AWS海外版 EC2 Auto Scaling Group 实战教程:创建弹性计算集群、配置伸缩策略与故障排查
很多用户搜索“EC2 Auto Scaling Group 实战”时,并不是想看概念说明,而是已经进入实际部署阶段:准备上线网站、API、爬虫服务或业务后台,希望在流量增加时自动扩容,流量回落时自动缩容,同时避免实例替换异常、负载均衡健康检查失败、扩容后服务仍不可用等问题。本文按照真实操作顺序展开,优先解决部署时最容易卡住的配置项和排错细节。
部署前,用户最关心的不是怎么点按钮,而是这些决策
在开始创建 EC2 Auto Scaling Group 之前,最常见的决策问题通常集中在以下几项:
- 应该先建 Auto Scaling Group,还是先建 ALB 和目标组
- 启动模板里到底写什么,才能保证新实例起来后自动提供服务
- 跨多个可用区部署时,子网应该怎么选
- 扩容指标选 CPU 还是 ALB RequestCountPerTarget
- 为什么实例启动成功了,但没有通过健康检查
- 缩容时如何避免把正在处理请求的实例直接删掉
如果你的目标是构建可对外提供 HTTP/HTTPS 服务的弹性集群,推荐顺序是:先准备 VPC 和子网,再创建目标组和 ALB,然后创建启动模板,最后创建 Auto Scaling Group 并绑定目标组。这样可以减少后续回填配置导致的健康检查错误。
准备工作:账号权限、网络、镜像和基础资源
账号与权限要求
控制台操作至少需要以下权限,否则在创建过程中会出现下拉框为空、资源不可选、无法附加角色等问题。
| 资源类型 | 需要的典型权限 |
| EC2 | 创建实例、查看 AMI、管理安全组、管理密钥对 |
| Auto Scaling | 创建/修改 Auto Scaling Group、伸缩策略、生命周期配置 |
| ELBv2 | 创建 ALB、Target Group、监听器 |
| IAM | 创建或附加实例角色 |
| CloudWatch | 创建告警并关联伸缩策略 |
前置资源清单
- 一个可用的 VPC
- 至少两个不同可用区的子网,用于高可用部署
- 一个安全组,放行业务端口和运维端口
- 一个可用 AMI,建议先手工验证一次镜像能正常启动服务
- 如果业务对外提供 Web 服务,提前准备 ALB 和目标组
- 如果实例需要读取 S3、CloudWatch Agent、SSM,准备实例角色
建议先确认的网络参数
| 项目 | 建议值 | 说明 |
| 子网数量 | 2-3 个 | 至少跨 2 个可用区,避免单 AZ 故障 |
| 业务端口 | 80/443/8080 | 按应用实际监听端口开放 |
| 运维方式 | SSM 或 SSH | 生产环境可优先 SSM,减少暴露 22 端口 |
| 健康检查路径 | /health 或 /status | 不要直接用首页,避免误判 |
| 根卷大小 | 20-50GB | 日志多的服务不要默认 8GB |
操作实战一:创建启动模板,决定新实例能否真正上线
启动模板是 Auto Scaling Group 能否稳定工作的核心。很多扩容失败不是 ASG 本身问题,而是启动模板配置不完整,导致新实例虽然启动,但应用没有起来。
步骤1:进入 EC2 控制台创建启动模板
在 AWS 控制台进入 EC2,左侧选择“Launch Templates”,点击“Create launch template”。建议命名时带环境和版本,例如:web-prod-lt-v1。
步骤2:填写镜像、实例规格和密钥
镜像建议使用你已经验证过的 AMI,而不是临时选择公共镜像后手工再配置。因为 Auto Scaling 扩容依赖的是模板自动拉起,不能要求每台机器再人工登录部署。
| 参数 | 推荐填写方式 | 注意事项 |
| AMI | 已预装应用的自定义镜像 | 确保开机后服务自动启动 |
| Instance type | t3.small / t3.medium / c6i.large | Web 服务看内存,计算服务看 CPU |
| Key pair | 已有密钥对 | 如使用 SSM 可不暴露 SSH |
| Security Group | 绑定业务安全组 | 至少放行来自 ALB 的业务端口 |
| IAM instance profile | 附加实例角色 | 便于日志、监控、拉取配置 |
步骤3:在高级设置中写入 User Data
如果你不使用预制 AMI,至少要通过 User Data 完成服务初始化。例如安装 Nginx、部署应用、启动 Agent。下面是一个 Linux 示例逻辑,重点不是命令本身,而是确保服务在新实例启动后自动可用:
更新系统包、安装 Nginx、写入健康检查页面、启动并设置开机自启。若你的应用是 Java、Node.js 或 Python 服务,应在 User Data 中加入拉取部署包、写入环境变量、启动 systemd 服务等动作。
