Kubernetes探针全解：你的Pod健康吗？

Kubernetes探针全解：你的Pod健康吗？

凌晨三点，监控大屏突然告警：核心服务流量暴跌50%！你发现新版本Pod全部卡在启动状态，旧Pod被误杀导致雪崩。这一切的根源竟是因为探针配置不当！本文将用真实生产案例，带你掌握Kubernetes探针的终极配置艺术。

---

一、探针三剑客：K8S的"健康管家"

探针类型	核心使命	失败后果	适用场景
存活探针	判断是否该"安乐死"	杀死容器并重启	死锁检测、僵尸进程
就绪探针	决定是否接收流量	从Service摘除流量	慢启动服务、依赖预热
启动探针	保护启动期的"婴儿阶段"	触发容器重启	Java/Python等慢启动语言

---

二、生产级配置模板（含避坑注释）

电商大促场景配置示例：

apiVersion: apps/v1
kind: Deployment
spec:
  template:
    spec:
      containers:
      - name: order-service
        livenessProbe:
          httpGet:
            path: /internal/health
            port: 8080
          initialDelaySeconds: 30  # 避免冷启动误杀
          periodSeconds: 5
          failureThreshold: 3      # 连续3次失败才判定死亡
        readinessProbe:
          httpGet: 
            path: /ready
            port: 8080
          initialDelaySeconds: 5
          periodSeconds: 2
          successThreshold: 3      # 连续3次成功才标记就绪
        startupProbe:
          httpGet:
            path: /startup
            port: 8080
          failureThreshold: 30     # 最长等待30*5=150秒
          periodSeconds: 5

关键参数解析：

• initialDelaySeconds：等待时间（冷启动保护）
• periodSeconds：检测间隔（频率控制）
• failureThreshold：失败容忍度（防抖动）
• successThreshold：成功确认次数（防误判）

---

三、三大死亡案例与重生方案

案例1：存活探针误杀门
现象：Spring Boot应用启动需60秒，存活探针默认10秒检测导致无限重启
根因分析：

livenessProbe:
  initialDelaySeconds: 10  # 不足！
  periodSeconds: 5
  failureThreshold: 3      # 10+5*3=25秒即重启

修复方案：

startupProbe:  # 增加启动保护
  httpGet:
    path: /actuator/health
    port: 8080
  failureThreshold: 30
  periodSeconds: 5
livenessProbe:
  initialDelaySeconds: 60  # 覆盖启动时间

案例2：就绪风暴
现象：服务过载时就绪探针失败，触发全节点摘流导致雪崩
优化方案：

readinessProbe:
  httpGet:
    path: /health?level=light  # 轻量级检测
  timeoutSeconds: 1            # 快速超时
  successThreshold: 1
  failureThreshold: 1

案例3：TCP检测陷阱
错误配置：

livenessProbe:
  tcpSocket:
    port: 8080
  periodSeconds: 10

隐藏风险：端口监听≠服务就绪，导致流量打到未初始化完成的Pod
正确方案：

readinessProbe:
  exec:
    command:
    - "/bin/sh"
    - "-c"
    - "curl -s http://localhost:8080/ready | grep OK"

---

四、探针选择三原则

1. HTTP探针（首选）

   • 优点：精准检测业务状态
   • 场景：Web服务、REST API

2. TCP探针

   • 优点：快速简单
   • 场景：数据库、缓存等端口服务

3. Exec探针

   • 优点：高度定制
   • 场景：复杂状态检测（如磁盘空间）
     危险操作：

   # 谨慎使用！可能引发副作用
   exec:
     command:
     - "rm"
     - "-rf"
     - "/tmp/lock.file"
   

---

五、高级调试技巧

1. 事件流监控

   kubectl get events --sort-by=.metadata.creationTimestamp | grep -i probe
   

2. 临时关闭探针

   # 紧急恢复手段（需权限控制）
   kubectl edit deploy order-service
   # 注释掉livenessProbe配置
   

3. 分布式追踪集成

   httpGet:
     path: /health
     port: 8080
     httpHeaders:
     - name: X-Request-ID
       value: probe-check
   

---

六、监控大盘搭建指南

1. Prometheus指标

   • kubelet_prober_probe_total{probe_type="liveness"}
   • kubelet_prober_probe_duration_seconds

2. Grafana面板

   sum(rate(kubelet_prober_probe_total{namespace="$namespace", pod=~"$pod", probe_type=~"liveness|readiness"}[5m])) by (probe_type, result)
   

   

3. 告警规则

   - alert: ProbeFailure
     expr: rate(kubelet_prober_probe_total{result="failed"}[5m]) > 0.5
     for: 2m
     labels:
       severity: critical
     annotations:
       summary: "探针连续失败 ({{ $value }}%%)"
       description: "{{ $labels.pod }} 的{{ $labels.probe_type }}探针失败率过高"
   

---

七、未来演进：智能探针

1. 自适应阈值调整
   根据历史数据动态计算periodSeconds

2. 业务指标融合

   httpGet:
     path: /health?metrics=queue_length,cpu_load
   

3. eBPF深度检测
   通过内核态探针判断真实服务状态

---

八、终极配置清单

✅ 存活/就绪探针必须同时配置
✅ 启动探针用于启动时间超过30秒的服务
✅ HTTP探针路径需轻量级（<100ms）
✅ 生产环境failureThreshold不低于3次
✅ 所有探针必须设置timeoutSeconds

---

记住：好的探针配置如同精准的脉搏监测仪，既要及时发现问题，又要避免误诊。掌握这三大探针的脾性，让你的K8S集群拥有钢铁般的免疫力！