Docker 原生健康檢查能力

自 1.12 版本之后，Docker 引入了原生的健康檢查實現。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。

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。通過檢查容器監控狀態有以下兩種方式：
  

1. Dockerfile 方式

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。參數參考：https://docs.docker.com/engine/reference/builder/#healthcheck

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;
  

參數作用解釋如下：

•  運行狀態檢查首先會在容器啟動后的 interval 秒內運行，然后在前一次檢查完成后的 interval 秒內再次運行。
  
•  如果一次狀態檢查花費的時間超過 timeout 秒，則認為這次檢查失敗。
  
•  容器的運行狀態檢查連續失敗 retries 次才會被視為不健康。
  
•  start period 為需要時間啟動的容器提供初始化時間。在此期間的探測失敗將不計入最大重試次數。
  

但是，如果在啟動期間健康檢查成功，則認為容器已啟動，所有連續失敗的情況都將計算到最大重試次數。

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
  

假設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 nginx:1.23
HEALTHCHECK --interval=5s --timeout=3s  --retries=3 \
   CMD curl -fs http://localhost/ || exit 1

這里設置了每 5 秒檢查一次（這里為了試驗所以間隔非常短，實際應該相對較長），如果健康檢查命令超過 3 秒沒響應，并且重試 3 次都沒響應就視為失敗，并且使用curl -fs http://localhost/ || exit 1作為健康檢查命令。

使用docker build來構建這個鏡像：

docker build -t myweb:v1 .

構建好后啟動容器：

docker run -d --name web myweb:v1

當運行該鏡像后，可以通過docker container ls看到最初的狀態為(health: starting)：

docker container ls
CONTAINER ID        IMAGE               COMMAND                  CREATED             STATUS                            PORTS               NAMES
7068d793c6e4        myweb:v1            "/docker-entrypoint.…"   3 seconds ago       Up 2 seconds (health: starting)   80/tcp              web

在等待幾秒鐘后，再次docker container ls，就會看到健康狀態變化為了(healthy)：

$ docker container ls
CONTAINER ID        IMAGE               COMMAND                  CREATED             STATUS                    PORTS               NAMES
7068d793c6e4        myweb:v1            "/docker-entrypoint.…"   18 seconds ago      Up 16 seconds (healthy)   80/tcp               web

如果健康檢查連續失敗超過了重試次數，狀態就會變為(unhealthy)。

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。

$ docker inspect --format '{{json .State.Health}}' web | python -m json.tool
{
   "FailingStreak": 0,
   "Log": [
       {
           "End": "2022-08-20T14:02:38.19224648+08:00",
           "ExitCode": 0,
           "Output": "xxx",
           "Start": "2022-08-20T14:02:38.116041192+08:00"
       },
       {
           "End": "2022-08-20T14:02:43.271105619+08:00",
           "ExitCode": 0,
           "Output": "xxx",
           "Start": "2022-08-20T14:02:43.200932585+08:00"
       }
   ],
   "Status": "healthy"
}

2. docker run 方式

另外一種方法是在 docker run 命令中，直接指明 healthcheck 相關策略：

$ docker run  -d \
   --name=myweb \
   --health-cmd="curl -fs http://localhost/ || exit 1" \
   --health-interval=5s \
   --health-retries=12 \
   --health-timeout=2s \
   nginx:1.23

通過執行docker run --help | grep health命令查看相關的參數及解釋如下：

•  --health-cmd string：運行檢查健康狀況的命令
  
•   -health-interval duration：運行間隔時間(ms|s|m|h)(缺省為 0s)
  
•  --health-retries int：需要報告不健康的連續失敗次數
  
•  --health-start-period duration ：容器在開始健康重試倒計時之前初始化的起始周期(ms|s|m|h)(默認 0)
  
•  --health-timeout duration：允許一次檢查運行的最大時間(ms|s|m|h)(默認為 0s)
  
•  --no-healthcheck：禁用任何容器指定的HEALTHCHECK，會使得 Dockerfile 構建出來的HEALTHCHECK功能失效。
  

如果是以 supervisor 來管理容器的多個服務，想通過子服務的狀態來判斷容器的監控狀態，可以使用supervisorctl status來做判斷，比如：

$ docker run --rm -d \
   --name=myweb \
   --health-cmd="supervisorctl status" \
   --health-interval=5s \
   --health-retries=3 \
   --health-timeout=2s \
   nginx:v1

按照此參數的設置，如果supervisorctl status檢查子服務有一個不為正常的RUNNING狀態，那么在等待大約 15 秒左右，容器的監控狀態就會從(healthy)變為(unhealthy)

3. docker-composer 方式

在 docker-composer 中，可以使用以下方式來實現對容器的健康狀況檢查（以通過 supervisor 管理子進程的容器為例）：

version: '3'
services:
 web:
   image: nginx:v1
   container_name: web
   healthcheck:
     test: ["CMD", "supervisorctl", "status"]
     interval: 5s
     timeout: 2s
     retries: 3

執行成功后，等待數秒查詢容器的狀態：

$ docker-compose ps
Name              Command                  State                 Ports
--------------------------------------------------------------------------------
web    supervisord -c /etc/superv ...   Up (healthy)   443/tcp, 80/tcp

當通過手動supervisorctl stop停掉里面的一些子服務，導致里面的子服務狀態不全為RUNNING狀態時，再查看容器的狀態：

# docker-compose ps
Name              Command                   State                  Ports
----------------------------------------------------------------------------------
web    supervisord -c /etc/superv ...   Up (unhealthy)   443/tcp, 80/tcp