健康检查

从 Node.js 订单服务的运行状态出发,理解启动、就绪、存活探针,并验证就绪检查失败后的变化。

🎯 引言

上一节,我们已经让 Kubernetes 中的 Node.js 订单服务正常运行。但有一个问题:Pod 显示 Running,就代表它一定能处理用户请求吗?

不一定。例如,程序刚启动,还没准备好接收请求;或者程序虽然没退出,却已经无法正常响应。Kubernetes 不能只看容器进程是否存在,还需要知道它当前是否可用。

这篇文章只解决一个问题: Kubernetes 怎样检查 Node.js 服务是否可以正常工作? 我们继续使用前面部署的 orders,先理解三种检查各自的作用,再通过一次故意失败的就绪检查验证结果。


🧱 Pod 正在运行,为什么还要检查?

假设订单服务遇到下面三种情况:

订单服务可能出现的三种情况

不是三个必须依次经历的阶段,而是三类不同的问题。

还没启动好

Node.js 还在初始化,暂时不能正常响应。

startupProbe · 启动检查

给应用完成启动的机会。

暂时不能接单

进程仍在,但现在不适合处理新请求。

readinessProbe · 就绪检查

暂时不向这个 Pod 分配 Service 新流量。

已经无法正常工作

例如应用卡死,健康接口持续无法响应。

livenessProbe · 存活检查

连续失败达到阈值后重启容器。

重点区别:就绪检查失败主要影响是否接收流量;启动和存活检查连续失败达到阈值后可能触发容器重启。

这三种情况需要不同的处理方式:启动还没完成,可以多等一会儿;暂时不能接单,应先停止向它发送新请求;如果服务长期卡死,可能需要重启容器。

Kubernetes 把这些检查叫作 探针(Probe)。本篇只认识三个:

探针它想知道什么检查持续失败时
startupProbe应用启动完成了吗?达到失败次数后重启容器
readinessProbe现在能接收请求吗?将 Pod 标记为未就绪,不再作为 Service 的正常流量目标
livenessProbe应用是否仍能正常工作?达到失败次数后重启容器

最重要的区别:readinessProbe 失败不会因为这项检查本身重启容器,livenessProbe 失败达到阈值则会触发重启。

有了 startupProbe 后,Kubernetes 会先等待启动检查通过,再开始执行另外两种检查,避免应用启动慢时被过早判定为故障。


🧩 Kubernetes 怎样检查 Node.js?

之前的订单项目已经有一个接口:

app.get('/healthz', (req, res) => {
  res.json({ status: 'ok' })
})

浏览器或其他程序访问 /healthz,Express 会返回类似结果:

HTTP/1.1 200 OK
Content-Type: application/json; charset=utf-8

{"status":"ok"}

Kubernetes 也可以定期访问这个接口。例如,给它一条检查规则:向订单 Pod 的 3000 端口请求 /healthz。如果得到 200,说明这次检查成功;HTTP 探针通常把 200~399 视为成功。

/healthz 不是 Kubernetes 自动创建的路径,它是我们之前在 Express 中写好的接口。这里不必重新改代码或构建镜像。

为了先看懂三种探针的区别,本篇暂时让它们共用 /healthz。虽然访问的是同一个接口,Kubernetes 对检查结果的处理却不同。

假设订单服务启动需要 30 秒:startupProbe 先等待它启动完成,避免存活检查过早触发重启。启动检查通过后,readinessProbe 判断它能否接收请求,livenessProbe 则持续判断它是否出现需要重启的故障。

真实项目中,“程序是否还活着”和“是否能处理业务请求”可能需要不同的检查接口,例如 /healthz 和 /readyz。本课程的订单服务目前没有复杂的初始化和外部依赖,先用已有的 /healthz 演示,不需要修改 Express 或重建镜像。


🛠 给订单服务加上健康检查

三种探针的写法相似,我们先只看最容易理解的 就绪检查:

readinessProbe:
  httpGet:
    path: /healthz
    port: 3000
  periodSeconds: 5

它告诉 Kubernetes:大约每隔 5 秒访问订单容器 3000 端口的 /healthz。 如果检查失败,Pod 就会被标记为未就绪,暂时不能作为 Service 的正常流量目标。这里没有要求重启容器。

理解这段后,再把启动检查、就绪检查和存活检查放在一起。打开前面课程的 deployment.yaml,找到 spec.template.spec.containers 中的订单容器,在原有 image、ports、env 等配置旁边增加三种探针。

下面是原 Deployment 的局部 YAML,不是完整文件;原有字段都要保留。

spec:
  template:
    spec:
      containers:
        - name: orders
          # 原有 image、ports、env 等字段保留
          startupProbe:
            httpGet:
              path: /healthz
              port: 3000
            periodSeconds: 5
            failureThreshold: 12
          readinessProbe:
            httpGet:
              path: /healthz
              port: 3000
            periodSeconds: 5
          livenessProbe:
            httpGet:
              path: /healthz
              port: 3000
            periodSeconds: 10

startupProbe 和 livenessProbe 同样通过 HTTP 请求检查服务,但前者处理启动阶段的问题,后者处理运行期间需要重启的问题。

先看懂这段配置的三个重点:

