Kubernetes探针配置如何区分存活、就绪与启动检查,避免误重启
Kubernetes 中,存活探针、就绪探针和启动探针虽然都被称为“健康检查”,但失败后的处理完全不同:存活探针失败通常会触发容器重启,就绪探针失败只会让 Pod 暂时退出 Service 的可用后端,启动探针则负责给慢启动容器争取初始化时间。把三者都指向同一个依赖数据库的 /health 接口,是生产环境中误重启和流量抖动的常见来源。
排查探针配置是否生效时,不能只看 Deployment 文件。Deployment 中的配置位于 Pod 模板,真正执行检查的是已经创建出来的 Pod 里的 kubelet。需要同时确认探针类型、检查路径、端口、返回状态、连续失败次数,以及当前 Pod 是否已经完成滚动更新。
先划清三类探针的职责
存活探针:判断容器是否还值得继续运行
存活探针,也就是 livenessProbe,回答的是:
容器内的主进程是否已经失去自我恢复能力,需要由 kubelet 重启?
典型场景是进程仍然存在,但发生死锁、线程池耗尽、内部状态损坏,或者事件循环不再处理请求。存活探针失败后,kubelet 会终止容器,并根据 Pod 的 restartPolicy 决定是否重新启动。Deployment 创建的 Pod 通常使用 Always,因此经常表现为容器重启次数增加。
存活探针不适合直接表示所有业务依赖是否正常。例如,数据库短暂不可用时,应用进程可能仍能正常运行,只是暂时无法接收新请求。如果此时存活探针返回失败,Kubernetes 会不断重启本来可以自行恢复的应用,反而可能造成连接重建、缓存丢失和启动风暴。
更稳妥的存活检查通常只检查进程自身状态,例如:
- 主线程或事件循环仍在运行;
- 应用能够处理一个不依赖外部服务的轻量请求;
- 内部关键组件没有进入不可恢复状态。
就绪探针:判断容器能否接收业务流量
就绪探针,也就是 readinessProbe,回答的是:
当前 Pod 是否可以接收来自 Service 的请求?
就绪探针失败时,容器通常不会被重启。Pod 的 Ready 条件会变为 False,Service 的端点控制器会将该 Pod 从可用后端中暂时移除。待检查连续成功后,Pod 再重新进入流量分配范围。
就绪检查适合包含会影响请求处理的外部依赖,例如:
- 数据库连接池尚未建立;
- 必需的配置或密钥尚未加载;
- 应用正在执行缓存预热;
- 当前实例无法访问必须依赖的下游服务;
- 正在排空连接,不应继续接收新请求。
但就绪探针也不能无限制地检查所有下游服务。一个 Pod 依赖几十个非关键服务时,只要其中一个短暂异常就返回未就绪,会导致整个服务频繁摘除。应根据“请求是否还能被正确处理”确定检查范围,而不是简单地把依赖项全部串起来。
启动探针:判断初始化阶段是否已经结束
启动探针,也就是 startupProbe,回答的是:
容器是否已经完成启动,可以开始执行存活和就绪检查?
如果配置了启动探针,在启动探针成功之前,存活探针和就绪探针不会开始正常检查。它适合处理以下情况:
- 应用首次启动需要加载大量本地文件;
- JVM、数据库迁移或模型加载耗时较长;
- 应用启动时间受磁盘、CPU 或节点负载影响较大;
- 启动阶段接口暂时无法提供正常业务响应。
启动探针成功后,才进入常规的存活和就绪检查阶段。启动探针并不是“启动成功后永远有效”的标记;容器重新创建或重启后,会再次经过启动检查。

三类探针的失败影响可以概括如下:
| 探针类型 | 主要判断对象 | 检查失败后的典型行为 | 不适合承担的职责 |
|---|---|---|---|
livenessProbe | 进程是否仍可自我恢复 | 终止并重启容器,是否重启还受 restartPolicy 影响 | 判断所有下游依赖是否正常 |
readinessProbe | 是否可以接收业务请求 | Pod 变为未就绪,通常从 Service 后端移除 | 直接触发容器重启 |
startupProbe | 是否完成初始化 | 在启动阶段失败可能导致容器被终止并重启 | 代替长期运行期间的存活或流量检查 |
kubelet如何处理一次探针检查
探针配置在容器级别,常见位置如下:
spec:
template:
spec:
containers:
- name: api
livenessProbe:
httpGet:
path: /livez
port: http
它不属于 Service,也不会因为填写了 containerPort 就自动产生健康检查。containerPort 主要用于声明端口,探针仍然必须明确指定检查方式、端口和路径。
三种常见检查方式
HTTP 检查
HTTP 探针由 kubelet 发起请求,常用于 Web 服务。通常需要确认以下内容:
path是否与应用实际路由一致;port是否是应用监听的端口;scheme是否应为HTTP或HTTPS;- 应用是否要求特定的
Host或请求头; - 返回码是否符合探针成功条件。
HTTP 探针通常将 200 到 399 范围内的状态视为成功,4xx 和 5xx 通常视为失败。若应用把认证、重定向或限流逻辑套在健康检查路径上,可能出现浏览器访问正常、kubelet 检查失败的情况。
TCP 检查
