Docker Daemon运行超1小时后无响应问题排查求助

1. 先处理Elasticsearch遥测DNS超时问题 #

日志显示查询telemetry.elastic.co时DNS服务器I/O超时，这是明确的异常点，优先解决：

• 禁用Elasticsearch遥测功能：该请求属于非业务必要的统计请求，直接关闭可消除DNS依赖。在docker-compose.yml的Elasticsearch服务中添加环境变量：

  environment:
    - xpack.telemetry.enabled=false
    - xpack.monitoring.collection.enabled=false
  

• 配置Docker daemon稳定DNS：修改/etc/docker/daemon.json（无则新建），指定公共DNS服务器避免宿主机DNS不稳定：

  {
    "dns": ["8.8.8.8", "1.1.1.1"]
  }
  

  修改后执行systemctl restart docker生效。

2. 排查Docker服务本身的稳定性 #

重启Docker能恢复，说明Docker daemon或容器网络栈存在资源泄漏/连接耗尽问题：

• 监控Docker daemon资源占用：用top或htop跟踪dockerd进程的CPU、内存变化，确认45-60分钟后是否出现资源耗尽。
• 检查容器网络连接状态：执行netstat -anp | grep docker，观察是否有大量TIME_WAIT/ESTABLISHED连接未释放，导致端口耗尽。
• 升级Docker版本：若当前版本较旧，可能存在已知的网络/内存泄漏bug，升级到最新稳定版（如24.x系列）测试。

3. 验证Netscalar与Apache的健康检查逻辑 #

「Http/1.1 Service Unavailable」可能是Netscalar误判后端服务不健康导致流量切断：

• 检查Netscalar健康检查规则：确认是否对Apache配置了合理的健康检查（如HTTP GET /health接口，超时时间、重试次数设置需匹配服务响应速度）。
• 查看Apache日志：故障发生时，检查Apache的访问日志（access.log）和错误日志（error.log），确认是否存在进程崩溃、连接池耗尽或大量5xx错误。

4. 限制容器资源避免宿主机耗尽 #

在docker-compose.yml中为每个容器添加资源限制，防止单个容器占用过多资源拖垮整个Docker栈：

services:
  apache:
    deploy:
      resources:
        limits:
          cpus: '0.5'
          memory: 512M
        reservations:
          cpus: '0.25'
          memory: 256M
  # Flask、React、Elasticsearch服务同理添加上述资源限制配置

同时确认容器启动顺序：在docker-compose.yml中用depends_on确保Elasticsearch、Flask完全启动后再启动Apache，避免依赖服务未就绪导致的异常。

5. 排查宿主机网络稳定性 #

• 测试宿主机DNS可用性：多次执行nslookup telemetry.elastic.co，确认是否存在间歇性超时，排查宿主机本身DNS服务是否稳定。
• 检查防火墙规则：确认宿主机iptables/ufw规则是否会在运行一段时间后自动刷新，阻断容器间或容器与外部的网络连接。

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