在 Kubernetes 中，服务的稳定运行不仅依赖强大的调度系统，也离不开对容器健康状态的持续监测。而存活探针（Liveness Probe） ，正是实现自动故障检测与恢复的关键工具，它是让系统"自愈"的第一道防线。
本文将带你全面理解存活探针的工作机制、配置方式、使用场景及常见误区，助你打造更健壮的云原生应用。
一、存活探针是什么？
存活探针是 Kubernetes 用来检测容器是否处于"活着"的状态的一种健康检查方式。
简单来说：
- 如果探测通过，K8s 认为容器是健康的，什么也不做；
- 如果探测失败达到指定次数，K8s 会自动重启容器，以期让它恢复正常。
它是容器层级的"心跳检测"，通过判断应用是否"挂死"来执行自我修复操作，确保服务不中断。
二、为什么需要存活探针？
很多人以为容器运行状态为 "Running" 就代表服务没问题，其实这远远不够。下面几个典型问题，K8s 默认是感知不到的：
- 服务出现死循环或线程阻塞；
- 内部连接池耗尽，应用假死；
- 核心逻辑卡死但进程仍存活；
- 某次初始化异常导致无法响应请求；
这些问题不会导致容器直接退出（exit），但服务已经不可用。这时，存活探针就派上用场了------一旦探测失败，K8s 就会自动重启容器，相当于"拉闸重启"，帮助应用自我修复。
三、配置方式详解
Kubernetes 支持三种类型的存活探针：
| 类型 | 描述 |
|---|---|
| HTTP GET | 向指定端口和路径发起 HTTP 请求，返回 2xx 或 3xx 认为健康 |
| TCP Socket | 尝试建立 TCP 连接，连接成功即健康 |
| Exec | 在容器中执行指定命令，返回码为 0 认为成功 |
YAML 示例：
yaml
yaml
复制编辑
livenessProbe:
httpGet:
path: /healthz/live
port: 8080
initialDelaySeconds: 10
periodSeconds: 5
timeoutSeconds: 2
failureThreshold: 3字段解释：
initialDelaySeconds：容器启动后，延迟多久开始探测；periodSeconds：探测之间的时间间隔；timeoutSeconds：每次探测的超时时间；failureThreshold：连续探测失败多少次才算真正失败并重启；successThreshold：只用于就绪探针，这里不需要。
注意 ：存活探针失败后，Pod 不会被删除，而是只重启容器本身。
四、典型使用场景
1. 防止假死服务长时间挂着
Java 或 Node.js 应用容易出现线程死锁或事件循环卡死，此时进程还在，但服务已经不能响应。存活探针能有效发现并重启容器。
2. 服务依赖组件故障
服务依赖的下游服务（如数据库、缓存）不可用，导致自身功能瘫痪，可以通过存活探针及时重启以尝试恢复连接。
3. 内存泄漏自动修复
一些历史系统存在内存泄漏问题，长时间运行会卡死。设置存活探针配合资源限制，可以让服务在内存爆掉前自动重启，保证稳定运行。
五、实战建议
✅ 设置合适的探针参数
initialDelaySeconds建议根据应用启动时间设定，防止启动阶段误判；failureThreshold不宜过低，防止网络抖动或短时压力导致频繁重启；timeoutSeconds过短容易误判，建议设置为 2~5 秒；
✅ 使用独立健康检查接口
避免将业务接口作为探针，防止探针请求干扰正常服务负载，最好提供 /healthz/live 这类轻量级专用路径。
✅ 配合 Prometheus 监控探针状态
探针失败是服务出现问题的早期信号，可以结合 Prometheus 监控相关 metrics，如 kube_pod_container_status_restarts_total。
六、常见误区解析
❌ 误区一：用 exec 执行复杂命令
有些开发者喜欢用 exec 执行 shell 脚本进行多种检查，但这会消耗较多资源，不推荐用于高频健康检查。
❌ 误区二：混用探针接口
将存活和就绪探针共用一个接口容易造成冲突。建议分离接口职责，分别实现 /healthz/live 和 /healthz/ready。
❌ 误区三：容器重启次数暴增被忽视
频繁的探针失败重启很容易掩盖问题本质，应结合日志和 metrics 找出根因。
七、与就绪探针的区别
| 探针类型 | 检查内容 | 失败后处理方式 |
|---|---|---|
| Liveness | 容器是否挂掉 | 重启容器 |
| Readiness | 是否可对外服务 | 临时摘出 Service，不重启容器 |
两个探针通常配合使用，缺一不可。
八、总结
存活探针是 Kubernetes 实现容器"自愈"的关键机制。通过合理配置，它可以帮助我们及时发现并修复挂死、假死等难以察觉的服务问题，让整个系统更健壮、更具容错能力。
如果你还没为你的服务配置存活探针，那就像把汽车开上高速却没装安全气囊。赶紧检查你的 Deployment 配置吧，让你的服务更有"韧性"。