Docker Swarm未重启异常状态Selenium Hub容器及关联问题排查

我结合自己部署Selenium Grid + Docker Swarm的实战经验，帮你逐个拆解并解决这三个问题：

问题1：Hub容器Unhealthy后Swarm几乎不重启 #

首先看你的健康检查配置，当前用curl -I http://127.0.0.1:4444/wd/hub/status只检查HTTP状态码，但Selenium Hub的/status接口即使没完全就绪也可能返回200，导致健康检查误判。另外你的restart_policy和健康检查的配合也有优化空间：

1. 优化健康检查逻辑：改成检查接口返回的就绪状态，确保Hub真正可用：

   healthcheck:
     test: ["CMD-SHELL", "curl -s http://127.0.0.1:4444/wd/hub/status | grep -q '"ready": true'"]
     interval: 30s  # 缩短检查间隔，更快发现异常
     timeout: 10s   # 缩短超时，避免无意义等待
     retries: 3
     start_period: 120s  # Hub启动不需要5分钟，缩短启动等待期
   

   （如果镜像没有jq，用grep替代更稳妥）

2. 调整Swarm重启策略：把restart_policy改成更激进的触发条件，确保异常时能及时重启：

   restart_policy:
     condition: any  # 无论什么原因失败都触发重启
     delay: 10s
     max_attempts: 5
     window: 120s
   

   同时检查Hub所在节点的资源是否充足，如果节点内存/CPU耗尽，Swarm可能无法正常调度重启任务。

问题2：Hub重启时所有Chrome节点自动重启 #

虽然你没定义显式关联，但节点容器依赖Hub的服务发现，当Hub重启时，节点会因为无法连接到Hub的旧实例，导致Selenium节点进程直接退出，进而被Swarm重启。解决思路是让节点具备重连能力，而非直接退出：

1. 修改节点的entrypoint和环境变量：添加重连相关参数，让节点在Hub断开后自动重试注册：

   chrome:
     # 其他配置...
     environment:
       HUB_HOST: hub
       HUB_PORT: 4444
       NODE_MAX_INSTANCES: 5
       NODE_MAX_SESSION: 5
       SE_NODE_REGISTER_CYCLE: 5000  # 每5秒尝试重新注册到Hub
       SE_NODE_HEARTBEAT_PERIOD: 5000  # 缩短心跳间隔，更快感知Hub状态
     deploy:
       # 其他配置...
       restart_policy:
         condition: on-failure  # 只有节点自身故障时才重启
     entrypoint: bash -c 'SE_OPTS="-host $$HOSTNAME -registerCycle $$SE_NODE_REGISTER_CYCLE" /opt/bin/entry_point.sh'
   

2. 给节点添加健康检查：确保节点只有在自身无法正常提供服务时才重启，而非因Hub临时不可用触发：

   healthcheck:
     test: ["CMD", "curl", "-I", "http://localhost:5555/wd/hub/status"]
     interval: 1m
     timeout: 10s
     retries: 3
     start_period: 60s
   

问题3：Inspect容器时报线程创建失败错误 #

这个问题大概率是容器的资源限制或内核参数不足导致的：

1. 调整容器的ulimit参数：在Hub和Chrome节点的服务配置中添加ulimits，提升线程和文件描述符限制：

   hub:
     # 其他配置...
     ulimits:
       nproc: 65535
       nofile:
         soft: 65535
         hard: 65535
   chrome:
     # 其他配置...
     ulimits:
       nproc: 65535
       nofile:
         soft: 65535
         hard: 65535
   

2. 检查内存限制是否合理：你的Hub内存限制是5000M，看起来足够，但如果10个Chrome节点同时向Hub注册，可能会短暂耗尽内存导致无法创建线程。可以临时调高Hub的内存限制（比如7000M）测试是否解决问题。

3. 检查主机的/dev/shm大小：虽然你挂载了/dev/shm:/dev/shm，但如果主机的共享内存空间不足，也会导致容器内进程无法创建线程。可以用df -h /dev/shm检查主机的共享内存大小，必要时通过mount -o remount,size=16G /dev/shm临时调整，或者在fstab中永久配置。

内容的提问来源于stack exchange，提问作者user1935987