WorkBuddy Pod持续CrashLoopBackOff主因是探针配置不当：一、存活探针initialDelaySeconds过短或路径/端口错误致误杀；二、就绪探针延迟过大造成服务空窗；三、应启用startupProbe接管慢启动校验；四、需调大timeoutSeconds、failureThreshold及periodSeconds；五、须排查OOM、Actuator异常等容器内问题。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
如果您部署的WorkBuddy应用在Kubernetes中出现Pod持续处于CrashLoopBackOff或频繁重启现象，则很可能是由于存活探针（livenessProbe）或就绪探针（readinessProbe）配置不当，导致kubelet误判容器健康状态并触发非预期重启。以下是针对该问题的多种排查与修复方法：
一、检查存活探针是否过早失败导致循环重启
存活探针失败会直接触发容器重启，若其initialDelaySeconds设置过短、failureThreshold过低或探测路径/端口不匹配，将使尚未完成初始化的容器被反复终止。尤其对启动耗时较长的Java或Spring Boot应用（如WorkBuddy），默认60秒内未响应即可能被kill。
1、执行kubectl describe pod <workbuddy-pod-name> -n <namespace>，定位Events中类似“Liveness probe failed”或“Container killed due to failure”的记录。
2、检查Pod YAML中livenessProbe字段，确认initialDelaySeconds是否小于应用实际冷启动时间（建议设为120–300秒）。
3、验证httpGet.path是否指向真实健康端点（如/actuator/health），且port值与容器实际监听端口一致（例如8080而非80）。
4、临时禁用存活探针：将livenessProbe块注释或删除，观察Pod是否稳定运行；若稳定，则证实原配置为根本诱因。
二、验证就绪探针是否阻塞服务接入但未触发重启
就绪探针失败不会重启容器，但会使Pod长期处于NotReady状态，若其配置与存活探针完全相同且initialDelaySeconds过小，可能导致Pod虽Running却无法加入Service后端，继而引发上游负载均衡器持续重试、连接超时等间接压力，加剧应用不稳定表现。
1、运行kubectl get pods -n <namespace>，观察READY列是否长期显示“0/1”或“1/1”但STATUS为Running。
2、使用kubectl logs <pod-name> -c <container-name> -n <namespace>检查应用日志，确认是否已完成初始化（如打印“Started WorkBuddyApplication in X seconds”）。
3、比对readinessProbe与livenessProbe的initialDelaySeconds：就绪探针应≤存活探针，确保Pod先就绪再接受健康校验；若就绪探针延迟更长，可能造成服务空窗期。
4、检查HTTP探测返回码：访问curl http://<pod-ip>:<port>/actuator/health，确认响应是否为200且body包含"status":"UP"；若返回404或503，需修正探测路径或启用对应Actuator端点。
三、启用启动探针替代初始阶段的存活/就绪校验
对于WorkBuddy这类依赖数据库连接、缓存预热或外部配置中心的慢启动应用，应在容器启动初期禁用所有周期性探针，改用startupProbe接管首检——它仅执行一次，成功后才激活livenessProbe和readinessProbe，避免启动窗口内误杀。
1、在容器spec下添加startupProbe块，采用与readinessProbe相同的httpGet配置，但将failureThreshold设为30、periodSeconds设为10。
WorkBuddy 桌宠工厂 —— 给一张角色图、一个 codex.pet 链接、一条 codex-pets.net 下载 URL、或一份现成的精灵表，就能自动创建一只可联动 WorkBuddy 状态的桌面宠物。当用户说"创建桌宠"、"做一只桌宠"、"用这张图做桌宠"、"从 codex.pet 安装桌宠"、"导入 codex 桌宠 XX"、"装一下 codex-pets.net 上的 XX&quo
2、确保startupProbe.initialDelaySeconds为0，使其在容器启动后立即开始探测。
3、将原livenessProbe.initialDelaySeconds提升至startupProbe.failureThreshold × startupProbe.periodSeconds + 30（例如30×10+30=330秒），确保其在启动探针成功后才首次执行。
4、应用更新后的YAML：kubectl apply -f workbuddy-deployment.yaml，并通过kubectl get events -n <namespace> --sort-by=.lastTimestamp监控“Started container”事件是否持续出现。
四、校验探针超时与失败阈值是否过于严苛
默认probe timeoutSeconds为1秒，而WorkBuddy在高负载或GC暂停期间HTTP响应可能超过该值，导致单次探测即失败；结合默认failureThreshold=3，三次连续超时即触发重启，极易形成雪崩效应。
1、在livenessProbe和readinessProbe中显式设置timeoutSeconds: 5，确保覆盖95%的应用响应毛刺。
2、将failureThreshold从默认3提高至5–10，降低瞬时抖动引发的误判概率。
3、同步调整periodSeconds至20–30秒，避免高频探测加重容器负担。
4、验证变更效果：kubectl get pods -n <namespace> -o wide查看RESTARTS计数是否停止增长，并持续观察5分钟以上。
五、隔离镜像层与应用层异常干扰
当探针配置合理但仍持续重启时，需排除容器内部因素：如JVM OOM Killer终止进程、Spring Boot Actuator健康检查器抛出未捕获异常、或/proc/sys/vm/overcommit_memory内核参数限制导致malloc失败等，这些均会导致exec或HTTP探测意外失败。
1、进入容器调试：kubectl exec -it <pod-name> -c <container-name> -n <namespace> -- sh，手动执行探针命令（如curl -I http://localhost:8080/actuator/health）。
2、检查容器退出码：kubectl logs <pod-name> -c <container-name> -n <namespace> --previous | tail -20，定位最后几行是否含“Exit code: 137”（OOMKilled）或“java.lang.OutOfMemoryError”。
3、确认资源限制：kubectl describe pod <pod-name> -n <namespace> 查看Limits.Memory是否低于JVM -Xmx设置，若存在冲突，必须将memory limit设为JVM堆上限的1.5倍以上。
4、禁用非必要健康检查器：在application.yml中设置management.endpoint.health.show-details: never，并移除自定义HealthIndicator中可能抛异常的逻辑。