TCP 探针只尝试建立 TCP 连接。端口能够接受连接时,检查可能成功;但它无法判断应用是否已经完成初始化,也不能确认业务接口能否正常处理请求。
因此,TCP 检查适合协议不便用 HTTP 表达、但“端口能够接受连接”已经具有足够判断价值的服务。对于需要确认应用状态的 API 服务,HTTP 检查通常更容易定位问题。
Exec 检查
Exec 探针在容器内部执行命令,命令退出码为 0 时通常表示成功。例如:
livenessProbe:
exec:
command:
- /usr/local/bin/check-process.sh
periodSeconds: 10
timeoutSeconds: 2
exec 不会自动经过 Shell 解释。如果需要使用管道、变量或重定向,必须显式调用 Shell:
livenessProbe:
exec:
command:
- /bin/sh
- -c
- test -f /tmp/app-alive
这类配置依赖容器内确实存在 /bin/sh、脚本和相关命令。精简镜像中经常没有 sh、curl 或 wget,命令在镜像内手工执行成功与否,应以容器实际内容为准。
连续失败不是“失败一次就重启”
以下参数决定探针的时间和容错行为:
| 参数 | 作用 | 配置时需要注意 |
|---|---|---|
initialDelaySeconds | 容器启动后延迟多久开始检查 | 只适合简单启动延迟,不能代替启动探针 |
periodSeconds | 两次检查的间隔 | 太短会增加检查开销,太长会延迟故障发现 |
timeoutSeconds | 单次检查允许的最长时间 | CPU 受限、GC 或磁盘繁忙时,过小容易误判 |
failureThreshold | 连续失败多少次后判定失败 | 不等于累计失败次数 |
successThreshold | 连续成功多少次后判定恢复 | 存活和启动探针通常要求为 1,就绪探针可以适当提高 |
例如,启动探针使用 periodSeconds: 5、failureThreshold: 12,可以按约 60 秒的量级为启动过程提供失败容忍窗口。实际时间还会受到首次调度、单次超时和 kubelet 调度时机影响,不能把这个乘积当成严格的秒级承诺。
就绪探针容易出现“刚恢复就重新接流量”的抖动时,可以设置较高的 successThreshold,要求连续多次成功后再恢复 Ready。存活探针则不宜通过大幅提高阈值来掩盖真正的死锁,否则会延迟故障恢复。
典型冲突:把业务健康检查直接当成存活检查
下面这种写法看似简单,但容易造成误重启:
livenessProbe:
httpGet:
path: /health
port: 8080
initialDelaySeconds: 10
timeoutSeconds: 1
failureThreshold: 1
如果 /health 同时检查数据库、缓存、消息队列和外部 API,那么任意一个依赖出现短暂网络抖动,都会让存活探针失败。failureThreshold: 1 又意味着一次失败就可能触发容器终止。应用重启后重新建立连接,可能再次遇到依赖不可用,最终形成如下循环:

- 外部依赖短暂异常;
/health返回500;- 存活探针失败;
- kubelet 终止并重启容器;
- 应用重新初始化,依赖仍未恢复;
- 新容器再次被判定为不存活。
更合适的做法是拆分检查接口,并让不同探针承担不同职责:
apiVersion: apps/v1
kind: Deployment
meta
name: api
namespace: demo
spec:
replicas: 2
selector:
matchLabels:
app: api
template:
meta
labels:
app: api
spec:
containers:
- name: api
image: registry.example.com/team/api:1.0
ports:
- name: http
containerPort: 8080
startupProbe:
httpGet:
path: /startupz
port: http
periodSeconds: 5
timeoutSeconds: 2
failureThreshold: 12
livenessProbe:
httpGet:
path: /livez
port: http
periodSeconds: 10
timeoutSeconds: 2
failureThreshold: 3
readinessProbe:
httpGet:
path: /readyz
port: http
periodSeconds: 5
timeoutSeconds: 2
failureThreshold: 3
successThreshold: 2
对应的接口职责可以设计为:
/startupz:应用完成基础初始化后返回成功;/livez:只判断进程和核心运行循环是否仍然工作,不直接依赖每一个外部系统;/readyz:判断当前是否能够处理业务请求,可以检查必要的数据库连接或关键配置。
如果应用只有一个 /health 接口,应先确认它的实际语义。它只检查进程是否存活时,可以用于存活探针;它同时检查多个业务依赖时,更适合作为就绪探针,而不是直接用于存活探针。
