G  35% /
[OK]      web02
     16:12:05 up 23 days,  4:41,  2 users,  load average: 0.15, 0.11, 0.09
    /dev/sda1        50G   22G   29G  44% /
[TIMEOUT] db01         : 10秒で応答なし
[OK]      web03
     16:12:06 up 21 days,  1:34,  1 user,  load average: 0.02, 0.03, 0.05
    /dev/sda1        50G   31G   20G  62% /
[OK]      cache01
     16:12:06 up 15 days,  9:03,  0 users,  load average: 0.00, 0.00, 0.00
    /dev/sda1        20G    8G   13G  38% /