5python之集群不健康问题及用户反馈服务器名处理

写在前面的话

谨慎一点。昨天早上起来，等安装网线的过来，搞到10点，把网线搞定，本来应该去图书馆，但答应一个之前同事去见面。但当时，抖哥那边的事还没搞定，紧急搞，还有一堆掉线的，还有要上号的，忙的不可开交，最关键的是：发布视频一直转圈，一夜发了两三个视频，我当时怀疑是网慢。直到同事说到见面地点了，我还没搞完。我让他先在附近转转，我搞完过去。同事虽说同意了，但我更着急了，把抖哥的项目迁移做完，赶紧骑摩托去见面。期间错过两个上号的，和同事聊天，直到晚上七点钟，期间困的不行，没听到同事在说什么，因为还要处理上号和掉线的。同事本来是想运营我的软件，在下班的时候，看我忙的不可开交，说，这没办法运营，除非辞职全天运营。我说：现在号多，事自然就多了。同事说以后再说吧，我再想想。其实，昨天我是不应该出来的，再给我点时间，我可能就把软件转圈问题解决了，下次谨慎一点。

[160+200]-------->底部有张生活照片(头条号运营：大家想全托管上号的联系我哦，每天让你得个地铁钱，微信号: qhz_toutiao)

【关键词】python、ragflow、集群、服务器名

一、集群不健康问题（三级）

描述：现在集群是健康的，但docker ps显示是不健康的，查下原因。

开工：

第一步：集群dockerps（四级）

20250616周一时间段：23:10-01:00

问下deepseek，提问如下：

集群是通过docker启动的，有三个节点，是健康的，状态是绿色的，但docker ps中显示是不健康的，请分析下原因。

解决方案如下：

分析 Docker 集群节点显示不健康的原因

当您的 Docker 集群显示节点状态为绿色（健康）但 docker ps 显示不健康时，可能存在以下几个原因：

a.可能的原因分析

1. 健康检查定义不一致

• 集群管理工具（如 Swarm/Kubernetes）的健康检查标准可能与 Docker 守护进程的健康检查不同

• 容器内定义的健康检查(HEALTHCHECK)可能与集群层面的检查标准不同

2. 时间不同步问题

• 健康检查通过但响应时间超过了 Docker 守护进程的阈值

• 集群节点间时间不同步导致状态判断不一致

3. 资源限制问题

• 容器资源(cpu/memory)限制导致间歇性不健康

• 集群层面资源充足但单个节点资源紧张

4. 网络配置差异

• 集群网络覆盖层认为健康，但主机网络层面连接有问题

• 防火墙规则影响了某些端口的健康检查

5. 检查频率不同

• 集群检查频率较低，而 Docker 检查频率较高，捕获了瞬时问题

b.诊断步骤

1. 检查具体不健康容器的详细信息

   docker inspect <container_id> --format='{{json .State.Health}}'

docker inspect  b94a3d85a441 --format='{{json .State.Health}}'

注：运行结果如下：

admin@zero4  ~ ➜ docker inspect  b94a3d85a441 --format='{{json .State.Health}}'{"Status":"unhealthy","FailingStreak":224,"Log":[{"Start":"2025-06-16T23:19:20.872200848+08:00","End":"2025-06-16T23:19:20.96122609+08:00","ExitCode":1,"Output":""},{"Start":"2025-06-16T23:19:50.962540299+08:00","End":"2025-06-16T23:19:51.044541269+08:00","ExitCode":1,"Output":""},{"Start":"2025-06-16T23:20:21.045881964+08:00","End":"2025-06-16T23:20:21.124634829+08:00","ExitCode":1,"Output":""},{"Start":"2025-06-16T23:20:51.126544926+08:00","End":"2025-06-16T23:20:51.217019188+08:00","ExitCode":1,"Output":""},{"Start":"2025-06-16T23:21:21.218499355+08:00","End":"2025-06-16T23:21:21.303309462+08:00","ExitCode":1,"Output":""}]}admin@zero4  ~ ➜ 

