10.3.4 服务挂了能自动重启吗——健康检查：服务可用性监控与自动重启

进程在跑不代表服务正常，健康检查才是判断依据。

为什么需要健康检查

场景	进程状态	实际状态	健康检查
正常运行	运行中	正常	通过
死循环	运行中	卡死	失败
等待依赖	运行中	未就绪	失败
内存泄漏	运行中	响应慢	可能失败

健康检查配置

基本语法

services:
  api:
    healthcheck:
      test: ["CMD", "curl", "-f", "http://localhost:3001/health"]
      interval: 30s      # 检查间隔
      timeout: 10s       # 超时时间
      retries: 3         # 失败重试次数
      start_period: 40s  # 启动等待期（不计入失败）

检查方式

# 方式一：CMD 数组格式（推荐）
healthcheck:
  test: ["CMD", "curl", "-f", "http://localhost:3001/health"]

# 方式二：CMD-SHELL 格式
healthcheck:
  test: ["CMD-SHELL", "curl -f http://localhost:3001/health || exit 1"]

# 方式三：禁用健康检查
healthcheck:
  disable: true

常见服务的健康检查

Node.js 应用

services:
  api:
    healthcheck:
      test: ["CMD", "curl", "-f", "http://localhost:3001/health"]
      interval: 30s
      timeout: 10s
      retries: 3

应用代码中添加健康检查端点：

// NestJS
@Controller('health')
export class HealthController {
  constructor(
    private prisma: PrismaService,
    private redis: RedisService,
  ) {}

  @Get()
  async check() {
    // 检查数据库连接
    await this.prisma.$queryRaw`SELECT 1`;
    // 检查 Redis 连接
    await this.redis.ping();
    
    return { status: 'ok', timestamp: new Date().toISOString() };
  }
}

PostgreSQL

services:
  postgres:
    healthcheck:
      test: ["CMD-SHELL", "pg_isready -U postgres"]
      interval: 10s
      timeout: 5s
      retries: 5

Redis

services:
  redis:
    healthcheck:
      test: ["CMD", "redis-cli", "ping"]
      interval: 10s
      timeout: 5s
      retries: 3

Nginx

services:
  nginx:
    healthcheck:
      test: ["CMD", "curl", "-f", "http://localhost/health"]
      interval: 30s
      timeout: 10s
      retries: 3

依赖健康检查

确保服务按正确顺序启动：

services:
  api:
    depends_on:
      postgres:
        condition: service_healthy  # 等待健康检查通过
      redis:
        condition: service_started  # 只等待容器启动

  postgres:
    healthcheck:
      test: ["CMD-SHELL", "pg_isready -U postgres"]
      interval: 5s
      timeout: 5s
      retries: 10
      start_period: 30s

自动重启策略

services:
  api:
    restart: always  # 配合健康检查使用
    healthcheck:
      test: ["CMD", "curl", "-f", "http://localhost:3001/health"]
      interval: 30s
      timeout: 10s
      retries: 3

重启策略	行为
no	不自动重启
always	总是重启（包括手动停止后 Docker 重启）
on-failure	仅非正常退出时重启
unless-stopped	除非手动停止，否则总是重启

查看健康状态

# 查看容器健康状态
docker compose ps

# NAME        STATUS              HEALTH
# api         Up 5 minutes        healthy
# postgres    Up 5 minutes        healthy
# redis       Up 5 minutes        (none)

# 查看健康检查历史
docker inspect --format='{{json .State.Health}}' 容器名 | jq

健康检查最佳实践

1. 检查内容要全面

@Get('health')
async check() {
  const checks = {
    database: await this.checkDatabase(),
    redis: await this.checkRedis(),
    diskSpace: await this.checkDiskSpace(),
  };
  
  const isHealthy = Object.values(checks).every(c => c.status === 'ok');
  
  return {
    status: isHealthy ? 'ok' : 'degraded',
    checks,
    timestamp: new Date().toISOString(),
  };
}

2. 区分存活和就绪

类型	用途	失败处理
Liveness	进程是否存活	重启容器
Readiness	是否可接收请求	从负载均衡移除

3. 合理设置参数

参数	建议值	说明
interval	10-30s	太频繁会增加负担
timeout	5-10s	要小于 interval
retries	3-5	避免瞬时抖动触发
start_period	30-60s	根据应用启动时间设置

故障排查

# 查看健康检查日志
docker inspect 容器名 --format='{{range .State.Health.Log}}{{.Output}}{{end}}'

# 手动执行健康检查
docker exec 容器名 curl -f http://localhost:3001/health