ECS(ECS)服务指南:入门 · 配置 · 排错 · 代运维 · 部署
快速信息
- 服务类别:容器
- AWS 官方文档
它是什么
Amazon ECS(Elastic Container Service)是 AWS 的容器编排服务,负责把容器镜像调度到计算资源上运行、维持期望的副本数量、把流量接入到健康的容器,并在容器异常时替换它。它在架构里的位置介于「镜像」和「计算资源」之间:镜像来自 ECR 或任何可访问的镜像仓库,计算资源来自 EC2 实例,或由 Fargate 托管的无服务器算力。
ECS 有两种启动类型。EC2 启动类型下,节点由你自己创建和运维,节点上的 ECS Agent 向控制面注册并上报可用资源,控制面只做调度决策;Fargate 启动类型下,节点不暴露给你,只要在任务定义里申请 vCPU 和内存,实例的扩缩容、补丁和装箱都由 AWS 处理。
边界上,ECS 不负责构建镜像(用 ECR、CodeBuild 等),不提供完整的 CI/CD 流水线(与 CodePipeline、CodeDeploy 配合),也不对用户暴露 Kubernetes API。与 EKS 的差别就在这里:ECS 抽象层级更高、可调参数更少、与 IAM、ALB、CloudWatch 的集成更直接;需要 Kubernetes 生态和自定义控制器时,选 EKS 更合适。
核心概念
- 集群(Cluster):任务与服务的逻辑边界,也是容量、命名空间和调度决策的容器,一个集群可以同时对接多种容量提供者。
- 任务定义(Task Definition):容器的「配方」,声明镜像、CPU 与内存、端口映射、环境变量、日志配置、卷以及执行角色,注册后带版本号且内容不可变。
- 任务(Task):任务定义的一次实例化运行,是 ECS 调度的最小单位,既可以由服务托管,也可以用 RunTask 手动跑一次。
- 服务(Service):为任务维持期望数量、接入负载均衡或服务发现的控制器,负责滚动替换和自愈。
- 容量提供者(Capacity Provider):把 Auto Scaling group 和 Fargate 抽象成可调度的容量来源,服务通过策略在 EC2 与 Fargate 之间分配任务。
典型场景
- 长期运行的 Web API 与后端服务:挂到 ALB 目标组后面,滚动发布和健康检查由服务托管,不需要自己写进程守护。
- 批处理与定时任务:用 RunTask 或 EventBridge 触发独立任务,跑完即退,不必为偶尔的负载常驻节点。
- 微服务间调用:配合 ECS Service Connect 或 Cloud Map 做服务发现,应用里只写服务名,不硬编码 IP。
- 已有容器化应用的迁移:从 Docker Compose 或自建编排平移过来改动量小,配合 ECS Anywhere 还能覆盖本地和边缘节点。
计费与成本要点
- EC2 启动类型下 ECS 控制面本身不额外收费,成本来自底层 EC2、EBS、负载均衡器和网络流量;Fargate 则按任务申请的 vCPU 与内存以秒计量,通常有最小计费时长,以官方文档为准。
- 可中断的批处理和无状态任务优先放到 Spot 容量提供者上,用容量提供者策略设定基础量,再按权重溢出到按需或 Fargate。
- 控制闲置:用 Target Tracking 基于 CPU、内存或 ALB 请求数扩缩容,把任务规格调到贴近实际用量,而不是长期按峰值预留。
- 持续运行的稳定负载可以考虑 Compute Savings Plans,它覆盖 Fargate 与 EC2 的用量;具体折扣与适用范围以官方文档为准。
上手步骤
- 把镜像推到 ECR 并确认可拉取。
aws ecr create-repository --repository-name demo/api docker tag api:latest <account>.dkr.ecr.<region>.amazonaws.com/demo/api:latest docker push <account>.dkr.ecr.<region>.amazonaws.com/demo/api:latest aws ecr describe-images --repository-name demo/api
看到镜像摘要即为成功。
- 创建集群并确认状态为 ACTIVE。
aws ecs create-cluster --cluster-name demo aws ecs describe-clusters --clusters demo
- 准备执行角色(信任 ecs-tasks.amazonaws.com,附加拉取镜像与写日志所需权限),用
aws iam get-role核对信任策略。 - 编写任务定义 JSON(Fargate 需指定 cpu、memory、networkMode 为 awsvpc 和 executionRoleArn),注册后记下 revision。
aws ecs register-task-definition --cli-input-json file://taskdef.json aws ecs describe-task-definition --task-definition demo-api