配置排错要先确认“检查的是哪个对象”
检查配置是否位于正确层级
使用 YAML 时,探针必须位于具体容器下,而不是与 containers 同级:
spec:
template:
spec:
containers:
- name: api
livenessProbe:
httpGet:
path: /livez
port: 8080
多个容器的 Pod 需要逐个确认。某个 sidecar 的探针配置不会自动检查主应用容器,反过来也一样。HTTP 和 TCP 探针通过 Pod 网络访问目标地址,如果多个容器监听相同端口或存在代理转发,还要避免探针意外访问到错误的进程。
可以先查看当前集群支持的字段定义:
kubectl explain pod.spec.containers.livenessProbe --recursive
kubectl explain pod.spec.containers.readinessProbe --recursive
kubectl explain pod.spec.containers.startupProbe --recursive
这一步适合用于确认当前 Kubernetes 版本接受哪些字段,避免直接照搬其他版本或其他工具生成的配置。
检查 Deployment 模板和运行中 Pod
Deployment 配置变更后,旧 Pod 不会自动改变自身探针。先确认模板中的内容,再确认运行中 Pod 是否已经更新:
kubectl -n demo get deployment api -o yaml
kubectl -n demo rollout status deployment/api
kubectl -n demo get pods -l app=api -o wide
获取某个 Pod 的完整实际配置:
kubectl -n demo get pod POD_NAME -o yaml
重点查看:
spec.containers[].livenessProbe;spec.containers[].readinessProbe;spec.containers[].startupProbe;spec.containers[].ports;- 容器名称是否与排查时使用的
-c参数一致; metadata.creationTimestamp是否早于本次配置变更。
如果 Deployment 中已经出现新配置,但 Pod 中仍然是旧配置,通常需要继续检查滚动更新是否卡住、是否存在多个同名工作负载,或者实际修改的是错误的命名空间。
查看事件、重启次数和上一次容器日志
describe 通常能直接看到探针失败的原因:
kubectl -n demo describe pod POD_NAME
关注 Events 区域中的常见信息:
Liveness probe failed:存活检查失败;Readiness probe failed:就绪检查失败;Startup probe failed:启动检查尚未成功;Killing:kubelet 正在终止容器;connection refused:目标端口没有监听或监听地址不正确;context deadline exceeded:检查超时;HTTP probe failed with statuscode: 404:路径不存在;HTTP probe failed with statuscode: 500:应用主动返回失败状态。
查看各容器的重启次数:
kubectl -n demo get pod POD_NAME \
-o jsonpath='{range .status.containerStatuses[*]}{.name}{" restartCount="}{.restartCount}{" state="}{.state}{" lastState="}{.lastState}{"\n"}{end}'
如果容器已经重启,必须查看上一次实例的日志:
kubectl -n demo logs POD_NAME -c api --previous
探针失败和应用自身崩溃可能同时发生。若 lastState.terminated.exitCode 表明进程主动退出,原因不一定是探针;若事件中明确出现 Killing 且时间与重启一致,再结合日志判断是否由存活或启动检查触发。
也可以按时间查看指定 Pod 的事件:
kubectl -n demo get events \
--field-selector involvedObject.name=POD_NAME \
--sort-by=.lastTimestamp
直接验证接口、端口和返回状态
如果是 HTTP 探针,先从客户端侧确认路径和返回码。容器镜像没有 curl 时,不要因为无法执行 kubectl exec ... curl 就认定接口不可用,可以使用端口转发:
kubectl -n demo port-forward pod/POD_NAME 18080:8080
在另一个终端执行:
curl -i http://127.0.0.1:18080/livez
curl -i http://127.0.0.1:18080/readyz
