KAI K8s之路 04｜Probe 是什麼？Running 不等於 Ready

上一篇我們把 Service 想清楚了：

Pod 會換，入口不能飄。

但入口穩定，不代表後面每個 Pod 都真的能服務。

這就是很多新手第一個卡點：

Service 看起來正常，DNS 也正常，為什麼 request 還是 timeout、502，或者偶發失敗？

我會先記這句：

Running 只是程式起來；Ready 才是可以接流量。Probe 是 Kubernetes 判斷 workload 狀態的訊號。

KAI notebook style diagram showing a Service sending traffic only to a Ready Pod while a Running but Not Ready Pod is blocked and a stuck Pod is restarted by liveness probe. — Service 給入口，但 Probe 決定哪些 Pod 真的能站到入口後面。Running 只是起來；Ready 才能接流量。

先不要把 Running 當成 Ready

Pod 進到 Running，只代表 container process 已經被拉起來。

但你的應用可能還在做這些事：

連資料庫
載入設定
warm cache
等依賴服務可用

所以 Running 不等於「現在可以穩定回應請求」。

如果這時候就讓 Service 把流量導進來，用戶看到的通常不是「快」，而是「時好時壞」。

用餐廳營業想 Probe

我會用餐廳例子記這章。

店裡燈亮了，不代表可以接客。

廚房可能還在備料，POS 還沒連上，員工還在開晨會。

這時候門口掛「營業中」，客人進來點不到東西，體驗反而更差。

Probe 就是在替 Kubernetes 回答三件事：

startupProbe：我是不是還在正常開機，先不要太早判我死
readinessProbe：我現在能不能接單，不能就不要把流量導進來
livenessProbe：我是不是卡死到該重啟

Probe 三種角色，不要混

我會把它們分工記成一句話：

readiness 控流量，liveness 控重啟，startup 保護慢啟動。

這三個 probe 可以檢查同一個 endpoint，也可以分開。

重點不是 endpoint 一不一樣，而是語義不要打架。

如果把 readiness 和 liveness 混著用，系統就會把「暫時慢」誤判成「應該重啟」，最後把小抖動放大成事故。

Kubernetes 實際在做什麼

這裡給一個技術上夠準、但不繞的版本。

kubelet 會週期性執行 probe（例如 HTTP、TCP、exec、gRPC）。
readinessProbe 失敗時，Pod 會被標成 not ready；對應 Service 的 EndpointSlice 會把這個 Pod 從可用端點名單拿掉。
livenessProbe 連續失敗超過 failureThreshold，kubelet 會重啟該 container。
startupProbe 若有配置，在它成功前，liveness 和 readiness 不會開始執行。

這些行為是 Kubernetes 官方文件明確定義的，不是社群慣例。

參考：https://kubernetes.io/docs/concepts/workloads/pods/probes/

一個簡化設定範例

apiVersion: v1
kind: Pod
metadata:
  name: web
spec:
  containers:
    - name: web
      image: ghcr.io/example/web:1.0.0
      ports:
        - containerPort: 8080
      startupProbe:
        httpGet:
          path: /healthz
          port: 8080
        periodSeconds: 10
        failureThreshold: 30
      readinessProbe:
        httpGet:
          path: /ready
          port: 8080
        periodSeconds: 5
        timeoutSeconds: 2
        failureThreshold: 3
      livenessProbe:
        httpGet:
          path: /healthz
          port: 8080
        periodSeconds: 10
        timeoutSeconds: 2
        failureThreshold: 3

這份配置的重點不是參數值，而是責任切分：

startupProbe 給慢啟動保護時間
readinessProbe 控制是否進 Service 流量池
livenessProbe 只處理真的卡死情境

新手最常踩的坑

1) 把 Running 當成可以接流量

這是最常見誤判。

Service 有 endpoint，不代表 endpoint 現在能穩定服務。

2) 用 liveness 解決 readiness 問題

依賴服務短暫抖動時，如果直接讓 liveness 判死，服務會被重啟到更不穩。

3) readiness 設太重

Probe endpoint 如果自己就很重，可能把健康檢查變成壓力來源。

4) 慢啟動服務沒有 startupProbe

沒有 startupProbe 時，很容易在啟動期就被 liveness 提前殺掉。

我會怎麼 inspect

如果有人說「Service 不通」，我會先查 Probe，不先怪網路。

kubectl get pod -n <ns>
kubectl describe pod <pod-name> -n <ns>
kubectl logs <pod-name> -n <ns> --previous
kubectl get endpointslice -n <ns> -l kubernetes.io/service-name=<svc-name>

我會重點看：

READY 欄位是否長期 0/1
RESTARTS 是否持續增加
Events 裡是 readiness fail 還是 liveness fail
EndpointSlice 是否仍有 ready backend
probe path / port / timeout / threshold 是否過於激進

一句話版本：

Service 不通時，先問 Pod 有沒有 Ready，再問網路。

我對 Probe 的記法

我不會把 probe 記成「健康檢查功能」這麼空。

我會把它記成一份協議：

workload 用 probe 告訴 Kubernetes：什麼時候我能接流量，什麼時候我只是慢，什麼時候我真的該被重啟。

協議寫對，平台會穩定幫你收斂。

協議寫錯，平台也會很穩定地幫你製造事故。

這篇先記住三件事

Running 不等於 Ready；Ready 才是可接流量
readiness 控流量、liveness 控重啟、startup 保護慢啟動
查 Service 問題時，順著 Probe -> Ready 狀態 -> EndpointSlice 走，通常比先查 DNS 有用

下一篇會接著看：ConfigMap / Secret 是什麼？為什麼配置和鑰匙不應該寫死在 container 裡。