/livez只检查进程是否存活,禁止任何外部I/O;/readyz并行检查各依赖状态并缓存结果,避免高频探测拖垮连接池。

/livez 和
/readyz 必须分开实现,不能共用一个 handler,否则 Kubernetes 会把“依赖临时不可用”误判为“进程已死”,直接触发无限重启。
为什么 /livez 里连 db.PingContext 都不能调
/livez 的唯一任务是回答:“这个 Go 进程还在正常调度吗?”
一旦引入任何外部 I/O(数据库、Redis、HTTP 调用、文件读写、甚至
time.Sleep),就违背了它的设计初衷。
常见错误现象:DB 网络抖动 200ms →
/livez 超时 → livenessProbe 失败 → K8s 杀 Pod → 新 Pod 启动后继续抖动 → CrashLoopBackOff。
正确做法只检查本地状态:
- 用
atomic.LoadInt32(&liveHealthy) 读一个由主 goroutine 定期更新的原子变量
- 检查
runtime.NumGoroutine() 是否突增(比如 > 1000)
- 确认 HTTP server 仍在 Accept 连接(可尝试
net.Listener.Addr() 不 panic)
- 响应必须在 1 秒内完成,且不写日志、不设 header、不调中间件
/readyz 怎么查 DB 又不拖垮连接池
/readyz 可以查依赖,但绝不能每次请求都新建连接或执行重查询。
高频探针(默认每 10 秒一次)+ 每次
db.PingContext = 连接数飙升 + 超时堆积。
安全做法是:
- 启动时起一个后台 goroutine,每 5 秒调一次
db.PingContext 或轻量 SELECT 1,结果缓存在 sync.RWMutex 保护的 struct 中
-
/readyz handler 只读快照,不做任何阻塞操作
- 检查顺序:先
db.Stats().OpenConnections > 0,再查缓存里的最新探测结果
- 任一依赖失败(DB/Redis/gRPC),统一返回
http.StatusServiceUnavailable(503),不要返回 200 + 错误字段
Gin/Echo 注册健康路由时绕不开的坑
框架中间件(JWT、Logger、CORS)默认会拦截所有路由,导致
/livez 返回 401 或延迟超 1 秒,K8s 直接判失败。
这不是 bug,是注册顺序问题:
- Gin:必须把
r.GET("/livez", livezHandler) 写在 r.Use(...) 之前;或者用 r.NoRoute 显式兜底跳过
- Echo:必须用
e.GET("/livez", livezHandler).SkipMiddleware = true,不是 e.Use(...).Skip
- 千万别把
/metrics 和 /livez 放进同一个 Group 并共享中间件——语义不同,干扰探针稳定性
真正难的不是写两个 handler,而是让
/livez 在 GC STW、goroutine 泄漏、channel 堵死等静默故障下仍能及时暴露问题。它不依赖任何外部状态,却要最敏锐地反映进程内部是否已实质失能。