注意两点:第一,User Data 脚本必须具备幂等性,实例重启后不应重复破坏环境;第二,脚本失败会导致实例“启动成功但业务失败”,因此建议同时把初始化日志输出到 /var/log/cloud-init-output.log。
步骤4:设置存储和网络细节
AWS海外版 根卷不要直接使用默认最小值。日志、临时文件、容器镜像、应用缓存都可能迅速占满磁盘。生产环境常见的保守值是 gp3 30GB 起步。
如果你使用的是私有子网,需确认实例具备出网能力,例如 NAT Gateway;否则 User Data 中安装软件包时可能失败,表现为健康检查持续不通过。
操作实战二:创建 Auto Scaling Group,并正确绑定子网与目标组
步骤1:从启动模板创建 Auto Scaling Group
进入 EC2 控制台左侧“Auto Scaling Groups”,点击“Create Auto Scaling group”,选择刚才创建的启动模板。
步骤2:选择 VPC、子网和可用区
这里最容易出问题的是子网选择。不要只选一个子网;也不要混用测试和生产子网。建议至少选择两个不同可用区的私有子网,前面由 ALB 负责公网流量接入。
| 场景 | 子网建议 | 原因 |
| 公网 Web 服务 | 实例放私有子网,ALB 放公有子网 | 减少实例公网暴露 |
| 内部 API | 实例和内部 ALB 都放私有子网 | 仅通过私网访问 |
| 跨区容灾 | 至少 2 个 AZ | 单区故障时仍可分发流量 |
步骤3:附加负载均衡与目标组
如果你的服务对外提供 HTTP/HTTPS,请在创建 ASG 时直接勾选“Attach to an existing load balancer”,然后选择已有目标组。目标组健康检查应配置为业务真实可访问的端口和路径,例如:
- 协议:HTTP
- 端口:traffic port
- 健康检查路径:/health
- 成功码:200-299
- 检查间隔:15 秒
- AWS海外版 健康阈值:2
- 不健康阈值:3
如果你的应用启动较慢,例如 Java 服务需要 2-3 分钟,建议在 ASG 中设置 Health check grace period 为 180-300 秒,否则实例刚启动未就绪就被判定不健康并替换。
AWS海外版 步骤4:设置容量参数
| 参数 | 示例值 | 适用说明 |
| Desired capacity | 2 | 初始运行实例数 |
| Minimum capacity | 2 | 生产环境避免缩到 1 台 |
| Maximum capacity | 6 | 按预算和峰值上限设置 |
对于生产网站,初始值建议从 2 台起步,而不是 1 台。这样 ALB 健康检查和应用升级时有缓冲空间。
操作实战三:配置自动扩缩容策略,不让扩容“看起来开了,实际上不触发”
步骤1:选择伸缩策略类型
在 ASG 创建或编辑页面中,进入 Automatic scaling。多数用户适合以下三类策略组合:
- Target tracking:按平均 CPU 或 ALB 请求量自动调节
- Step scaling:分层扩容,适合突发流量
- Scheduled scaling:已知高峰时段提前扩容
步骤2:常用指标如何选
| 业务类型 | 优先指标 | 说明 |
| 静态网站/轻应用 | ASGAverageCPUUtilization | 部署简单,适合入门场景 |
| API 服务 | ALBRequestCountPerTarget | 更接近真实业务压力 |
| 计算型任务 | CPU + 内存自定义指标 | 仅看 CPU 可能不准 |
| 队列消费 | SQS 队列深度 | 需自定义 CloudWatch 指标 |
如果你是做 Web/API 服务,建议优先用 ALBRequestCountPerTarget,而不是只看 CPU。很多应用瓶颈在连接数、线程池、数据库等待,CPU 不一定先升高。
步骤3:一组可直接参考的策略参数
下面是一组适合中小型 API 服务的起步配置:
- 最小实例数:2
- 最大实例数:8
- 期望实例数:2
- Target tracking 指标:ALBRequestCountPerTarget
- 目标值:每实例每分钟 800-1200 请求,按应用能力调整
- Scale-out cooldown:120 秒
- Scale-in cooldown:300 秒
缩容冷却时间应明显大于扩容冷却时间,避免短时波动导致实例频繁创建和删除。
验证是否真正可用:不是看到实例 Running 就算完成
检查1:实例是否成功注册到目标组
进入 EC2 控制台的 Target Groups,选择对应目标组,查看 Targets。如果实例状态是 unhealthy,先看 reason code。常见提示包括端口不通、超时、返回码不匹配。
检查2:确认安全组与端口链路
推荐使用“源安全组引用”方式,而不是对 0.0.0.0/0 直接开放业务端口。