- 先手动跑一次验证镜像与配置。
aws ecs run-task --cluster demo --task-definition demo-api --launch-type FARGATE --network-configuration "awsvpcConfiguration={subnets=[subnet-xxx],securityGroups=[sg-xxx]}" aws ecs describe-tasks --cluster demo --tasks <task-id>lastStatus 变为 RUNNING 且日志组有输出即为通过。
- 创建服务并绑定目标组,之后用
aws ecs describe-services看 runningCount 是否等于期望值,在目标组里看目标是否为 healthy。
常见问题与排查
症状:任务长时间停留在 PENDING,随后变为 STOPPED
原因:容量不足,例如 Fargate 找不到匹配的 CPU 与内存组合,EC2 集群里没有可调度的实例;也可能是 awsvpc 模式下子网没有空闲 IP,或 ENI、安全组相关限制。
处理:用 describe-tasks 查看 stoppedReason 与服务事件;核对子网剩余地址和集群可用容量;调整任务规格、更换实例类型,或增加容量提供者。
症状:任务报 CannotPullContainerError 或拉取镜像超时
原因:执行角色缺少 ECR 拉取或写 CloudWatch Logs 的权限;私有子网没有 NAT 网关,也没有为 ECR、S3、Logs 配置 VPC 接口端点;镜像 tag 不存在或仓库地址写错。
处理:核对执行角色的信任策略与附加策略;为私有子网补 NAT 或接口端点;使用完整的 registry/repo:tag 地址重新注册任务定义。
症状:任务反复重启,事件里出现容器健康检查失败或非零退出码
原因:容器内应用启动就失败、健康检查路径或端口写错、依赖的数据库或配置中心不可达,或者 startPeriod 太短导致应用还没起来就被判定失败。
处理:先看 CloudWatch Logs 里的应用输出与退出码;进容器手工执行健康检查命令;调整 healthCheck 的 interval、timeout 与 startPeriod。
症状:通过 ALB 访问返回 502 或 503
原因:目标组端口与任务定义的 containerPort 不一致;安全组没有放通 ALB 到任务 ENI 的流量;任务未通过健康检查;服务关联了错误的 target group。
处理:逐一比对 containerPort、目标组端口和两条安全组规则;查看目标组 Targets 的失败原因;确认服务与 ALB 在同一 VPC 且子网可达。
最佳实践
- 任务定义保持不可变:每次变更注册新 revision,CI 中写入唯一镜像 tag,回滚就是切回上一个可用 revision。
- 一个容器一个职责,日志、代理等用 sidecar 承担;敏感信息放 Secrets Manager 或 SSM Parameter Store,不要明文写进环境变量。
- 统一用 awsvpc 网络模式、私有子网和最小权限安全组;执行角色与任务角色分离,按任务粒度授予 IAM 权限。
- 服务开启部署断路器并配置基于多指标的扩缩容策略,让发布失败自动回滚,而不是靠人盯着控制台。
常见问题
ECS 和 EKS 怎么选?
需要 Kubernetes API、生态工具和已有 YAML 资产复用时选 EKS;只想跑容器、希望抽象更高运维更少时选 ECS。ECS 控制面无需自建,与 IAM、ALB、日志的集成更直接。
Fargate 和 EC2 启动类型能混用吗?
可以。同一集群通过容量提供者在两者间调度,服务用容量提供者策略指定基础量与权重,按需溢出到 Fargate。混合能兼顾成本与弹性,但网络和 IAM 配置需两套都验证。
任务角色和执行角色有什么区别?
执行角色给 ECS Agent 使用,用于拉镜像、写日志、读 Secrets;任务角色给容器内应用使用,决定应用能调用哪些 AWS API。两者职责分离,建议都按最小权限授予。
ECS 支持 Docker Compose 文件吗?
支持,相关命令行工具能把 compose 文件转换为任务定义并在 ECS 上启动,适合本地开发平移到云端。生产环境通常仍建议直接维护任务定义模板,便于版本管理与代码审查。
多个服务之间怎么通信?
对外用 ALB 或 NLB 加目标组,按路径和主机路由;服务间用 ECS Service Connect 或 Cloud Map 做服务发现。避免硬编码 IP,改用服务名或 Service Connect 的本地端点。
滚动发布失败如何回滚?
在服务上开启部署断路器,失败时自动回滚到上一个完成的 revision;也可用 CodeDeploy 做蓝绿发布。发布前把健康检查和 startPeriod 配好,避免新任务未就绪就被判失败。