curl -i http://127.0.0.1:18080/startupz
预期结果应分别与探针用途一致。例如:
/livez返回200,表示进程仍能处理基础检查;/readyz在数据库不可用时返回503,但不应因此导致容器重启;/startupz在初始化完成前返回失败,完成后稳定返回200。
端口转发验证的是应用接口本身,不完全等价于 kubelet 从节点访问 Pod IP 的路径。如果端口转发成功而探针仍失败,应继续检查:

- 探针使用的是不是同一个端口;
- Pod IP 上是否实际监听该端口;
- HTTP
scheme是否配置正确; - 是否需要特定
Host请求头; - NetworkPolicy、节点网络或服务网格是否影响了探针路径;
- 应用是否只绑定了
127.0.0.1,而没有绑定 Pod IP 对应的接口。
若使用命名端口,例如 port: http,应确认该名称确实定义在目标容器的 ports 中。命名端口可以减少数字端口错配,但不会自动修正应用实际监听错误。
就绪探针还应结合 Service 的后端状态验证:
kubectl -n demo get endpointslice \
-l kubernetes.io/service-name=api -o yaml
查看对应地址的 conditions.ready 是否随 Pod 的就绪状态变化。若就绪探针已经失败,但业务请求仍然到达该 Pod,需要确认请求是否绕过了 Service,或者调用方使用了 Pod IP、Headless Service、缓存的连接或其他自定义发现机制。
参数调整应围绕故障类型进行
应用启动慢
不要只把存活探针的 initialDelaySeconds 改成几分钟。更适合的方式是配置启动探针,让启动阶段和运行阶段使用不同标准。
启动探针的容忍窗口应覆盖正常启动时间,并为节点负载、镜像解压、缓存构建等波动预留空间。若正常启动约 35 秒,可以把启动检查周期和失败阈值组合成约 60 秒到 90 秒的窗口,再通过事件和日志验证是否足够。
如果启动时间远超预期,应先排查初始化逻辑、资源限制、磁盘和依赖连接,而不是无限扩大探针阈值。过大的阈值会让真正无法启动的容器长时间占用 Pod 和发布资源。
应用偶发超时
如果接口正常响应通常只需要几十毫秒,但在 CPU 限制或垃圾回收期间可能达到数秒,可以适当提高 timeoutSeconds,同时保留合理的 failureThreshold。不要直接把超时时间提高到几十秒,否则存活故障会很晚才被发现。
可以将探针失败时间粗略理解为:
单次超时时间、检查间隔和连续失败次数共同决定故障被判定的速度。
其中,failureThreshold 主要用于吸收短暂抖动,不应成为隐藏持续故障的工具。
就绪状态频繁切换
就绪探针频繁在成功和失败之间切换,通常说明接口依赖、超时时间或成功恢复条件不稳定。可从以下方面处理:
- 缩小就绪检查的依赖范围;
- 让必要依赖具备短时重试或连接池恢复能力;
- 适当增加
failureThreshold,避免一次偶发失败就摘除; - 适当增加
successThreshold,避免刚成功一次就重新接流量; - 检查应用返回失败时是否记录了具体依赖和耗时。
如果只有就绪探针失败而 restartCount 没有增加,这通常符合设计,不应为了“让状态变绿”而改成存活探针。
探针的适用边界
探针只能反映 kubelet 看到的局部状态,不能替代完整的端到端监控。存活检查成功,不代表用户一定能通过 Ingress、DNS、TLS、Service 或业务鉴权访问成功;就绪检查成功,也不代表所有请求类型都能成功。
探针接口还应避免返回数据库地址、内部错误堆栈、凭据或详细拓扑信息。可以记录详细原因到应用日志,而对探针只返回简短状态。对于需要认证的业务接口,通常应提供专门的内部健康检查路径,避免把用户权限、登录态和探针语义混在一起。
判断一次配置是否真正合理,可以保留以下边界:
- 进程死锁或无法恢复,才优先考虑存活探针;
- 暂时不能接收流量,但进程仍可运行,优先使用就绪探针;
- 只在启动阶段需要额外时间,使用启动探针;
- 配置修改后,必须在运行中 Pod 的 YAML、事件、重启次数和实际接口返回中交叉验证;
- 端口转发成功只能证明应用接口可访问,还要继续核对 kubelet 使用的端口、路径、协议和请求条件。
当“启动探针失败”时,重点看初始化日志和启动预算;当“存活探针失败并伴随重启”时,重点看检查接口是否错误依赖外部服务;当“就绪探针失败但没有重启”时,应优先判断流量是否按预期被摘除,而不是立即修改为存活探针。

对于需要在 Kubernetes 中承载接口服务、数据库和多任务应用的场景,A5数据提供中国香港、美国、日本、韩国、中国台湾、新加坡及马来西亚等地区的物理服务器资源,覆盖常规、AMD、高内存与存储型方案。不同产品系列配备相应的CPU、内存、SSD或NVMe存储及带宽线路,可为应用实例、依赖服务和数据组件提供计算、存储与网络基础,适配从业务后台到容器化服务、大容量数据处理等工作负载。
本文由A5数据原创发布,转载请注明出处:https://www.a5idc.com/helpcontent/5991.html



