怎么配置 Docker 网络以支持容器集群自动故障恢复与重组指南-Docker-PHP中文网

docker容器集群自动故障恢复需overlay网络+内置dns+健康感知路由：1.用加密overlay网络实现跨节点自愈；2.依赖内置dns服务发现避免ip硬编码；3.结合健康检查与auto_recovery机制实现网络层联动恢复。

怎么配置 docker 网络以支持容器集群自动故障恢复与重组指南

要让 Docker 容器集群具备自动故障恢复与动态重组能力，网络配置不能只关注连通性，更要支撑服务发现、状态同步和跨节点任务迁移。核心在于：Overlay 网络 + 内置 DNS + 健康感知路由。下面分三块讲清楚怎么做。

1. 必须使用 Swarm Overlay 网络（非 bridge/host）

Docker 原生集群高可用依赖 Swarm 的分布式控制面，而 Overlay 网络是其唯一支持跨主机服务自愈的底层网络模式。

创建带加密的 Overlay 网络（保障节点间通信安全）：

docker network create \
  --driver overlay \
  --opt encrypted \
  --subnet 10.0.10.0/24 \
  app-overlay

部署服务时显式绑定该网络：

docker service create \
  --name api \
  --network app-overlay \
  --replicas 3 \
  nginx:alpine

关键点：只有 Overlay 网络才能让 Swarm Manager 在节点宕机后，自动将任务调度到其他健康节点，并复用原服务名（如 api）进行 DNS 解析——这是故障后无缝重组的前提。

2. 启用内置 DNS 与服务发现，避免硬编码 IP

容器重启或迁移后 IP 会变，靠 IP 地址通信必然断裂。必须依赖 Docker 内置 DNS 实现服务名自动解析。

所有服务必须部署在同一 Overlay 网络中，才能互相通过服务名访问：

Dolphindb Docker

自动化 DolphinDB Docker 部署，支持自动架构检测（ARM64/x86_64），智能内存分配（50% 规则）以及完整数据持久化。

下载

# docker-compose.yml（Swarm 模式下 deploy）
version: '3.9'
services:
  web:
    image: nginx:alpine
    networks: [app-overlay]
    depends_on:
      api:
        condition: service_healthy
  api:
    image: my-api:latest
    networks: [app-overlay]
    healthcheck:
      test: ["CMD", "curl", "-f", "http://localhost:8080/health"]
      interval: 20s
      timeout: 5s
      retries: 3
      start_period: 40s

注意：depends_on.condition: service_healthy 不是启动顺序锁，而是触发健康检查；DNS 会持续解析 api 到当前运行中的任意一个实例 IP，即使某实例被重建，DNS 记录几秒内自动更新。

3. 配合健康检查与 auto_recovery 实现网络层联动恢复

单纯网络连通不够，需让网络行为响应容器真实状态。Docker 27 的 `auto_recovery` 机制可与 Overlay 网络策略协同工作。

在服务部署中启用增强恢复（Docker 27+）：

deploy:
  restart_policy:
    condition: on-failure
    delay: 5s
    max_attempts: 3
  auto_recovery:
    enabled: true
    backoff_factor: 1.5
    max_backoff: 60s

效果：
- 当容器因 OOM 或崩溃退出，Swarm 先尝试本地重启；
- 若连续失败，自动触发跨节点重建新实例；
- 新实例启动后，自动加入 app-overlay 网络，获得新 IP，并立即注册到内置 DNS；
- 流量在 1–3 秒内切至新实例，旧连接自然超时，无手动干预。
补充建议：
- 给关键服务配置 --endpoint-mode dnsrr（而非默认 VIP），避免单点负载均衡器成为瓶颈；
- 对数据库等有状态服务，配合 --replicas-max-per-node 1 防止单节点脑裂；
- 禁用 --publish 直接暴露端口，改用反向代理（如 Traefik）统一入口，隔离网络变更影响。

不复杂但容易忽略