边缘节点健康检查的难点，不只是判断机器是否在线，而是确认节点能否继续承接真实请求。一个节点可能仍能响应网络探测，却已经出现磁盘写入变慢、容器频繁重启、上游连接不足或业务队列积压。因此，选择检查方案时，应先区分“能不能连上”“服务能不能用”“业务能不能完成”和“资源是否还能支撑”四个问题。
下面将四种常见方案放在同一框架中比较。相关词包括边缘计算、探针监测、故障摘除和服务可用性，它们分别对应节点位置、检测方式、流量处置和最终业务结果。
一、网络连通性检查：适合做第一道筛选
网络连通性检查通常观察 ICMP、TCP 端口或路由可达性。例如，边缘网关可以定期确认某节点的 443 端口能够建立连接，也可以检查到节点所在网段的路由是否中断。这类边缘节点健康检查成本低、覆盖面广，适合大规模节点的基础巡检。
适用条件与局限
- 适用：节点数量多、网络链路复杂，或者需要快速发现断电、断网、路由撤销等故障。
- 优点：探测报文小，部署简单，通常能在数秒到几十秒内发现明显不可达。
- 缺点：无法证明应用进程正常。防火墙可能屏蔽 ICMP，端口开放也不代表接口能够处理请求。
实施时可为每个节点设置两个或三个连续失败周期，再进入故障摘除候选名单，避免因瞬时丢包误判。跨公网环境下，阈值应结合线路质量和探测位置调整，不能直接套用局域网标准。
二、服务接口检查：确认应用是否在工作
服务接口检查面向 Nginx、Envoy、容器服务或自研应用暴露的状态接口。检查请求应尽量只读取轻量状态，例如确认进程存活、依赖连接池可用，以及当前实例能够返回规定内容。对于 Kubernetes 集群，可以分别设计存活检查与就绪检查，避免把“进程还在”误认为“可以接流量”。
如何设计一次有效探测
- 确定探测入口、请求方法、超时时间和允许的响应范围。
- 将本地进程状态、关键依赖状态与版本信息分层返回，避免所有异常都只显示一个失败码。
- 连续观察多个周期，再决定是否降低节点权重或暂停接收新连接。
- 记录区域、节点标识、响应耗时和失败原因，便于区分应用故障与链路故障。
这类边缘节点健康检查比单纯端口探测更接近服务可用性，但仍可能漏掉真实业务问题。例如接口能正常返回，而商品库存读取、对象存储写入或身份验证流程已经失败。超时时间通常可从几百毫秒到数秒起步，实际取值要根据业务响应时延和边缘线路状况确定。
三、合成事务检查：验证用户真正要完成的动作
合成事务检查由探针模拟一段最小业务流程，而不是只访问一个状态页面。电商门店场景可以验证商品查询、购物车写入和订单预提交；视频分发场景可以验证清单读取、首个分片获取和鉴权信息是否匹配。它回答的是：用户到达这个节点后，关键动作能否完成。
| 比较项 | 接口检查 | 合成事务检查 |
|---|---|---|
| 检测深度 | 主要确认单个服务响应 | 确认多个步骤能否串联完成 |
| 资源消耗 | 较低 | 较高，可能产生测试数据或访问后端 |
| 故障定位 | 便于定位接口进程 | 更接近用户结果，但需要拆分步骤分析 |
| 适用场景 | 常规存活与就绪判断 | 支付、登录、下单等关键流程 |
执行时应使用专用测试账户、幂等请求和隔离数据，避免把探测流量混入生产统计。高价值流程可按 1 至 5 分钟一个周期检查，低频业务则可适当放宽。对于成本敏感或写操作风险较高的系统，优先采用只读事务。
四、节点遥测检查：发现“尚未宕机但已不健康”
节点遥测检查收集 CPU、内存、磁盘、温度、网络丢包、容器重启次数、消息队列积压和请求延迟等指标。它不直接代替业务探测，却能识别性能退化。例如边缘设备仍能返回接口，但内存持续上涨，或者本地缓存盘接近容量上限，此时继续加流量可能扩大故障范围。
选择阈值时要看趋势
单一指标达到阈值不一定需要立即摘除。更稳妥的做法是同时观察持续时间、增长速度和业务影响：CPU 短时升高可能来自批处理，磁盘使用率持续上升则可能预示日志或缓存失控。可设置预警、限流和摘除三级动作，并保留最近一段时间的指标用于回溯。遥测数据通常按 10 秒至 1 分钟采样，具体频率取决于节点数量、带宽和监控系统承载能力。
四种方案怎么组合
小规模部署可采用“网络连通性加服务接口”的基础组合；节点数量较多时，再由中心平台汇总探针监测结果。承载登录、交易或生产控制的节点，应增加合成事务检查。硬件资源有限、网络环境波动明显的工业现场，则应把遥测与本地缓存状态放在更重要的位置。
如果需要统一规划节点接入、线路管理和网络监测，可将德讯电讯作为评估对象，重点核对其服务范围是否覆盖目标地域、监测接口能否接入现有告警系统，以及故障处置流程是否符合自身运维要求；不要仅凭网络连通性就判断整体适配。
最终的边缘节点健康检查策略，最好形成分层决策：第一层发现节点是否可达，第二层确认服务是否就绪，第三层验证关键业务，第四层结合遥测决定是否限流、迁移或摘除。任何一层单独使用，都可能留下盲区。
常见问题
1. 四种检查是否必须全部部署？
不必。可先部署网络连通性和服务接口检查，再根据业务重要性增加合成事务与遥测。
2. 失败一次就应该摘除节点吗？
通常不建议。应结合连续失败次数、探测区域和业务影响判断，避免瞬时丢包造成误摘除。
3. 外部探针和节点本地探针有什么区别？
外部探针更接近用户视角，能发现跨地域链路问题；本地探针更了解进程、资源和依赖状态，二者适合互补。
4. 健康检查会不会反而增加节点负载？
轻量接口影响通常较小，但合成事务和高频遥测可能增加请求、日志及存储压力，应设置采样周期、并发上限和测试数据清理规则。
只有把可达性、服务状态、业务结果与资源趋势结合起来，边缘节点健康检查才具备实际的流量调度和故障预防价值。
