EC2 Auto Scaling(EC2 Auto Scaling)服务指南:入门 · 配置 · 排错 · 代运维 · 部署
快速信息
- 服务类别:计算
- AWS 官方文档
它是什么
EC2 Auto Scaling 是管理一组 EC2 实例数量的控制面服务。你创建一个 Auto Scaling group(ASG),声明最小、最大和期望容量,它负责让实际运行的实例数保持在期望值,并在实例被判定为不健康时自动替换。实例长什么样——AMI、实例类型、安全组、IAM 实例配置文件、user data——由 launch template 定义,ASG 引用模板,只决定「跑几个、跑在哪几个子网」。
在典型的三层架构里,它的位置在负载均衡之后、EC2 之前:ALB/NLB 把流量分给健康目标,Auto Scaling 保证 target group 里有合适数量的实例。二者通过 target group 关联,ASG 把实例注册进去,同时读取 ELB 的健康检查结果;CloudWatch 提供指标与告警,scaling policy 依据指标调整容量。它是「容量控制器」,不是流量调度器。
边界需要说清:EC2 Auto Scaling 只管 EC2 实例。ECS 服务、EKS 节点组、Aurora、DynamoDB 的弹性伸缩走 Application Auto Scaling,是另一套 API;Kubernetes 里 Pod 的伸缩是 HPA,与它无关。它也不负责部署编排与配置管理,那属于 CodeDeploy、Systems Manager 等服务的范畴。
核心概念
- Auto Scaling group(ASG):一组被视为同质计算单元的 EC2 实例集合,绑定 launch template、子网列表和容量边界,是扩容缩容的操作单位。
- Launch template:实例的启动蓝图,支持版本化;修改配置需要新版本,ASG 可以指定版本或跟随最新版本,这是滚动更新(instance refresh)的基础。
- 容量三要素:Min / Max / Desired capacity,分别是最低保障、上限护栏和当前目标实例数;扩缩容策略实际改的是 desired capacity。
- Scaling policy:调整容量的规则。常见有 target tracking(把某个指标维持在目标值附近,最常用)、step scaling(按告警区间分档)、scheduled action(按时间计划)和 predictive scaling(基于历史负载模式提前扩容)。
- 健康检查与宽限期:ASG 可用 EC2 状态检查、ELB 健康检查或自定义健康检查判断实例可用性;health check grace period 给新实例留出启动与初始化的时间窗口。
典型场景
- 面向公网的 Web 服务:白天流量上升、夜间回落,用 target tracking 跟踪 ALB 的请求数或 CPU 利用率,按需增减实例,避免长期为峰值买单。
- 异步任务处理集群:队列积压量是比 CPU 更准确的信号,基于 SQS 队列深度做扩缩容,让消费能力跟随任务量变化。
- 定时负载场景:报表生成、批量对账、促销活动开始,用 scheduled action 在固定时间点把容量提前拉到目标值,无需等待指标爬升。
- 成本敏感型批处理:用混合实例策略(mixed instances policy)组合多种实例类型并引入 Spot 容量,在保持可用性的同时显著降低单价。
计费与成本要点
- Auto Scaling 服务本身不额外收费,你只为它启动的 EC2 实例、挂载的 EBS 卷、产生的数据传输以及关联的负载均衡器等资源付费。
- 容量边界直接决定成本下限:min capacity 是常驻开销,建议按「能扛住单可用区故障」而非「能扛住日常峰值」来设定,其余交给弹性。
- 混合实例策略配合 Spot 通常能明显降低单价,但要用多种实例类型分散中断风险,并对可中断的工作负载使用。
- 缩短冷启动可以减少过度预留:预热过的 AMI、精简的 user data、warm pool 都能让实例更快进入服务状态,从而允许更激进的缩容策略。
上手步骤
- 准备 launch template:选定 AMI、实例类型、安全组、IAM 实例配置文件和 user data。验证方式:在控制台 EC2 → Launch templates 中查看版本已创建,或
aws ec2 describe-launch-templates。 - 创建 target group 并注册规则(若使用 ELB)。验证:target group 状态为可用,健康检查路径与端口和实例上的服务一致。
- 创建 Auto Scaling group,选择 VPC 中多个可用区的子网,关联上一步的 target group 与 launch template。验证:
