Docker 容器健康檢查機制
在分布式系統中，經常需要利用健康檢查機制來檢查服務的可用性，防止其他服務調用時出現異常。
對于容器而言，最簡單的健康檢查是進程級的健康檢查，即檢驗進程是否存活。Docker Daemon會自動監控容器中的PID1進程，如果docker run命令中指明了restart policy，可以根據策略自動重啟已結束的容器。在很多實際場景下，僅使用進程級健康檢查機制還遠遠不夠。比如，容器進程雖然依舊運行卻由于應用死鎖無法繼續響應用戶請求，這樣的問題是無法通過進程監控發現的。
在Kubernetes提供了Liveness與Readness探針分別對Container及其服務健康狀態進行檢查。阿里云容器服務也提供了類似的服務健康檢查機制。
Docker 原生健康檢查能力
而自 1.12 版本之后，Docker 引入了原生的健康檢查實現，可以在Dockerfile中聲明應用自身的健康檢測配置。HEALTHCHECK 指令聲明了健康檢測命令，用這個命令來判斷容器主進程的服務狀態是否正常，從而比較真實的反應容器實際狀態。
HEALTHCHECK 指令格式：
- HEALTHCHECK [選項] CMD <命令>：設置檢查容器健康狀況的命令
- HEALTHCHECK NONE：如果基礎鏡像有健康檢查指令，使用這行可以屏蔽掉
注：在Dockerfile中 HEALTHCHECK 只可以出現一次，如果寫了多個，只有最后一個生效。
使用包含 HEALTHCHECK 指令的dockerfile構建出來的鏡像，在實例化Docker容器的時候，就具備了健康狀態檢查的功能。啟動容器后會自動進行健康檢查。
HEALTHCHECK 支持下列選項：
- interval=<間隔>：兩次健康檢查的間隔，默認為 30 秒;
- timeout=<間隔>：健康檢查命令運行超時時間，如果超過這個時間，本次健康檢查就被視為失敗，默認 30 秒;
- retries=<次數>：當連續失敗指定次數后，則將容器狀態視為 unhealthy，默認 3 次。
- start-period=<間隔>: 應用的啟動的初始化時間，在啟動過程中的健康檢查失效不會計入，默認 0 秒; (從17.05)引入
在 HEALTHCHECK [選項] CMD 后面的命令，格式和 ENTRYPOINT 一樣，分為 shell 格式，和 exec 格式。命令的返回值決定了該次健康檢查的成功與否：
- 0：成功;
- 1：失敗;
- 2：保留值，不要使用
容器啟動之后，初始狀態會為 starting (啟動中)。Docker Engine會等待 interval 時間，開始執行健康檢查命令，并周期性執行。如果單次檢查返回值非0或者運行需要比指定 timeout 時間還長，則本次檢查被認為失敗。如果健康檢查連續失敗超過了 retries 重試次數，狀態就會變為 unhealthy (不健康)。
注：
- 一旦有一次健康檢查成功，Docker會將容器置回 healthy (健康)狀態
- 當容器的健康狀態發生變化時，Docker Engine會發出一個 health_status 事件。
假設我們有個鏡像是個最簡單的 Web 服務，我們希望增加健康檢查來判斷其 Web 服務是否在正常工作，我們可以用 curl來幫助判斷，其 Dockerfile 的 HEALTHCHECK 可以這么寫：
- FROM elasticsearch:5.5
- HEALTHCHECK --interval=5s --timeout=2s --retries=12 \
- CMD curl --silent --fail localhost:9200/_cluster/health || exit 1
- docker build -t test/elasticsearch:5.5 .
- docker run --rm -d \
- --name=elasticsearch \
- test/elasticsearch:5.5
我們可以通過 docker ps，來發現過了幾秒之后，Elasticsearch容器從 starting 狀態進入了 healthy 狀態
- $ docker ps
- CONTAINER ID IMAGE COMMAND CREATED STATUS PORTS NAMES
- c9a6e68d4a7f test/elasticsearch:5.5 "/docker-entrypoin..." 2 seconds ago Up 2 seconds (health: starting) 9200/tcp, 9300/tcp elasticsearch
- $ docker ps
- CONTAINER ID IMAGE COMMAND CREATED STATUS PORTS NAMES
- c9a6e68d4a7f test/elasticsearch:5.5 "/docker-entrypoin..." 14 seconds ago Up 13 seconds (healthy) 9200/tcp, 9300/tcp elasticsearch
另外一種方法是在 docker run 命令中，直接指明healthcheck相關策略。
- $ docker run --rm -d \
- --name=elasticsearch \
- --health-cmd="curl --silent --fail localhost:9200/_cluster/health || exit 1" \
- --health-interval=5s \
- --health-retries=12 \
- --health-timeout=2s \
- elasticsearch:5.5
為了幫助排障，健康檢查命令的輸出(包括 stdout 以及 stderr)都會被存儲于健康狀態里，可以用 docker inspect 來查看。我們可以通過如下命令，來獲取過去5個容器的健康檢查結果
- docker inspect --format='{{json .State.Health}}' elasticsearch
或
- docker inspect elasticsearch | jq ".[].State.Health"
示例結果如下
- {
- "Status": "healthy",
- "FailingStreak": 0,
- "Log": [
- {
- "Start": "2017-08-19T09:12:53.393598805Z",
- "End": "2017-08-19T09:12:53.452931792Z",
- "ExitCode": 0,
- "Output": "..."
- },
- ...
- }
由于應用的開發者會更加了解應用的SLA，一般建議在Dockerfile中聲明相應的健康檢查策略，這樣可以方便鏡像的使用。對于應用的部署和運維人員，可以通過命令行參數和REST API針對部署場景對健康檢查策略按需進行調整。
注：
- 阿里云容器服務同時支持Docker原生健康檢測機制和阿里云的擴展檢查機制
- 目前Kubernetes還不提供對Docker原生健康檢查機制的支持。
Docker Swarm mode中的服務健康檢查能力
在Docker 1.13之后，在Docker Swarm mode中提供了對健康檢查策略的支持
可以在 docker service create 命令中指明健康檢查策略
- $ docker service create -d \
- --name=elasticsearch \
- --health-cmd="curl --silent --fail localhost:9200/_cluster/health || exit 1" \
- --health-interval=5s \
- --health-retries=12 \
- --health-timeout=2s \
- elasticsearch
在Swarm模式下，Swarm manager會監控服務task的健康狀態，如果容器進入 unhealthy 狀態，它會停止容器并且重新啟動一個新容器來取代它。這個過程中會自動更新服務的 load balancer (routing mesh) 后端或者 DNS記錄，可以保障服務的可用性。
在1.13版本之后，在服務更新階段也增加了對健康檢查的支持，這樣在新容器完全啟動成功并進入健康狀態之前，load balancer/DNS解析不會將請求發送給它。這樣可以保證應用在更新過程中請求不會中斷。
下面是在服務更新過程的時序圖
總結
在企業生產環境中，合理的健康檢查設置可以保證應用的可用性。現在很多應用框架已經內置了監控檢查能力，比如Spring Boot Actuator。配合Docker內置的健康檢測機制，可以非常簡潔實現應用可用性監控，自動故障處理，和零宕機更新。
