Pod 探针:liveness / readiness / startup
三种探针,管的事不一样
| 探针 | 执行期 | 失败时动作 | 失败后 STATUS | 失败后 READY |
|---|---|---|---|---|
| livenessProbe | 运行期,周期性 | kubelet 重启容器 | 退避期 CrashLoopBackOff,重启后短暂 Running | 0/1(容器死了) |
| readinessProbe | 运行期,周期性 | 不重启,从 Service endpoints 摘除 | 一直 Running | 0/1(活着但没资格) |
| startupProbe | 启动期,一次性 | 重启容器(给足宽限) | 同 liveness | — |
记忆锚点(词源法):
- live = 活。失败 = 活不下去 → 杀掉重来
- ready = 就绪。失败 = 还没准备好接客 → 不给流量,但人不杀
一句话:liveness 管生死,readiness 管上岗资格。
三种探测方式
| 方式 | 原理 | 适合 |
|---|---|---|
httpGet | HTTP 请求,只有 2xx/3xx 算成功,4xx/5xx 都失败 | Web 应用 /healthz |
tcpSocket | TCP 端口握手 | 数据库/Redis 等端口型服务 |
exec | 容器内执行命令,exit 0 成功 | 无健康端点、可写脚本验证的应用 |
探针参数
livenessProbe:
exec:
command: ["cat", "/tmp/healthy"]
initialDelaySeconds: 5 # 首次探测前延迟(等应用起)
periodSeconds: 5 # 探测间隔
failureThreshold: 3 # 连续失败 N 次才算真失败
successThreshold: 1 # 连续成功 N 次恢复(readiness 可 >1,liveness 恒为 1)
timeoutSeconds: 1 # 单次探测超时
真正的"失败延迟" = periodSeconds × failureThreshold(5s × 3 = 15s 后才动手)。
startupProbe:慢应用的免检通行证
- startupProbe 成功之前,liveness/readiness 全部禁用
- 成功之后,startupProbe 退出历史舞台,另外两个接管
- Java 类启动 1-2 分钟的应用,用它给宽限期,否则 liveness 会在启动期反复误杀
今日实验实录(Master01 实测)
| Pod | 设计 | 实测结果 |
|---|---|---|
| pod-liveness-exec | 30s 后删 /tmp/healthy,探针 cat | 重启 27 次,循环杀(Killing 事件 + exit 137) |
| pod-liveness-http | 探 nginx / | 0 重启,稳定 Running |
| pod-liveness-http2 | 探 /noexist(404) | CrashLoopBackOff ×23,Liveness probe failed: statuscode: 404 ×49 |
| pod-ready | 删 /tmp/ready 观察摘流 | READY 0/1 但 STATUS Running,endpoints 摘空 |
| pod-startup | sleep 40s 模拟慢启动 | startup 宽限期内无重启,成功后 liveness 接管 |
关键排障技能:两种"容器重启"的鉴别
| 证据 | 探针杀的 | 进程自己退出 |
|---|---|---|
Killing 事件 | ✅ failed liveness probe, will be restarted | ❌ 无 |
| Last State reason | Error | Completed |
| Exit Code | 137(=128+9,SIGKILL) | 0(正常跑完) |
| Unhealthy 事件 | Liveness probe failed: ... | 最多 readiness 的 Warning |
实测样本:
- pod-liveness-exec/http2:
exit 137+ Killing 事件 → liveness 杀的 - pod-ready:
Completed exit=0+ 无 Killing → 是 sleep 600 到期自然退出,restartPolicy: Always 拉起,与 readiness 无关
今日踩坑与修正
1. 实验进程别用短 sleep
sleep 600 的常驻 Pod 10 分钟后自然退出(Completed exit=0),会伪装成"探针故障"。常驻实验用 sleep 3600 或 while true; do sleep 60; done。
2. liveness 失败的 Pod READY 也会 0/1(修正手册原话)
原以为"liveness 失败 READY 一直 1/1"——实测 CrashLoopBackOff 退避期容器是死的,READY 同样 0/1。与 readiness 的本质区别是"死 vs 活着但不合格",不是 READY 数字本身。
3. httpGet 的 404 算失败
健康路径配错(返回 404)= 应用活着但探针一直失败 = 反复被杀。排障时先确认探针路径真的返回 2xx。
常驻检查命令
kubectl get pod <pod> -w # 盯 RESTARTS / READY
kubectl describe pod <pod> | grep -B2 -A4 -iE 'killing|unhealthy' # 探针事件
kubectl get pod <pod> -o jsonpath='{.status.containerStatuses[0].lastState.terminated.reason} {.status.containerStatuses[0].lastState.terminated.exitCode}'
kubectl get endpoints <svc> # 看流量摘除
复习题答案
- liveness 失败:STATUS 退避期 CrashLoopBackOff、READY 0/1(容器死了);readiness 失败:STATUS 一直 Running、READY 0/1、endpoints 摘除(活着但没资格)。
- 失败。httpGet 只有 2xx/3xx 算成功。
- 137 = 128+9 = SIGKILL 杀的,大概率 liveness 失败后 kubelet 杀容器。正常退出是 exit 0(Completed)。❗易混点:进程"运行结束"是 exit 0,137 是被杀。
- initialDelaySeconds = 首次探测前延迟;periodSeconds = 探测间隔;failureThreshold = 可容忍连续失败次数。
- 启动 2 分钟 > 失败阈值(3×5s=15s)→ 启动期反复被杀、永远起不来。解决:加 startupProbe 给宽限期(如 failureThreshold=30 × periodSeconds=5 = 150s 余量)。
速记卡片
探针三兄弟
├─ startup 启动期一次性(成功前别的探针全禁用)
├─ liveness 失败 → 杀(exit 137 / Killing / CrashLoopBackOff)
└─ readiness 失败 → 摘流(Running 不变 / READY 0/1 / endpoints 空)
探测三方式:httpGet(2xx/3xx) / tcpSocket(端口) / exec(exit 0)
参数三件套:initialDelay / period / failureThreshold
失败延迟 = period × failureThreshold