容器内排障的长期维护：升级、备份与迁移的顺序

docker cp 在容器已退出但未删除时仍可用，容器一删就没了

把升级、备份、迁移这三件事流程化，才敢长期用。

先说结论

升级前先备份，备份后先演练恢复；不能回滚的升级不做。

• 固定版本，改动前记录当前版本号
• 升级前：备份数据 + 备份配置
• 升级后：验证核心功能，不只看进程
• 迁移：先迁数据，再迁流量
• 回滚方案写在纸上，别只存在脑子里

升级策略

docker stop 先发 SIGTERM，等 10 秒再 SIGKILL，退出码 137 就是被强杀。

备份的三层

三层分别是：数据备份、配置备份、以及「能重建这台机器」的文档。缺第三层，前两层迟早用不上。

这个服务的几个维护事实

和它自身机制相关的几条：

• docker inspect 的 State.Pid 是宿主上的 PID，用它才能 nsenter 进命名空间
• --net=container:x 让调试容器共用网络命名空间，可以用它的 curl 访问对端的回环地址
• 容器里的 /proc 是命名空间视图，看到的进程只是容器内的

迁移的步骤

容器里的 /proc 是命名空间视图，看到的进程只是容器内的。

• 新机器按文档重建环境，验证空跑
• 同步数据，做一次一致性校验（条数、校验和）
• 切换前用 hosts 指向新机器验证
• 切换 DNS 或反代，保留旧机器一周
• 观察日志与错误率，再决定是否下线旧机

维护日历

每月：看磁盘与日志；每季：升级 + 备份校验；每半年：恢复演练一次；每年：清理不再需要的服务。

还有几处容易忽略的

都是小地方，但出问题时往往就卡在这里。

• distroless 与 scratch 镜像里没有 sh，docker exec 会直接报 not found
• docker cp 在容器已退出但未删除时仍可用，容器一删就没了
• 往生产容器里 exec 装 curl，重启后全部丢失
• docker logs 里看不到崩溃原因，其实是进程被 SIGKILL 没留日志
• 在容器里改配置不落盘，下一次发布被镜像覆盖

长期维护的秘诀很土：每次只改一件事，改完就验证。