Pod的LivenessProbe 探针的常见方式有哪些?

Kubernetes存活探针深度指南：生产环境四大检测方案与避坑实践

存活探针（LivenessProbe）是保障Kubernetes应用自愈能力的核心机制。本文将深入解析四种检测方式的适用场景，并分享经过大规模生产验证的配置模板。

---

一、四大存活检测方案全景图

1. 命令执行检测（Exec）

   • 适用场景：
     • 检查特定文件是否存在（如锁文件）
     • 验证进程状态
     • 执行自定义健康脚本
   • 生产示例：

     livenessProbe:
       exec:
         command:
         - sh
         - -c
         - "pgrep -x nginx && curl -s localhost:8080/status"
       initialDelaySeconds: 30
       periodSeconds: 10
       timeoutSeconds: 2
     

   • 避坑指南：
     • 避免执行耗时超过timeoutSeconds的命令
     • 禁止修改应用状态（如清理临时文件）

2. HTTP端点检测（HTTPGet）

   • 最佳实践：
     • 使用独立健康检查端口（避免与业务端口冲突）
     • 实现分级健康检查（如/healthz?level=basic）
     • 添加请求头标识探针流量
   • 增强配置：

     livenessProbe:
       httpGet:
         path: /internal/health
         port: 9090
         httpHeaders:
         - name: X-Probe-Type
           value: "k8s-liveness"
         - name: Authorization
           value: "Bearer $(PROBE_TOKEN)"
       periodSeconds: 5
     

   • 安全建议：
     • 健康接口需要鉴权
     • 限制访问IP范围

3. TCP端口检测（TCPSocket）

   • 适用场景：
     • 数据库服务（MySQL/Redis）
     • 传统TCP协议应用
     • 网络中间件
   • 高阶技巧：

     livenessProbe:
       tcpSocket:
         port: service-port
       periodSeconds: 10
       successThreshold: 2  # 连续2次成功才认为健康
     

   • 注意事项：
     • 不能检测应用层状态
     • 需配合资源限制使用，避免僵尸进程占用端口

4. gRPC健康协议（Kubernetes 1.27+）

   • 前提条件：
     • 实现gRPC健康检查协议
     • 使用Kubernetes 1.27+版本
   • 配置示例：

     livenessProbe:
       grpc:
         port: 50051
         service: "grpc.health.v1.Health" 
       timeoutSeconds: 3
     

   • 性能优势：
     • 二进制协议，检测效率提升40%
     • 支持流式健康状态报告

---

二、参数调优黄金法则

参数名称	推荐值域	计算公式	典型错误案例
initialDelaySeconds	30-300秒	冷启动时间×1.5	Java应用启动未完成被杀死
periodSeconds	5-30秒	业务容忍中断时间÷3	频繁检测导致CPU飙升
timeoutSeconds	1-3秒	小于periodSeconds的1/3	超时引发误判重启
failureThreshold	3-5次	最大容忍故障时间÷periodSeconds	过早触发重启
successThreshold	1-2次	根据业务波动性调整	抖动导致状态翻转

推荐基准配置：

livenessProbe:
  httpGet:
    path: /health
    port: 8080
  initialDelaySeconds: 45    # 留足启动时间
  periodSeconds: 15          # 折中检测频率
  timeoutSeconds: 3          # 合理超时窗口
  failureThreshold: 3        # 45秒内失败触发重启
  successThreshold: 2        # 避免偶发抖动

---

三、生产环境高阶技巧

1. 动态阈值调整

   env:
   - name: LIVENESS_FAILURE_THRESHOLD
     valueFrom:
       configMapKeyRef:
         name: probe-config
         key: liveness-failure-threshold
   livenessProbe:
     failureThreshold: $(LIVENESS_FAILURE_THRESHOLD)
   

2. 压力感知检测

   # 示例健康端点实现
   @app.route('/health')
   def health_check():
       cpu_load = psutil.cpu_percent()
       if cpu_load > 90:
           return "OVERLOAD", 503
       return "OK", 200
   

3. 关联事件触发

   # 监控探针失败事件
   kubectl get events --field-selector=
   reason=Unhealthy,type=Warning
   

---

四、经典故障排查案例

案例1：检测风暴导致CPU过载

• 现象：periodSeconds=1导致检测QPS过高
• 解决方案：

  periodSeconds: 10
  resources:
    limits:
      cpu: "1"
    requests:
      cpu: "0.5"
  

案例2：文件锁引发的误杀

• 现象：临时文件未及时清理导致检测失败
• 修复方案：

  livenessProbe:
    exec:
      command:
      - /scripts/check_lock.sh  # 增加重试逻辑
  

案例3：时钟不同步导致状态漂移

• 现象：节点时间不同步导致检测超时
• 根治方案：

  # 所有节点部署NTP服务
  kubectl apply -f ntp-daemonset.yaml
  

---

五、存活探针禁用场景

1. 有状态服务主节点：

   # StatefulSet特殊配置
   annotations:
     special-mode: "disable-liveness-for-primary"
   

2. 批处理任务中间状态：

   lifecycle:
     preStop:
       exec:
         command: ["/bin/sh", "-c", "touch /tmp/pending"]
   

3. 硬件设备交互场景：

   securityContext:
     capabilities:
       add: ["SYS_RAWIO"]
   

通过合理配置存活探针，您的应用将获得智能自愈能力。记住：好的探针配置应该像经验丰富的医生——既能准确诊断病症，又不会过度治疗。