Operator 健康检查本质是持续比对 CR status.conditions 与真实状态的一致性;HTTP 探针仅保进程存活,无法反映 CR 实例真实就绪状态,故必须通过 status 字段精确暴露各阶段状态。

Operator 对 CRD 资源做健康检查,不是调用 /healthz,而是通过持续比对 status.conditions 与真实状态的一致性来实现——这是 Operator 的健康检查本质。
为什么不能复用 HTTP 健康端点
Operator 本身是控制器进程,不对外提供业务流量,livenessProbe 和 readinessProbe 只能保“进程活着”或“能收事件”,但无法反映它管理的 CR 实例是否真正就绪。比如:
-
MyServiceCR 的status.phase是Running,但其关联的Deployment实际AvailableReplicas == 0 -
ConfigMap已更新,但 Pod 还没滚动完成,status.conditions却仍是ConfigApplied: True - Operator 因 RBAC 权限缺失卡在
Get Pod失败,但进程仍在运行、HTTP 探针照常返回 200
这些都属于 Operator “假健康”,必须靠它自己观测资源状态并写入 status 字段来暴露。
status.conditions 必须每步更新,不能只在 Reconcile 结尾写一次
CR 的 status 是 Operator 的“仪表盘”,Kubectl、Prometheus、CI/CD 流水线都依赖它做判断。如果只在 Reconcile 成功时更新,中间任何一步失败(如 Service 创建超时、Secret 拉取失败)都会让 status 滞后,运维人员看到的是“上一个成功状态”,不是当前真实状态。
- 每次关键动作前,写
status.conditions为type: "ApplyingService", status: "Unknown" - 动作成功后,立即 patch 为
status: "True", reason: "ServiceCreated" - 动作失败时,patch 为
status: "False", reason: "ServiceCreateFailed", message: "no permissions to create service" - 用
client.Status().Patch()+client.MergeFrom(),避免并发覆盖;不要用client.Status().Update()整体替换
isReady() 这类布尔函数必须分离且可测试
Operator 的“健康”最终要落到“这个 CR 实例是否 ready 对外提供服务”。这个判断不能散落在 Reconcile 里硬编码,而应抽成独立函数,例如:
func (r *MyServiceReconciler) isReady(ctx context.Context, cr *v1alpha1.MyService) (bool, string) {
// 检查 Deployment 是否有足够 Ready Pods
var dp appsv1.Deployment
if err := r.Client.Get(ctx, types.NamespacedName{Namespace: cr.Namespace, Name: cr.Name}, &dp); err != nil {
return false, "failed to get Deployment"
}
if dp.Status.ReadyReplicas
- 该函数只读不写,无副作用,方便单元测试和 debug
- 返回
string原因,直接填入status.conditions.reason,避免日志和 status 不一致 - 在 Reconcile 中调用它后,立刻用结果更新
Readycondition,而不是等所有逻辑跑完
跨命名空间资源观测容易漏监听
很多 Operator 需要检查 Secret、ConfigMap 或自定义资源是否存在于其他命名空间(比如全局配置中心)。Informer 默认只监听本 namespace,若未显式添加 cache.IndexField 或配置 NamespacedCache,listers 就拿不到数据,isReady() 会误判为“资源不存在”,反复触发修复逻辑。
- 在
SetupWithManager中为跨 ns 资源注册 Informer:mgr.GetCache().IndexField(ctx, &corev1.Secret{}, "namespace", func(o client.Object) []string { return []string{o.GetNamespace()} }) - 或改用
client.List(带client.InNamespace(""))兜底,但性能略差 - 务必在日志中打印实际查到的资源数量,比如
found 0 secrets in namespace 'config',否则很难定位是权限问题还是监听没生效
最常被忽略的是:Operator 的健康不是“它自己活得好不好”,而是“它管的每个 CR 实例此刻是否真实可用”——这要求你把状态观测、差异判断、动作执行彻底拆开,再把每一次状态跃迁都诚实写进 status.conditions。少一次 patch,就多一分误导。
golang免费学习笔记(深入):立即使用
在学习笔记中,你将探索golang的核心概念和高级技巧!











