跳到主要内容

健康检查指标

介绍​

健康检查指标是监控分布式系统的重要组成部分，它们帮助开发者快速判断服务是否正常运行。在 Jaeger（一个开源的分布式追踪系统）中，健康检查指标用于验证各个组件（如 Collector、Query、Agent）的状态，确保它们能够正确处理请求和数据。

对于初学者来说，理解健康检查指标就像学习如何检查汽车的油压和水温——它们是系统“健康”的第一道防线。

为什么需要健康检查指标？​

在微服务架构中，服务可能因为网络问题、资源耗尽或代码缺陷而不可用。健康检查指标通过定期探测服务的关键功能（如数据库连接、内存使用率），提供以下价值：

  • 快速故障检测：在用户受影响前发现问题
  • 自动化恢复：配合编排工具（如 Kubernetes）实现自动重启
  • 运维可见性：通过仪表盘集中展示系统状态

Jaeger 的健康检查端点​

Jaeger 组件默认提供 HTTP 健康检查端点（通常为 /healthz），返回简单的 JSON 响应。例如查询 Jaeger-Query 的健康状态：

curl http://localhost:16687/healthz

响应示例：

{
  "status": "UP",
  "components": {
    "db": {
      "status": "UP",
      "details": {
        "backend": "memory"
      }
    }
  }
}

关键字段说明：

  • status: "UP" 表示服务健康
  • components 显示子组件状态（如数据库连接）

核心健康检查指标​

Jaeger 的健康检查通常关注以下指标类型：

1. 存活检查（Liveness）​

检测服务是否崩溃，需要重启。例如：

2. 就绪检查（Readiness）​

检测服务是否准备好接收流量。以下代码展示如何在 Go 中实现自定义检查：

// 示例：自定义存储后端健康检查
func readinessHandler(w http.ResponseWriter, r *http.Request) {
    if storageBackend.Ping() != nil {
        w.WriteHeader(http.StatusServiceUnavailable)
        return
    }
    w.WriteHeader(http.StatusOK)
}

3. 关键依赖检查​

验证数据库、消息队列等依赖项：

// 健康响应示例（包含依赖项）
{
  "status": "DOWN",
  "details": {
    "redis": {
      "status": "DOWN",
      "error": "connection timeout"
    }
  }
}

实际应用案例​

场景：电商平台发现 Jaeger 追踪数据突然缺失

排查步骤：

  1. 检查 Collector 健康状态：curl -s collector:14269/healthz | jq .
  2. 发现响应中 "kafka": "DOWN"
  3. 确认 Kafka 集群磁盘已满
  4. 扩容后指标恢复 "status": "UP"
生产环境建议
  • 为健康检查设置独立端口（避免与业务流量竞争）
  • 添加延迟阈值（避免服务启动时的误报）
  • 监控历史数据（如 Prometheus 收集 health_check_status）

总结​

健康检查指标是 Jaeger 监控体系的基础设施，通过本指南你已了解：

  • 健康检查的 3 种主要类型
  • 如何通过 HTTP 端点获取状态
  • 实际故障排查中的使用方法

扩展练习​

  1. 使用 Docker 部署 Jaeger 并测试各组件健康端点
  2. 编写脚本定期检查健康状态，失败时触发告警
  3. 尝试在 Kubernetes 中配置 liveness/readiness 探针

附加资源​