如何配置Kubernetes startupProbe且不阻塞集群组建入站流量？

问题根源在于：Kubernetes的startupProbe未通过时，Pod不会被纳入Service的端点列表，导致Ignite节点无法与集群内其他节点通信，自然无法加入基线拓扑，形成"探针等节点入基线，节点等网络权限"的死锁。以下是几种可行的解决思路：

方案1：拆分探针职责，分离节点启动与基线就绪 #

将startupProbe仅用于确认Ignite节点自身已启动并能对外通信，把基线拓扑检查放到readinessProbe中。这样startupProbe通过后，Pod即可被Service识别，节点能和集群其他节点通信完成基线加入，之后readinessProbe通过，Pod进入完全就绪状态。

修改后的启动探针脚本（check_node_started.sh） #

#!/bin/bash
apk add --no-cache curl jq

NODE_HOSTNAME=$(hostname)
# 仅检查Ignite REST API可用且能获取当前节点ID
NODE_ID=$(curl -s "http://localhost:8080/ignite?cmd=top" | \
         jq -r --arg node_hostname "$NODE_HOSTNAME" '.response[] | select(.tcpHostNames[] | startswith($node_hostname)) | .consistentId')

if [ -z "$NODE_ID" ]; then
  echo "Ignite node not started yet."
  exit 1
else
  echo "Ignite node started, node ID: $NODE_ID"
  exit 0
fi

对应的Kubernetes探针配置 #

startupProbe:
  exec:
    command:
      - /bin/sh
      - -c
      - /scripts/check_node_started.sh
  initialDelaySeconds: 10
  periodSeconds: 5
  failureThreshold: 12 # 最多等待60秒节点启动

readinessProbe:
  exec:
    command:
      - /bin/sh
      - -c
      - /scripts/check_baseline.sh # 复用你原有的基线检查脚本
  initialDelaySeconds: 20
  periodSeconds: 10
  failureThreshold: 30 # 给足够时间让节点加入基线

方案2：启用Ignite自动基线激活 #

在Ignite配置中开启自动基线激活，当集群节点数达到预设的最小数量时自动激活基线，节点加入后会自动被纳入基线拓扑，减少手动检查的依赖。

Ignite配置示例 #

在Ignite的XML配置文件中添加：

<property name="autoActivate" value="true"/>
<!-- 可选：设置自动激活所需的最小节点数 -->
<property name="minNumberNodesForAutoActivation" value="3"/>

或者通过启动参数传递：

ignite.sh -J-DIGNITE_AUTO_ACTIVATE=true -J-DIGNITE_MIN_NODES_FOR_AUTO_ACTIVATION=3

方案3：调整基线检查逻辑，允许节点临时通过启动探针 #

修改原脚本，在节点启动初期（前N次检查）仅验证节点自身状态，之后再检查基线，让节点先获得网络访问权限，再等待加入基线。

修改后的检查脚本 #

#!/bin/bash
apk add --no-cache curl jq

NODE_HOSTNAME=$(hostname)
CHECK_COUNT_FILE="/tmp/baseline_check_count"
# 初始化检查计数
if [ ! -f "$CHECK_COUNT_FILE" ]; then
  echo 0 > "$CHECK_COUNT_FILE"
fi
CHECK_COUNT=$(cat "$CHECK_COUNT_FILE")

# 前10次检查仅验证节点是否启动
if [ "$CHECK_COUNT" -lt 10 ]; then
  NODE_ID=$(curl -s "http://localhost:8080/ignite?cmd=top" | \
           jq -r --arg node_hostname "$NODE_HOSTNAME" '.response[] | select(.tcpHostNames[] | startswith($node_hostname)) | .consistentId')
  if [ -z "$NODE_ID" ]; then
    echo "Ignite node not started yet. Check count: $CHECK_COUNT"
    exit 1
  else
    echo "Ignite node started, waiting to join baseline. Check count: $CHECK_COUNT"
    echo $((CHECK_COUNT + 1)) > "$CHECK_COUNT_FILE"
    exit 0
  fi
fi

# 10次后检查基线状态
NODE_ID=$(curl -s "http://localhost:8080/ignite?cmd=top" | \
         jq -r --arg node_hostname "$NODE_HOSTNAME" '.response[] | select(.tcpHostNames[] | startswith($node_hostname)) | .consistentId')
BASELINE=$(curl -s "http://localhost:8080/ignite?cmd=baseline" | \
          jq -r --arg node_id "$NODE_ID" '.response.baseline[] | select(. == $node_id)')

if [ -z "$BASELINE" ]; then
  echo "Node is NOT part of the baseline topology yet."
  exit 1
else
  echo "Node is part of the baseline topology."
  exit 0
fi

内容的提问来源于stack exchange，提问作者Алексей