  • httpGet:通过 HTTP 请求指定路径检查应用。
  • periodSeconds:两次常规检查的时间间隔,单位是秒。
  • failureThreshold:连续失败多少次后,才按对应探针的失败规则处理;例如启动检查设为 12,配合每 5 秒检查一次,大约允许一分钟的启动检查时间。

这里没给每个字段都写一个复杂参数。你只要先看懂 Kubernetes 在什么时候检查、检查哪里、失败会怎样就够了。

保存文件,在 deployment.yaml 所在目录执行:

kubectl apply -f deployment.yaml -n course
kubectl rollout status deployment/orders -n course

模拟输出:

deployment.apps/orders configured
deployment "orders" successfully rolled out

这表示 Deployment 已更新,并且这次发布达到就绪要求。接着查看 Pod:

kubectl get pods -n course -l app=orders

模拟输出(Pod 名称和时间会不同):

NAME                        READY   STATUS    RESTARTS   AGE
orders-7c8d9f6b5-a1b2c     1/1     Running   0          42s
orders-7c8d9f6b5-d3e4f     1/1     Running   0          40s

这里的 STATUS=Running 表示容器正在运行;READY=1/1 表示这个单容器 Pod 当前已经就绪。它们不是同一件事。


🔎 如果就绪检查失败,会发生什么?

先想一想:如果我们把 readinessProbe 的地址写错,改成一个 Express 根本不存在的 /not-found,会发生什么?

Kubernetes 请求这个地址时会得到 404,因此认为 Pod 暂时不适合接收 Service 请求。但是:

  • Node.js 进程本身仍然可能正常运行。
  • livenessProbe 仍检查正确的 /healthz,所以不会因为这次就绪检查失败而重启容器。
  • 对于这个拥有两个副本的 Deployment,滚动更新期间,旧的就绪 Pod 可能继续处理请求;新 Pod 则一直无法就绪,发布无法正常完成。

假设原来有 2 个就绪的订单 Pod,使用 Deployment 默认滚动更新策略时,更新过程中可能看到下面这样的结果:

NAME                        READY   STATUS    RESTARTS   AGE
orders-7c8d9f6b5-a1b2c     1/1     Running   0          15m
orders-7c8d9f6b5-d3e4f     1/1     Running   0          15m
orders-6b9f7d5c4-xyz12     0/1     Running   0          30s

前两个是 旧 Pod,检查正常,仍可以接收请求;第三个是 新 Pod,因为路径写错,无法就绪。默认滚动更新会尽量保留可用的旧 Pod,因此新版本虽然发布不成功,原有服务也不一定立刻中断。

0/1 与 Running 同时出现并不矛盾:Node.js 进程还在运行,但新 Pod 没通过就绪检查。上述名称和数量只是一种可能的模拟结果,实际要以自己的集群输出为准。

可以通过下面的命令查看检查失败的线索:

kubectl describe pods -n course -l app=orders

在相关 Pod 的 Events 中,可能看到类似提示:

Warning  Unhealthy  Readiness probe failed: HTTP probe failed with statuscode: 404

这里的 404 意味着 Kubernetes 请求的 /not-found 地址不存在,不是订单服务崩溃。Readiness probe failed 表示失败的是就绪检查;只要把 readinessProbe 的路径恢复为应用实际提供的 /healthz,重新提交 Deployment,新 Pod 就有机会通过检查并恢复就绪。


❓ 知识问答

Q:为什么配置了 startupProbe,还需要其他两种探针?

因为它只负责判断启动是否完成。应用运行一段时间后,仍可能暂时无法接收请求,或者出现需要重启的故障。

Q:就绪检查失败,会自动重启订单容器吗?

不会因为就绪检查失败本身而重启。它主要改变 Pod 是否适合作为 Service 的流量目标;存活检查则用于发现需要重启的故障。

Q:探针可以检查数据库吗?

可以根据业务设计就绪检查,但不要简单地把数据库短暂不可用等同于进程死亡,否则存活检查可能导致不必要的连续重启。本篇先用已有的 /healthz 理解基础行为。


🧪 小练习

现在自己验证一次就绪失败,然后恢复:

  1. 将 deployment.yaml 中 只有 readinessProbe 的路径改成 /not-found,其余两种探针仍保持 /healthz。
  2. 执行 kubectl apply -f deployment.yaml -n course,再用 kubectl get pods -n course -l app=orders 观察新 Pod 的 READY。此时不要一直等待 kubectl rollout status 成功,因为错误的就绪检查会让发布无法正常完成。
  3. 执行 kubectl describe pods -n course -l app=orders,尝试找到 Readiness probe failed。
  4. 将路径恢复成 /healthz,重新 kubectl apply,最后执行 kubectl rollout status deployment/orders -n course,确认恢复正常。

验收标准: 能解释为什么新 Pod 可能显示 Running、却仍然是 0/1;并且知道就绪检查失败和存活检查失败的处理结果不同。


🎉 恭喜你!现在你能理解三种探针各负责什么,也能通过一次故意配置错误的实验,判断为什么 容器运行中不等于已经准备好接收请求。