注：问下deepseek。

2.查看集群健康检查配置

• 如果是 Swarm: docker service inspect <service_name>

• 如果是 Kubernetes: kubectl describe pod <pod_name>

3.检查日志

docker logs <container_id>docker service logs <service_name>

4.验证网络连接

docker exec <container_id> curl -I localhost:<port>

第二步：检测具体不健康(四级)

20250616周一时间段：23:24-01:00

根据您提供的 docker inspect 输出，我们可以看到容器确实处于不健康状态（"Status":"unhealthy"），并且已经连续失败了 224 次健康检查（"FailingStreak":224）。每次健康检查都返回退出码 1（表示失败），但没有输出任何错误信息（"Output":""）。

a.详细分析

1. 健康检查模式

• 检查间隔：约30秒（从时间戳差计算）

• 每次检查执行很快（约70-90毫秒）

• 没有输出错误信息，只有退出码1

2. 可能原因

• 基本服务未运行：健康检查命令可能依赖的服务未在容器内运行

• 检查命令本身有问题：如脚本路径错误或权限问题

• 网络限制：如果检查命令涉及网络访问（如curl）

• 资源限制：容器可能因资源不足无法完成检查

• 脚本静默失败：健康检查命令失败但不输出错误

b.诊断步骤

1. 查看容器定义的健康检查命令

   docker inspect b6eba83d6137 --format='{{json .Config.Healthcheck}}'

   注：运行结果如下：

   admin@zero4  ~ ➜ docker inspect b6eba83d6137 --format='{{json .Config.Healthcheck}}'{"Test":["CMD-SHELL","curl -sf http://localhost:9200 || exit 1"],"Interval":30000000000,"Timeout":30000000000,"Retries":3}

   admin@zero4  ~ ➜ 

   注：访问时加个用户名密码才可以进行检测。

2. 手动执行健康检查命令

   docker exec b94a3d85a441 sh -c "YOUR_HEALTHCHECK_COMMAND"

   （请将 YOUR_HEALTHCHECK_COMMAND 替换为上一步获取的实际命令）

3. 检查容器内服务状态

   docker exec b94a3d85a441 ps aux

4. 检查容器日志

   docker logs b94a3d85a441

二、用户反馈服务器名(三级)

描述：用户反馈会向飞书发消息，但服务器名过不去，需要看一下。

开工：

第一步：打日志(四级)

20250617周二时间段:00:24-02:00

打日志看下效果，在zero3上可以在zero4上不行，啥原因呢

第二步：zero4上测试（四级）

20250617周二时间段:09:25-10:00

运行时，需要加个环境变量RAG_CUSTOM = test_pet，就能获取到。接下来，加个时间。

第三步：加个时间(四级)

20250617周二时间段:09:40-10:00

现在发布是没有时间的，截图如下：

图5a-1

注：加个时间，参考程序如下：

pythonfrom datetime import datetimecurrent_time = datetime.now()formatted_time = current_time.strftime("%Y-%m-%d %H:%M:%S")print(formatted_time)  # 输出示例：2023-10-25 14:30:45

修改程序如下：

def thumbup():    req = request.json    e, conv = ConversationService.get_by_id(req["conversation_id"])    if not e:        return get_data_error_result(message="Conversation not found!")    up_down = req.get("set")    feedback = req.get("feedback", "")    conv = conv.to_dict()    for i, msg in enumerate(conv["message"]):        if req["message_id"] == msg.get("id", "") and msg.get("role", "") == "assistant":            if up_down:                msg["thumbup"] = True                if "feedback" in msg: del msg["feedback"]            else:                msg["thumbup"] = False                if feedback: msg["feedback"] = feedback            break    ConversationService.update_by_id(conv["id"], conv)    # 如果用户配置了飞书机器人，则发送反馈消息到飞书    if conf_get(conf,'conversation.user_feedback.feishu_bot'):        notify_feishu(pub_msg = f"【用户反馈】用户 {current_user.id} 给会话{conv['id']}做了反馈，消息id为：{req['message_id']}，反馈内容为：{feedback}",        webhook_url = conf.conversation.user_feedback.feishu_bot)    else:        webhook_url = None        log.info(f"Feishu webhook_url is not set, skip sending feedback message to Feishu")    return get_json_result(data=conv)

注：这个是主函数，修改了获取，子函数中加了时间，如下：