aws autoscaling describe-auto-scaling-groups返回的 group 状态与子网列表正确。 - 设定 min / max / desired capacity,先让 desired 等于 min,确认能稳定拉起实例。验证:EC2 控制台实例列表出现与 desired 数量一致的实例,且都进入 InService 状态。
- 添加 target tracking 策略,例如把平均 CPU 利用率维持在目标值附近。验证:策略出现在 ASG 的 Scaling policies 列表,CloudWatch 中出现对应告警。
- 做一次压测或手动提高 desired 触发扩容,观察实例数与指标变化;随后停止压测确认能正常缩容。验证:ASG 活动历史(activity history)中能看到成功的扩缩容事件。
常见问题与排查
实例刚启动就被终止,反复循环
最常见的原因是健康检查未通过:ELB 健康检查路径或端口配置错误、安全组未放通健康检查流量、user data 执行失败、AMI 缺少必要权限或依赖。
查看 ASG 活动历史中的终止原因,登录实例检查 user data 日志(通常在 /var/log/cloud-init-output.log),先临时关闭 ELB 健康检查或用 EC2 健康检查验证实例本身是否正常,再逐步加回。
负载升高但容量不增长
可能是已达到 max capacity、策略指标未达到阈值、CloudWatch 指标延迟或告警状态未进入 ALARM,也可能是账号的 vCPU 配额或某可用区的容量不足。
先看活动历史里是否有扩容尝试与失败原因;确认告警状态和指标数据点;检查 max capacity 与配额。若出现容量不足错误,改用混合实例策略覆盖更多实例类型与可用区。
负载回落后不缩容
常见原因是 target tracking 策略的缩容行为本身偏保守、实例处于冷却期、scale-in 保护生效,或你跟踪的指标(如请求数)没有随负载下降而回落。
检查是否有实例开启了 scale-in protection,确认冷却时间设置,必要时调整策略的缩容阈值或用 scheduled action 在特定时段强制降容。不要为了「缩得快」而把冷却时间设得过短,否则会引起抖动。
更新了 AMI 但实例没变
ASG 不会因为 launch template 出现新版本就自动替换正在运行的实例,新版本只在下次启动实例时生效。
使用 instance refresh 执行滚动替换,并设置最小健康百分比与实例预热时间;替换过程中观察活动历史与 ELB 健康状态,确认新版本实例通过健康检查后再放开比例。
最佳实践
- 一律使用版本化的 launch template,配置变更通过新版本加 instance refresh 发布,不用手工改运行中的实例。
- 优先用 target tracking 而不是手写阈值告警,选择与业务负载相关性最强的指标,并避免同时叠加多条互相冲突的策略。
- 跨至少两个可用区部署,并启用可用区再平衡,让实例在可用区之间分布均匀;同时把 min capacity 设为能承受单区故障的水平。
- 为有状态初始化或需要优雅退出的服务配置生命周期钩子和生命周期通知,配合 warm pool 缩短冷启动,把「扩容到能服务」的时间压到最低。
常见问题
EC2 Auto Scaling 要额外付费吗?
不收费。Auto Scaling 服务本身没有费用,你只为它启动的 EC2 实例、EBS 卷、数据传输和关联的负载均衡器等资源付费,具体以官方定价页为准。
它和 Elastic Load Balancing 是什么关系?
两者互补:ELB 负责把流量分发给健康目标,Auto Scaling 负责维护目标池里的实例数量。ASG 把实例注册到 target group,并读取 ELB 健康检查结果替换不健康实例。
扩缩容策略该选哪一种?
多数场景从 target tracking 起步,只需指定指标和目标值,由服务自动计算调整幅度。有明确时间规律的负载可叠加 scheduled action,批处理类负载可按队列深度扩缩容。
为什么扩容总比预期慢?
实例启动、初始化、通过健康检查都需要时间,加上 CloudWatch 指标与告警的延迟,扩容天然滞后于负载上升。可用 predictive scaling、预热 AMI 和 warm pool 缩短这段延迟。
能否用它管理已有实例?
可以把现有 EC2 实例挂接到 ASG,但实例必须与 group 在同一 VPC、来自同一 launch template 或配置,且这种做法不利于后续替换,建议新实例由 ASG 统一创建。
支持哪些健康检查类型?
支持 EC2 状态检查、ELB 健康检查以及自定义健康检查。建议至少同时启用 EC2 与 ELB 健康检查,并合理设置 health check grace period,避免新实例被过早替换。