Skip to main content

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 Running0/1(容器死了)
readinessProbe运行期,周期性不重启,从 Service endpoints 摘除一直 Running0/1(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
httpGetHTTP 请求,只有 2xx/3xx 算成功,4xx/5xx 都失败Web 应用 /healthz
tcpSocketTCP 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-exec30s 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-startupsleep 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 reasonErrorCompleted
Exit Code137(=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​

  1. 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)。
  2. 失败。httpGet 只有 2xx/3xx 算成功。
  3. 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。
  4. initialDelaySeconds = 首次探测前延迟;periodSeconds = 探测间隔;failureThreshold = 可容忍连续失败次数。
  5. 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