手写实现扫描探针，面试官当场问懵？

面试时被问到 K8s 探针原理，90% 的人只能背出 Liveness 和 Readiness 的定义。面试官追问：“如果我要手写实现一个扫描探针，核心逻辑是什么？” 瞬间大脑空白。这种场景太常见了。很多应届生背了概念，却不懂底层如何执行检查，导致在系统设计题或故障排查题中彻底卡壳。

今天不聊虚的，直接上干货。我们将通过手写实现的方式，拆解扫描探针的核心机制。对比三种主流探针类型：HTTP Get、TCP Socket 和 Exec。你会发现，所谓探针，本质就是一个定时任务加一个判定逻辑。掌握这个底层逻辑，面试时你不再是背书机器，而是能讲清“为什么这么设计”的工程师。

探针的核心定位与面试陷阱

很多新人混淆了“健康检查”和“探针”。在 Kubernetes 语境下，探针是 kubelet 组件执行的周期性操作。根据 Kubernetes 官方文档，探针分为三种：

Liveness Probe（存活探针）：判断容器是否运行正常。如果失败，kubelet 会杀死容器并重启策略决定后续动作。
Readiness Probe（就绪探针）：判断容器是否准备好接收流量。如果失败，Service 不会将流量转发给该 Pod。
Startup Probe（启动探针）：针对启动缓慢的应用，在成功之前禁用其他探针。

面试陷阱在于：面试官往往不问“是什么”，而是问“区别是什么”以及“失败后果是什么”。

Liveness 失败 = 重启容器。这可能导致数据丢失或雪崩效应，所以配置要保守，容忍度高。
Readiness 失败 = 摘除流量。这比重启好，但可能导致负载均衡不均。
Startup 失败 = 一直等待直到超时。这是保护慢启动应用的关键。

关键点：不要死记硬背。你要理解，探针是 K8s 与容器内部应用之间的“握手协议”。如果你手写一个监控脚本，你需要决定：检查什么？多久检查一次？失败几次算死？这就是探针的本质。

核心差异对比：HTTP vs TCP vs Exec

为了让你一目了然，我们用一张表格对比三种探针实现方式的核心差异。这也是面试中展示结构化思维的好机会。

特性	HTTP Get	TCP Socket	Exec
检查层级	应用层 (L7)	传输层 (L4)	进程层 (L0)
依赖	需要应用提供 HTTP 接口	需要端口监听	需要容器内有执行权限
开销	高 (建立连接+解析响应)	低 (仅三次握手)	中 (fork 子进程)
准确性	最高 (能检查业务逻辑)	低 (端口通不代表服务正常)	取决于脚本质量
适用场景	Web 服务、微服务	数据库、中间件	无 HTTP 接口的后台任务
调试难度	中等	简单	复杂 (需进容器看日志)

深度解析：

HTTP Get 是最推荐的默认选择。因为它能检查到应用是否真的能处理请求。比如，Tomcat 启动了，但数据库连接池满了，HTTP 探针返回 500，K8s 就会摘除流量。这是 TCP 探针做不到的。
TCP Socket 性能最好，但最“骗人”。MySQL 端口 3306 通了，不代表你能查询成功。它只保证网络层是通的。
Exec 最灵活，但也最危险。如果你在 Exec 里跑了个 sleep 10，探针就会超时。而且每次检查都要 fork 进程，在资源受限的 Pod 里要谨慎。

代码实战：手写三种探针逻辑

光说不练假把式。我们用 Python 和 Go 分别手写实现这三种探针的核心判定逻辑。注意，这不是完整的 K8s 控制器，而是探针执行器（Executor）的核心代码。理解这段代码，你就懂了 K8s 底层是怎么工作的。

1. HTTP Get 探针实现 (Python)

模拟 kubelet 发送 HTTP 请求并判断状态码。

import requests
import timedef http_probe(host, port, path, timeout=3):"""模拟 HTTP Get 探针返回: True 表示健康, False 表示不健康"""url = f"http://{host}:{port}{path}"try:# 设置超时，防止探针阻塞response = requests.get(url, timeout=timeout)# K8s 默认认为 200-399 为成功if 200 <= response.status_code < 400:return Trueelse:# 记录日志，方便调试print(f"HTTP Probe Failed: {response.status_code}")return Falseexcept requests.exceptions.RequestException as e:# 连接超时、DNS 解析失败等都算失败print(f"HTTP Probe Exception: {e}")return False# 模拟循环检查
if __name__ == "__main__":while True:is_healthy = http_probe("localhost", 8080, "/healthz")print(f"Status: {'Healthy' if is_healthy else 'Unhealthy'}")time.sleep(10) # 模拟 periodSeconds