| 组件 | 入站规则建议 |
| ALB 安全组 | 开放 80/443 给公网或上游网段 |
| EC2 安全组 | 仅允许来自 ALB 安全组的 80/443/8080 |
| SSH/22 | 仅限运维出口 IP,或关闭改用 SSM |
检查3:登录实例看应用是否启动
Linux 可通过 SSH 或 Systems Manager Session Manager 连接。重点查看:
- AWS海外版 systemctl status 应用服务
- ss -lntp 检查监听端口
- curl http://127.0.0.1:端口/health 检查本地健康页
- tail -f /var/log/cloud-init-output.log 查看初始化日志
- df -h 检查磁盘是否写满
如果你用 Windows 作为应用节点,需要通过 RDP 连接,并检查 IIS、Windows Firewall、服务启动项和监听端口。RDP 无法连接时,先确认实例是否分配公网 IP,或是否能通过堡垒机/SSM 进入。
配置建议:按业务场景给出可落地方案
个人开发者
如果只是部署个人网站、接口演示环境或轻量后台,建议从 2 台 t3.small + 1 个 ALB 开始。最小容量设为 1 也能运行,但升级、重启和故障切换时没有冗余,不适合持续提供服务。
企业用户
建议至少跨 2 个可用区,最小实例数 2,ALB 开启访问日志,实例通过 IAM Role 写入 CloudWatch Logs。数据库不要和 ASG 实例混部,避免扩容后出现会话和数据一致性问题。
跨境业务
优先把 ASG 和 ALB 部署在主要用户访问区域,先做网络延迟测试再选 Region。若用户分布多区域,不要依赖单区域 ASG 硬扛全球访问,应结合 Route 53、CloudFront 或多区域部署。
网站应用
推荐无状态架构:上传文件放 S3,会话放 Redis 或数据库,日志集中到 CloudWatch 或外部日志系统。否则实例缩容后会丢失本地文件和登录状态。
数据库相关业务
ASG 适合数据库客户端层、读服务层、代理层,不适合直接把有状态主数据库节点做成普通 Auto Scaling。若业务高并发,建议单独优化 RDS 或 ElastiCache,而不是只靠前端实例扩容。
常见故障与处理思路
实例持续被替换
通常是健康检查失败。优先检查三项:应用是否真的监听了目标端口、目标组健康检查路径是否返回 200、Health check grace period 是否过短。
扩容后流量还是打到旧实例
AWS海外版 检查新实例是否通过 Target Group 健康检查,以及 ALB 监听器是否正确转发到该目标组。还要确认应用是否在启动后需要额外预热时间。
扩容触发慢
如果使用 CPU 指标,可能业务已卡在连接池或数据库,但 CPU 并不高。切换到请求量、响应时间或自定义指标更有效。
缩容影响用户请求
启用 ELB connection draining(在目标组中体现为 deregistration delay),常见设置 60-120 秒。这样实例从目标组摘除后,已有连接可以优雅完成。
进一步优化:让集群更安全、更稳、更省钱
安全优化
- 实例尽量放私有子网,通过 ALB 对外提供入口
- SSH 只对白名单 IP 开放,或直接改为 SSM
- 实例角色最小权限,不要给 AdministratorAccess
- HTTPS 统一在 ALB 终止,证书使用 ACM 管理
性能优化
- AWS海外版 预先压测单实例承载能力,再决定目标追踪值
- 应用启动慢时,优化镜像和依赖加载,减少扩容生效时间
- AWS海外版 把健康检查路径做轻量化,不调用数据库复杂查询
- 启用 CloudWatch Agent 采集内存、磁盘和应用指标
成本优化
- 生产基线容量用 On-Demand,波峰容量可混合 Spot
- 夜间低峰配置 Scheduled scaling 主动缩容
- 实例规格优先通过压测选择,不要盲目上大规格
- gp3 通常比 gp2 更容易控制成本和性能参数
稳定性优化
- 最小实例数不要低于 2
- 跨多个可用区部署
- 使用 Launch Template 版本管理,变更时逐步切换
- 应用保持无状态,减少实例替换带来的影响
如果你当前正卡在“实例启动了但服务不可用”这个阶段,排查顺序建议固定为:启动模板 → User Data → 安全组 → 目标组健康检查 → 应用监听端口 → CloudWatch 指标。按这个顺序查,通常能比直接反复重建 ASG 更快定位问题。

如果需要更深入咨询了解可以联系全球代理上TG: @cloudcup 他们在云平台领域有更专业的知识和建议,他们有国际阿里云,国际腾讯云,国际华为云,aws亚马逊,谷歌云一级代理的渠道,微软云开户充值。oss防风控上传加密系统。客服1V1服务,支持免实名、免备案、免绑卡。开通即享专属VIP优惠、充值秒到账、官网下单享双重售后支持。