// server.js - semnalizare ready către PM2
const express = require('express');
const app = express();
let isHealthy = false;
// Verifici starea în background, nu blochezi request-ul de probe
setInterval(async () => {
try {
await db.query('SELECT 1');
isHealthy = true;
} catch (err) {
isHealthy = false;
}
}, 5000);
app.get('/healthz', (req, res) => {
if (!isHealthy) {
return res.status(503).json({ status: 'unhealthy' });
}
res.status(200).json({ status: 'ok' });
});
app.listen(3000, async () => {
await db.connect();
isHealthy = true;
// Spune PM2 că procesul poate prelua trafic
if (process.send) {
process.send('ready');
}
});Dacă te bazezi pe ecranul verde din pm2 status ca să dormi liniștit noaptea, am vești proaste. Am pățit acum doi ani, la un API cu vreo 450 req/sec, să avem 504 Bad Gateway pe linie timp de 15 minute, în timp ce PM2 raporta fericit status online și consum mic de resurse pe toate cele 6 noduri din cluster.
Pentru PM2, un worker e viu atâta timp cât PID-ul există în sistemul de operare. Atât.
Ce ignoră PM2 cu grație
PM2 se uită la proces ca la o cutie neagră. Prinde crash-urile clasice — un uncaughtException sau un segfault care termină procesul — și îi dă restart imediat. Foarte util, dar aplicațiile Node.js moderne crapă rar prin exit curat.
De cele mai multe ori devin „zombie”. Cazurile tipice pe care le văd constant în producție:
- Pool-ul de conexiuni la DB e epuizat. Toate request-urile noi stau în coadă până dau timeout. Event loop-ul e liber, CPU-ul e la 1%, PM2 zice că ești brici, utilizatorul vede pagină albă.
- Event loop blocat de CPU spike. O parsare masivă de JSON sau un regex prost scris blochează thread-ul principal timp de câteva secunde. Request-urile se adună la ușă.
- Memory leak lent. Nodul nu dă OOM încă, dar Garbage Collector-ul rulează atât de agresiv încât latența sare de la 40ms la 4 secunde.
În toate scenariile astea, PM2 nu intervine. Procesul trăiește, deci n-are de ce să-l atingă.
Cum rezolvi pornirea: wait_ready
Prima greșeală clasică e la pornire și reload. PM2 presupune că instanța e gata să primească trafic imediat ce procesul a fost spawnat. Dacă aplicația ta are nevoie de 3-4 secunde să se conecteze la Redis, Postgres și să încălzească un cache, vei avea câteva secunde de erori la fiecare deployment fără downtime.
Soluția simplă este să folosești wait_ready: true în ecosystem.config.js și să trimiți semnalul manual din cod, doar după ce ai verificat că dependențele critice răspund. Pui și un listen_timeout generos ca să nu-ți taie nodul dacă DB-ul are o secundă de latență la boot.
Healthcheck activ: shallow vs deep
Pentru runtime ai nevoie de un endpoint HTTP dedicat pe care să-l interogheze Nginx, un load balancer extern sau un script de watchdog. Aici apare un mare trade-off.
Dacă faci un healthcheck complet „deep” (care rulează SELECT 1 pe DB și un ping pe Redis la fiecare hit), iar load balancer-ul îl apelează la fiecare 2 secunde pe 8 instanțe, tocmai ai adăugat zeci de interogări inutile pe secundă. Când baza intră în sughițuri, o vei îngropa definitiv cu verificările de sănătate.
Ce a funcționat cel mai bine pentru mine este verificarea asincronă cu cache local:
- O buclă internă (un
setIntervalcurat) verifică conexiunea la DB și latența event loop-ului o dată la 5-10 secunde și scrie rezultatul într-o variabilă locală. - Endpoint-ul
/healthzdoar citește acea stare și răspunde instant. Dacă event loop-ul e complet blocat, endpoint-ul nu va răspunde deloc, dă timeout în proxy, iar Nginx scoate instanța din rotație automat.
Nu încercați să forțați restart din PM2 la orice mică problemă tranzitorie; intrați rapid într-o spirală de restart loops care agravează incidentele.
Voi cum monitorizați workerii de Node? Vă bazați pe proxy-ul din față să scoată nodurile moarte sau aveți un watchdog separat pe mașină?