逐行讲解：

timeout=3：对应 K8s 配置中的 timeoutSeconds。如果应用响应慢，这里必须调大，否则误判。
200 <= response.status_code < 400：这是 K8s 的默认判定逻辑。注意，4xx 错误通常也被视为“服务可达但业务错误”，具体取决于你的应用设计。有些团队会将 404 视为不健康，这需要在业务层做特殊处理。

2. TCP Socket 探针实现 (Go)

Go 语言在并发网络编程上有天然优势，适合模拟高频率的 TCP 检查。

package mainimport ("fmt""net""time"
)func tcpProbe(host string, port int, timeout time.Duration) bool {// 构造地址address := fmt.Sprintf("%s:%d", host, port)// 建立 TCP 连接conn, err := net.DialTimeout("tcp", address, timeout)if err != nil {fmt.Printf("TCP Probe Failed: %v\n", err)return false}// 关键点：必须关闭连接，否则资源泄漏conn.Close()return true
}func main() {for {// 模拟 periodSeconds = 10s, timeoutSeconds = 3sisHealthy := tcpProbe("localhost", 3306, 3*time.Second)fmt.Printf("Status: %v\n", isHealthy)time.Sleep(10 * time.Second)}
}

避坑指南：

资源泄漏：很多新手手写探针时忘记 conn.Close()。在高频检查下，这会导致 too many open files 错误，进而导致节点故障。
防火墙干扰：TCP 探针只检查端口连通性。如果安全组或 iptables 规则变更，TCP 探针会立刻失败，但这不代表应用挂了。

3. Exec 探针实现 (Bash/Shell)

Exec 探针在容器内执行命令。这里我们展示如何判定命令退出码。

#!/bin/bash
# exec_probe.sh# 检查进程是否存在
if ! pgrep -f "my-app-server" > /dev/null; thenecho "Process not found"exit 1 # 非 0 退出码表示失败
fi# 检查内存使用是否超过阈值 (示例)
MEM_LIMIT=512 # MB
CURRENT_MEM=$(ps -o %m -p $(pgrep -f "my-app-server") | awk '{print int($1 * 100)}')
if [ "$CURRENT_MEM" -gt "$MEM_LIMIT" ]; thenecho "Memory limit exceeded: ${CURRENT_MEM}%"exit 1
fi# 所有检查通过
exit 0

注意：

退出码：K8s 规定，只有退出码为 0 才表示成功。任何非 0 值都视为失败。
脚本性能：Exec 探针会 fork 子进程。如果脚本复杂（如运行 Python 脚本），启动开销大。建议保持脚本轻量。

进阶技巧与避坑指南

掌握了基础代码，还需要知道生产环境中的“坑”。

初始延迟 (initialDelaySeconds)：应用启动需要时间。如果你配置 initialDelaySeconds: 0，探针会在容器刚启动、应用还没监听端口时就开始检查，导致立刻失败并重启，陷入死循环。建议：根据应用冷启动时间设置合理的初始延迟，或者使用 Startup Probe。
失败阈值 (failureThreshold)：网络抖动是常态。如果 failureThreshold: 1，一次网络波动就会重启容器。建议：至少设置为 3。给应用和系统恢复的时间。
Liveness 与 Readiness 共用端口的陷阱：很多应用只有一个 /health 端点。如果 Liveness 和 Readiness 都指向它，当依赖的下游服务（如 DB）短暂不可用时，Liveness 失败会导致 Pod 重启，加剧故障。最佳实践：Liveness 只检查自身进程是否存活；Readiness 检查依赖服务是否可用。
资源限制：探针本身也消耗资源。在 CPU 限制很低的 Pod 中，频繁的 HTTP 检查可能导致 CPU 争抢，反而影响应用性能。监控探针的执行耗时，必要时降低检查频率。

选型建议与面试应答策略

回到面试场景。当面试官问“你怎么选择探针类型？”时，不要只说“看应用”。你要给出决策树：

应用是否提供 HTTP 接口？
- 是 → 优先使用 HTTP Get。检查 /healthz 端点，确保业务逻辑正常。
- 否 → 进入下一步。
应用是否监听 TCP 端口？
- 是 → 使用 TCP Socket。适用于数据库、消息队列等。
- 否 → 进入下一步。
是否有特定的健康检查脚本？
- 是 → 使用 Exec。确保脚本轻量且退出码正确。
- 否 → 考虑是否真的需要探针。对于无网络服务的后台批处理任务，可能只需要 Liveness 检查进程存在即可。