K8s Pod 重启策略详解

Kubernetes Pod 重启策略详解：生产环境中的最佳实践

在 Kubernetes 集群中，Pod 是调度的最小单位，而容器的稳定性直接决定了服务的可靠性。当容器意外终止时，重启策略（restartPolicy） 决定了系统如何自动恢复。本文将结合生产经验，深入解析三种重启策略的使用场景与注意事项。

---

三种重启策略的核心区别

1. Always（默认策略）

• 行为：无论容器因何原因退出（包括正常退出、崩溃、OOM 等），kubelet 都会立即重启容器。
• 适用场景：
  • 需要 7x24 小时持续运行 的服务（如 Web 服务器、API 服务）
  • 有状态应用（如 MySQL、Redis，需配合持久化存储）
• 生产经验：
  • 慎用默认值！长期运行的容器若频繁重启，可能掩盖代码缺陷（如内存泄漏）。
  • 建议搭配 livenessProbe 健康检查，避免无限重启死循环。

2. OnFailure（失败重启）

• 行为：仅在容器 非正常退出（exit code ≠ 0） 时触发重启。
• 适用场景：
  • 定时任务/批处理作业（如数据分析、报表生成）
  • 需要重试机制的离线任务（如消息队列消费者）
• 生产经验：
  • 配合 backoffLimit（最大重试次数）使用，避免任务卡在无限重试。
  • 调试时可通过 kubectl logs --previous 查看上一次崩溃日志。

3. Never（禁止重启）

• 行为：容器退出后不再重启。
• 适用场景：
  • 一次性任务（如初始化脚本、数据迁移）
  • 需要人工介入的故障场景（如关键配置错误）
• 生产经验：
  • 常用于 Job 控制器，任务完成后 Pod 自动终止。
  • 若需保留现场日志，需设置足够的 terminationGracePeriodSeconds。

---

生产环境进阶技巧

▶ 策略与控制器搭配

• Deployment/StatefulSet：通常使用 Always，确保服务实例数恒定。
• Job/CronJob：优先使用 OnFailure 或 Never，任务完成即结束。
• DaemonSet：默认 Always，保证每个节点上的守护进程存活。

▶ 避免「重启风暴」

Kubernetes 采用 指数退避延迟（Exponential Backoff）策略：

• 第1次重启：立即
• 第2次重启：延迟10秒
• 第3次重启：延迟20秒
• 后续重启延迟时间按倍数增长，上限5分钟

若发现 Pod 状态为 CrashLoopBackOff，需立刻检查：

• 容器启动命令是否立即报错
• 资源配额是否不足（CPU/Memory）
• 依赖服务是否可用（如数据库连接）

▶ 资源限制与优先级

• 设置合理的 resources.limits，避免 OOM 导致频繁重启。
• 为关键 Pod 配置 priorityClassName，防止节点资源紧张时被优先驱逐。

---

示例配置

apiVersion: v1
kind: Pod
metadata:
  name: payment-service
spec:
  restartPolicy: Always  # 持续运行的核心服务
  containers:
  - name: app
    image: payment:v1.2
    resources:
      limits:
        memory: "512Mi"
        cpu: "500m"
    livenessProbe:       # 健康检查双保险
      httpGet:
        path: /health
        port: 8080
      initialDelaySeconds: 15

---
apiVersion: batch/v1
kind: Job
metadata:
  name: data-export
spec:
  template:
    spec:
      restartPolicy: OnFailure  # 失败自动重试3次
      containers:
      - name: exporter
        image: data-exporter:v3
  backoffLimit: 3

---

监控建议

1. 配置 Prometheus 告警规则：
   • kube_pod_container_status_restarts_total > 5 (5分钟内)
2. 使用 EFK 日志系统收集 kubelet 日志，分析重启原因
3. 通过 kubectl describe pod <name> 查看 Events 时间线

合理运用重启策略，既能提升系统韧性，又能避免掩盖深层问题。建议根据业务特性选择策略，并建立完整的监控告警体系。记住：自动恢复不是万能的，快速定位根因才是关键！