Kubernetes Readiness 失败,为什么容器没有重启?

假设你在 Pod 的 Events 里看到“Readiness probe failed”,但 RESTARTS 没有增加。先别急着调短探针间隔:readiness 失败本来就不等于重启指令。排查时,先确认是哪一种探针失败,再对照它应触发的动作。

这篇备忘录面向能用 kubectl 读取现有 Pod 的运维人员。示例命令只读;本文未在读者集群执行,不宣称已复现故障或验证业务恢复。

先把三种探针的职责分开

探针 它回答的问题 失败后的主要行为
readinessProbe 当前是否就绪? 达到失败判定条件后,容器继续运行,Pod 的 Ready 条件被置为 false。
livenessProbe 是否需要结束并恢复这个容器? 连续失败达到 failureThreshold 后,kubelet 终止该容器,后续按重启策略处理。
startupProbe 初始化是否已经完成? 配置后,在它成功之前,liveness 和 readiness 探针不执行;失败达到阈值后按容器重启策略处理。

readiness 与 liveness 不要求对方先成功。因此,“没有通过就绪检查,所以存活检查应该先停着”等推断也不成立。需要为初始化留出时间时,应结合 startupProbe 或相关延迟配置评估,而不是靠猜测两个探针的先后关系。

这里讨论探针对容器和 Pod 状态的作用,不用一个状态字段代替业务验收。不根据 Ready、Running 或 RESTARTS 任一单项,推断整个业务健康。

用同一份 Pod 证据核对,而不是先改参数

先把下列 NAMESPACE 和 POD_NAME 替换为你有读取权限的实际名称。确认当前集群上下文,避免把测试环境的配置和生产环境的事件混在一起。

kubectl config current-context kubectl -n NAMESPACE get pod POD_NAME kubectl -n NAMESPACE describe pod POD_NAME kubectl -n NAMESPACE get pod POD_NAME -o yaml 

get 用来定位对象和概览;describe 用来对照容器状态、重启计数和 Events;YAML 用来查看实际生效的探针配置。阅读 YAML 时先定位对应容器,别把 sidecar 的探针当成业务容器的探针。

按下面的顺序整理观察,不必立即改动配置:

核对项 应保存的证据 这一步能回答什么
对象是否一致 集群上下文、命名空间、Pod 名称、UID、采集时间 两次观察是否仍针对同一对象
哪个探针失败 Events 中的探针类型、报错原因及时间 看到的失败属于哪一种检查
实际配置是什么 对应容器的探针路径/端口或命令、延迟、阈值 被检查的对象与预期是否一致
容器是否重启 当前/上次容器状态、重启计数及对应事件 有无重启证据,以及能否与探针失败对上时间

这些输出属于排障材料,不是自动判定器。建议把同一轮采集存进同一个受控工单,保留时间顺序;公开交流前清理内部地址、镜像仓库、环境变量和业务标识。

怎样写一条可交接的结论

可以使用这个假设场景的记录格式:

“本次观察对象为同一 Pod UID、同一容器。发现 readiness 失败;当时 Ready 为 false,未观察到重启计数增加。接下来核对该 readiness 端点为何失败。”

这份记录把观察和下一步分开了。它没有声称应用无故障,也没有把“没重启”判成 kubelet 不工作。如果实际看到的是 liveness 失败,就继续核对失败阈值、容器状态与事件时间线;仅凭一条失败事件,不足以证明已满足重启条件。

何时停止这个判断

如果 Pod 已被替换、事件记录不足、读取权限不够,或无法确定报错属于哪个容器,应先补齐证据,不凭旧截图继续下结论。若证据显示存在其他终止原因,也应分别核对,不能统一归因于探针。

本文按 2026-10-11 核验的 Kubernetes 上游文档解释探针行为;具体集群版本、应用健康接口含义及路由配置待现场核对。任何探针阈值或路径调整需按业务场景测试和变更流程执行,本文不提供通用生产参数。

排障记录里,把失败探针、Ready 状态和重启证据分开写,比只留下“健康检查失败”更便于同事接手。

官方参考

本文为 AI 辅助整理的原创技术备忘录;表格和假设记录用于说明核对方法,未使用客户案例或生产实测结果。