查找进程ps -ef | grep -v grep | grep "XXXXX"杀进程kill -9 `ps -ef | grep -v grep | grep XXXXX | awk '{print $2}'`重起service XXXX restart
可以使用top查看，命令行输入top会显示目前正在运行的进程，并根据内存占用情况依次从大到小进行排列。
也可以在终端中使用bashtop或btop＋＋更方便的查看目前正在运行的进程，若是图形化界面可使用任务管理器查看进程。
进程控制块是操作系统中最重要的数据结构，每个进程控制块包含了操作系统在调度、资源分配、中断处理、性能监控和分析所需的关于进程的所有信息。
进程控制块信息可以分为三类：进程标识信息、处理器状态信息、进程控制信息。
查进程，ps -ef |grep xxx.
杀进程，kill -9 xxx.
1.kill命令格式
kill -Signal pid
pid是进程号，可以用 ps 命令查出，signal是发送给进程的信号，
2.kill -9和kill的区别
默认参数下，kill 发送SIGTERM(15)信号给进程，告诉进程，你需要被关闭，请自行停止运行并退出。
kill -9 发送SIGKILL信号给进程，告诉进程，你被终结了，请立刻退出。
TERM(或数字9)表示“无条件终止”；
因此 kill - 9 表示强制杀死该进程；与SIGTERM相比，这个信号不能被捕获或忽略，同时接收这个信号的进程在收到这个信号时不能执行任何清理。
3.linux kill 信号列表
使用 kill -l 可以查看所有信号
1、查看“用户名”，凡是用户名为“SYSTEM”的，不可结束。
2、查看“描述”，凡是显示“windows 服务主进程”的，不可结束。
3、用户名为“Administrator”（或用户自己的命名）的进程，基本上都可以结束。同时查看一下描述内容，认定是自己打开的程序，就可以确认“结束进程”。
进程(程序)：
是静态概念，
一个class文件、一个exe文件线程：
是一个程序里面不同的执行路径相关给概念解释：
程序执行过程
：把程序的代码放到内存的代码区里面，这时候一个进程已经产生，但是还没有开始执行。平时说的进程的执行是指进程里面主线程开始执行了(main方法开始执行了)。举例说明：
程序中的路径或者线程也就是main方法(共一条)：
路径图解释：
Main方法执行到m3();语句的时候开始调用m3的方法，此时main方法不会继续往下执行，而是等到m3方法执行结束以后才继续执行。在m3方法中执行到m1( );语句的时候会调用m1的方法，此时m2( );语句不会继续往下执行，而是等到m1方法的返回，才继续执行m2的方法。m2方法的返回以后m3继续执行，等到m3返回以后main方法继续执行，这是完整的一条路径也就是一个线程。
在 Python 中，可以使用 multiprocessing.Process.terminate() 方法来关闭某个进程。该方法会发送一个 SIGTERM 信号给指定的进程，使其终止运行。要关闭进程，需要先获取该进程的 Process 对象，在调用 terminate() 方法即可。需要注意的是，这种方式是一种粗暴的方式，不会给目标进程任何机会去清理资源和保存状态。因此，在实际应用中，需要谨慎使用，并且建议先尝试发送 SIGINT 信号，等待一段时间后再尝试发送 SIGTERM 信号。
1、查看进程“打开”的文件(方法1)：
1）pidofprograme-name(获得想了解的进程(programe-name)的PID)或ps-aux|grepprograme-name(获得想了解的进程(programe-name)的PID)找出进程的PID2）cd/proc/$PID/fd（会看见文件描述符）
3）ls-l得到文件描述符指向的实际文件,即当前进程打开的文件2、查看进程“打开”的文件(方法2)：
1）获得想了解的进程的PID方法同上2）lsof-cprograme-name或lsof-p$PID
现如今，GPU在计算机领域扮演着至关重要的角色。GPU的设计使其适用于处理大规模并行计算任务，使其成为许多应用程序中不可或缺的组件。在GPU的应用过程中，一个常见的问题是选择使用单进程还是多进程来实现最佳的性能。
在选择GPU单进程还是多进程时，需要权衡各自的优劣势。GPU单进程的优点在于其简单直接，易于实现和调试，适用于一些较为简单的计算任务。相比之下，GPU多进程能够更好地利用GPU的并行计算能力，提高整体性能。
然而，GPU多进程的实现相对来说更为复杂，需要更多的技术支持和调试工作。另外，多进程之间可能存在资源竞争的问题，需要谨慎设计和管理。因此，在实际应用中，需要根据具体情况和需求来选择合适的方案。
根据实际的应用场景和需求来选择GPU单进程还是多进程是非常重要的决策。在一些简单的计算任务中，比如图像处理、视频解码等，GPU单进程可能已经足够满足性能需求，且易于实现和维护。
然而，在一些需要高性能计算或大规模并行计算的应用中，比如深度学习、科学计算等，选择GPU多进程可以更好地发挥GPU的计算能力，提高整体的计算效率。
以深度学习为例，训练一个复杂的神经网络模型通常需要大量的计算资源和计算能力。在这种情况下，使用GPU多进程可以将计算任务分配到不同的处理单元上并行处理，从而大大加快训练过程。
在选择GPU单进程还是多进程后，进行性能优化和调试是至关重要的步骤。对于GPU单进程，可以通过优化算法、减少数据传输等方式来提高性能。
而对于GPU多进程，除了优化算法和数据传输外，还需要注意多进程之间的通信和同步机制，以避免资源竞争和数据不一致的问题。使用合适的同步策略和通信方式可以提高多进程的效率。
此外，对于GPU多进程的调试工作也需谨慎处理。可以通过使用调试工具和性能分析工具来定位问题，并进行逐步调试和优化，以提高整体的性能和稳定性。
在选择GPU单进程还是多进程时，需要综合考虑应用场景、性能需求和技术限制等因素。在实际应用中，根据具体情况来选择合适的方案，并进行性能优化和调试工作，以提高GPU的计算效率和性能。
