容器健康检查需通过cAdvisor暴露为Prometheus指标container_health_status，再配置for: 2m的告警规则及Alertmanager分级路由实现可观测告警闭环。
容器健康检查本身不产生告警，必须与 prometheus + alertmanager 这类监控系统联动，才能把“unhealthy”状态转化为可通知、可追踪的告警事件。关键在于把健康检查结果变成可观测指标，并纳入规则评估闭环。
让健康状态变成 Prometheus 可采集的指标
Docker 原生的 HEALTHCHECK 指令只影响容器状态（healthy/unhealthy），但不会对外暴露数值型指标。要接入监控体系，需借助中间组件将状态“翻译”成时间序列数据：
-
cAdvisor 自动暴露健康状态指标：新版 cAdvisor（v0.49+）已原生支持采集容器健康检查结果，生成如
container_health_status{container="web", health="unhealthy"}这类指标，默认值为 0（unhealthy）或 1（healthy） -
验证方式：访问
http://localhost:8080/metrics，搜索container_health_status，确认有输出且数值随容器健康状态变化 -
注意前提：Docker 守护进程需启用健康检查（即容器启动时带
healthcheck配置），cAdvisor 才能读取到该字段；否则该指标为空
在 Prometheus 中定义健康异常告警规则
有了指标，就能用 PromQL 编写精准判断逻辑。健康类告警强调“持续性失败”，避免瞬时抖动误报：
- 基础告警规则示例（alerts.yml）：
groups:
- name: docker-health-alerts
rules:
- alert: ContainerUnhealthy
expr: container_health_status == 0
for: 2m
labels:
severity: critical
annotations:
summary: "Container {{ $labels.container }} is unhealthy"
description: "Health check failed for {{ $labels.container }} on {{ $labels.instance }}"-
说明：
for: 2m表示连续 2 分钟状态为 0 才触发，匹配 Docker 默认重试机制（如retries: 3+interval: 30s≈ 90 秒内失败即标记 unhealthy） -
进阶建议：可叠加容器重启次数（
container_restarts_total）或应用端口连通性（通过 Blackbox Exporter 主动探测）做复合判断，降低漏报率
通过 Alertmanager 实现分级响应
告警发出后，Alertmanager 负责决定“谁在什么时间收到什么内容”。健康类告警通常需要快速响应，配置应侧重时效性和明确性：
- 路由策略示例（alertmanager.yml）：
route:
group_by: ['alertname', 'container']
group_wait: 30s
group_interval: 5m
repeat_interval: 1h
receiver: 'pager-duty-critical'
routes:
- match:
severity: critical
receiver: 'slack-urgent'
continue: false
- match:
severity: warning
receiver: 'email-daily'-
实用技巧：
- 对
ContainerUnhealthy告警单独设置receiver: 'slack-urgent'，并启用 Slack @channel 或 @here 提醒值班人员 - 添加
inhibit_rules抑制重复告警：例如当某台宿主机整体宕机（InstanceDown）时，自动抑制其上所有容器的健康告警，避免信息过载
- 对
可视化与根因辅助定位
Grafana 不仅展示图表，还能帮助快速确认问题上下文：
- 在仪表盘中添加「容器健康状态」面板，用状态灯（green/red）直观呈现所有容器当前 health 值
- 关联显示同一容器的 CPU 使用率、内存 RSS、网络错误包数等指标，便于判断 unhealthy 是因资源耗尽、进程僵死，还是健康接口本身返回异常
- 点击告警卡片可直接跳转到对应容器的详细看板页，缩短排查路径
