eduardweb.
DevOps & VPSIntermediar#nodejs#devops#pm2#backend#monitoring

Healthcheck care chiar funcționează pentru PM2 (și de ce te minte consola)

De Diana Oprea, 17 oct. 2026 · 22 vizualizări · 3 like-uri

Postat 17 oct. 2026
javascript
app.get('/healthz', (req, res) => {
  // Liveness: dovedește că event loop-ul e liber
  res.status(200).send('OK');
});

app.get('/ready', async (req, res) => {
  const timeout = new Promise((_, reject) =>
    setTimeout(() => reject(new Error('Timeout DB')), 2000)
  );

  try {
    // Conexiunea la DB trebuie testată cu timeout strict
    await Promise.race([db.query('SELECT 1'), timeout]);
    res.status(200).json({ status: 'ready', uptime: process.uptime() });
  } catch (err) {
    res.status(503).json({ status: 'unhealthy', error: err.message });
  }
});

PM2 îți arată verde în pm2 status, dar clienții primesc 502 sau 504 în browser. Am pățit treaba asta acum doi ani pe un magazin cu vreo 14k utilizatori activi zilnic: procesul Node.js trăia liniștit din perspectiva sistemului de operare, dar event loop-ul era blocat complet, iar pool-ul de PostgreSQL crăpase silențios după un spike de conexiuni.

Problema clasică e că monitorizarea de bază din PM2 verifică doar dacă procesul (PID-ul) există și dacă nu a aruncat o eroare fatală neprinsă. Atât timp cât procesul nu moare, PM2 îl consideră sănătos.

De ce statusul din consolă e o iluzie

Când rulezi Node în cluster mode prin PM2, un worker poate ajunge în trei stări proaste fără să pice procesul:

  1. Event loop starvation: un calcul sincron stupid sau un payload JSON de 50MB parsat greșit blochează thread-ul principal. Procesul consumă 100% CPU, dar nu mai răspunde la niciun request.
  2. Conexiuni zombie: driverul de DB sau Redis a pierdut socket-ul, query-urile stau în pending la infinit, iar serverul HTTP epuizează memoria alocată bufferelor.
  3. Memory leak lent: V8 face garbage collection agresiv la limită, serverul răspunde cu latențe de 12 secunde în loc de 80ms, dar nu a atins încă parametrul --max-memory-restart.

În toate aceste cazuri, PM2 raportează „online”.

Diferența între liveness și readiness

Soluția pe care o folosesc pe producție separă verificarea în două endpoint-uri distincte, exact ca pe Kubernetes:

  • /healthz (Liveness): verifică strict dacă event loop-ul procesează cereri. E un simplu răspuns 200 OK returnat imediat. Dacă endpoint-ul ăsta nu răspunde în 2 secunde, procesul e înghețat și trebuie restartat.
  • /ready (Readiness): testează dependențele critice (un SELECT 1 rapid în Postgres și un PING în Redis). Dacă baza e picată, endpoint-ul dă 503 Service Unavailable.

Atenție mare la un detaliu: pune întotdeauna un timeout dur (maximum 2-3 secunde) pe interogarea bazei din interiorul healthcheck-ului. Dacă baza pică și query-ul tău de verificare atârnă 30 de secunde, healthcheck-ul devine el însuși o problemă și îți blochează worker-ul.

Trade-off-uri reale

Dacă ai 16 instanțe de PM2 și pui un script extern (sau Nginx upstream check) să apeleze /ready la fiecare 2 secunde, trimiți câteva zeci de interogări pe secundă în DB doar ca să te asiguri că trăiește. La baze mici pe instanțe ieftine, asta înseamnă 5-10% din CPU irosit aiurea.

Regula mea: liveness la 5 secunde (nu consumă resurse), readiness cu ping de DB la 30-45 de secunde.

Pentru reload automat, dacă nu ai un orchestrator extern sau un Nginx configurat cu ngx_http_upstream_check_module, cel mai curat mod este un mic script de watchdog în Node care face polling local pe porturile instanțelor și trimite pm2 reload <id> via API-ul programatic când o instanță nu răspunde de 3 ori la rând.

Voi cum prindeți procesele zombie înainte să sune alerte în PagerDuty?

Răspunsuri 0

Se încarcă răspunsurile…

Loghează-te pentru a răspunde

Doar membrii comunității pot lăsa comentarii.