百万级容器运维需分层解耦：Docker工具专注单节点容器生命周期管理，Kubernetes负责跨节点编排；工具监听事件、执行健康探针、结构化日志与指标采集，并作为DaemonSet与K8s协同。
百万级容器规模下，不能靠单机工具或脚本堆砌实现自动化运维。真正可行的路径是分层解耦：用 docker 容器生命周期管理工具专注单节点容器实例的可靠控制，再通过上层编排系统（如 kubernetes）统一调度、分片治理、策略下发。工具本身不追求“管百万”，而是确保每个节点上的容器行为可预测、可观测、可自愈。
聚焦单节点容器层，拒绝越界管理
工具应只处理宿主机本地容器的 create/start/stop/kill/die 事件，不介入服务发现、跨节点网络、滚动更新等编排职责。例如：
- 监听 docker events --filter event=start --filter label=com.example.managed=true，只对打标容器启用自动化逻辑
- 容器退出时自动采集 exit_code、oomkilled 状态、最后 100 行日志，并按时间戳+容器哈希归档
- 对带 STOP_GRACE_PERIOD=20s 标签的容器，在 stop 事件后先发 SIGTERM、等待 20 秒、再发 SIGKILL，避免资源泄漏
健康闭环必须脱离内置 HEALTHCHECK
Docker 原生 HEALTHCHECK 只能检查进程存活，无法感知应用真实状态。工具需嵌入可插拔探针：
- 支持 HTTP（GET /health）、TCP（连通指定端口）、SQL（SELECT 1 FROM pg_stat_activity）、自定义命令四类探针
- 每容器独立配置超时（3s）、重试次数（3）、失败阈值（连续 5 次）
- 触发自愈前执行 pre-heal hook，比如 curl http://localhost:8080/actuator/refresh 或 kill -USR2 $(pidof app)
- 健康结果实时推送到本地 Pushgateway，供 Prometheus 抓取“健康持续时长”指标
结构化日志与运行时快照双通道留存
避免依赖 docker logs 查问题——它无上下文、易被覆盖、不持久：
- 启动容器时自动注入 fluent-bit sidecar，打标 container_id、service_name、env=prod
- 每 5 分钟执行 docker stats --no-stream --format '{{json .}}'，输出 CPU%、mem_usage、net_io 到 JSON 归档文件
- 所有日志和指标默认写入宿主机 /var/log/docker-lifecycle/，按日期+节点名分区，便于日志平台集中采集
与编排系统协同而非替代
百万级场景中，工具是 Kubernetes 的“手和脚”：
- K8s 负责分片（如按业务域划分 NodeGroup）、扩缩容决策、滚动发布策略
- 本工具部署为 DaemonSet，在每个节点上运行，接收 K8s 下发的 annotation（如 lifecycle.health.probe=http:/readyz）并执行
- 当 K8s 驱逐 Pod 时，工具捕获 stop 事件，执行 pre-stop hook（如 flush 缓存、断开 DB 连接），再优雅终止
- 异常重启由工具本地完成（如 OOM 后 10 秒内自动拉起），无需上报 K8s 等待调度，降低恢复延迟
