如何对 Amazon ECS 中的 EC2 实例终止问题进行故障排除？

解决方法

要确定实例终止的原因，请查看 AWS CloudTrail 事件中的 TerminateInstances API 调用。在事件详细信息中，记下调用 API 的 AWS Identity and Access Management (IAM) 用户或角色的 userAgent 值。此外，记下 SourceIPaddress、eventTime、errorCode 和 errorMessage 的值。

根据实例终止问题的原因，执行以下故障排除操作。

查看运行状况检查问题的指标

查看已终止实例的 Amazon CloudWatch 指标 CPUUtilization 和 StatusCheckFailed_Instance。异常可能表明存在性能问题或硬件故障。有关详细信息，请参阅 Amazon EC2 实例的状态检查。如果您已激活 CloudWatch Container Insights，则还需查看 Container Insights 指标。

查看实例日志，以了解您的实例是否存在网络连接、内存不足或其他潜在问题。高资源使用率可能会导致实例终止问题。根据您的工作负载需求调整容器实例类型的大小。

查看自动扩缩历史记录中是否存在问题

查看您的 Amazon EC2 Auto Scaling 组活动历史记录，以检查计划的 EC2 Auto Scaling 事件是否终止了该实例。如果您遇到意外的自动扩缩操作，请检查您的自动扩缩配置、扩缩策略和阈值。

为避免实例意外终止，请使用托管终止保护，以保留正在运行任务的 Amazon ECS 容器实例。

您还可以为您的实例激活终止保护，以防止意外终止。如果您已激活终止保护但仍遇到问题，请参阅如何解决 Amazon ECS 中容量提供商的托管终止保护设置错误？

检查是否存在竞价型实例中断

如果您的集群使用竞价型实例，请检查竞价型实例被终止或中断的原因。确定 Amazon EC2 是否终止了竞价型实例。如果 Amazon EC2 会中断您的竞价型实例，则您将在中断前 2 分钟收到通知。

对于具有不可中断的关键工作负载的应用程序，最佳做法是使用按需型实例。

为实例设置监控器

创建 CloudWatch 警报，以监控实例何时自动停止、终止、重启或恢复，从而主动识别问题。此外，针对重要指标（例如 CPUUtilization、DiskReadOps、DiskWriteOps、NetworkIn 或 NetworkOut）创建 CloudWatch 警报。

使用 Amazon Simple Notification Service (Amazon SNS) 和 Amazon EventBridge 来接收有关实例状态变化的警报，例如停止、终止和运行状况检查失败。您还可以创建警报，以便在实例状态更改时发送电子邮件。

要在集群级别、实例级别、服务级别和任务级别收集指标，请设置 Container Insights。

设置高可用性

使用任务放置策略（例如 spread（分散）任务和 binpack（装箱）任务），以避免在单个实例上集中过多任务。

此外，请将您的容器实例分散到多个可用区，以减少实例意外终止的影响。有关详细信息，请参阅 Amazon ECS availability best practices。