ECS 的介绍和使用

一、ECS

[二、弹性伸缩 ESS + 与 ALB 联动](#二、弹性伸缩 ESS + 与 ALB 联动)

一、ECS

1、一台生产 ECS 的标准生命周期

规划（VPC/规格/标签）

→ 创建（私网、安全组、密钥）

→ 初始化（数据盘、Agent、基线）

→ 纳管（监控、快照、堡垒机）

→ 服役（发布、扩容、变更）

→ 退役（备份 → 下线 → 释放/归档镜像）

企业里很少"开一台机随便玩"，而是按这个闭环管理。

2、实操

1：挂载并使用数据盘（Linux）

目标：业务数据放 /data，和系统盘分开。

1）控制台挂载

ECS 实例 → 块存储 → 挂载云盘
选同可用区的数据盘
建议：生产数据盘不要轻易勾选"随实例释放"（防误删实例丢数据）

2）初始化（空盘才格式化）

bash 复制代码

# 看盘符（常见 vdb / nvmeXn1）
lsblk

# 分区（示例：整盘一个区，按实际盘符改）
sudo fdisk /dev/vdb

# 格式化
sudo mkfs.ext4 /dev/vdb1

# 挂载
sudo mkdir -p /data
sudo mount /dev/vdb1 /data

3）开机自动挂载

写入 /etc/fstab（建议加 nofail，避免盘异常导致开不了机）：

bash 复制代码

sudo cp /etc/fstab /etc/fstab.bak

# 用 UUID 挂载更稳（先 blkid 查 UUID）
echo 'UUID=xxxx-xxxx /data ext4 defaults,nofail 0 2' | sudo tee -a /etc/fstab

sudo mount -a

有数据的盘：禁止再次 mkfs，只挂载即可。

官方：挂载数据盘 · Linux 初始化

2：快照与回滚

自动快照

快照 → 自动快照策略
示例：每天 02:00，保留 7 天
绑定到系统盘 + 数据盘
避开业务高峰

手动快照（变更前）

升级、改配置、重装前：先对手动打快照，写清楚备注：2026-07-29 before-nginx-upgrade。

回滚注意

回滚云盘通常要停机窗口
回滚会回到快照时间点，之后的数据会丢
先确认快照时间、再操作

3：自定义镜像（黄金镜像）

目的：新机器环境一致，开箱即用。

推荐流程：

用一台"样板机"装好：
监控 Agent、安全 Agent、运行时、日志采集、常用工具
清理临时文件、历史密钥（别把私钥打进镜像）
实例上创建自定义镜像（或系统盘快照转镜像）
以后批量开机器都选这个镜像

检查清单：

/etc/fstab 与数据盘情况匹配
云助手在线
主机名/机器码类配置不要写死冲突项
镜像命名：prod-base-alinux3-20260729

官方：从实例创建自定义镜像

4：云助手批量运维

云助手 = 不用 SSH 登录，也能在机器上跑命令/脚本。

企业用途：

批量装包、改配置
应急采集日志
配合 OOS 做标准化变更

使用前确认实例云助手 Agent 在线。

比"每个人都 SSH 上去改"更可控、可审计。

5：升降配与扩容

需求	做法
CPU/内存不够	实例升降配（常需停机）
磁盘满了	云盘扩容 + 系统内扩文件系统
临时流量高	加机器 + SLB，或弹性伸缩
长期稳态降本	换更合适规格 / 付费方式

企业注意：

生产升降配要变更窗口
先看监控：到底是 CPU、内存，还是磁盘 IO/网络瓶颈
升配前打快照

6：监控告警（最少要开）

在 CloudMonitor / ECS 监控里，建议至少：

指标	建议阈值思路
CPU 使用率	持续 > 80% 告警
内存使用率	持续偏高告警
磁盘使用率	> 85% 告警
磁盘 inode	防"空间还在但无法建文件"
网络流量/连接数	异常突增

告警接到：钉钉/短信/电话 + 值班人。

只看监控不够，重要应用还要有日志（SLS）和健康检查（SLB）。

3、日常操作手册（可当 checklist）

A. 新应用上线（2 台起步）

双可用区各 1 台 ECS（同镜像、同规格）
加入同一后端服务器组 / SLB
安全组只放行 SLB 与堡垒机
绑定自动快照 + 监控告警
打标签：env=prod app=xxx owner=xxx
走一次故障演练：停一台，看 SLB 是否切走

B. 变更发布

打快照 / 确认可回滚
先改 1 台（或灰度）
观察监控与日志
再全量
记录变更单

C. 磁盘告警处理

查是哪个分区满
清日志/扩容云盘
扩容后系统内也要扩文件系统
复盘是否日志轮转没配好

D. 机器要释放

确认无唯一数据（或已备份）
需要时保留自定义镜像/快照
从 SLB/域名摘流
再停机释放
检查是否还有未删快照持续计费

4、常见故障速查

现象	先查什么
连不上	安全组、ACL、是否在私网、堡垒机白名单、实例是否运行中
能连但访问不了网站	进程是否起来、安全组端口、SLB 健康检查、本机防火墙
很卡	CPU/内存/磁盘 IO/带宽，是否被打满
重启后 /data 没了	`fstab` 未配置自动挂载
突然变慢	是否在打快照、云盘性能水位、邻居干扰少见时看监控
权限调 API 失败	是否绑了实例 RAM 角色、角色策略是否够

5、和 RAM / VPC / 堡垒机再串一次

RAM：运维用子账号+MFA 登录控制台
VPC：ECS 在私网交换机，无公网 IP
NAT：需要时统一出网
SLB/ALB：统一入口，双 AZ 后端 ECS
堡垒机：人登录机器的唯一正规入口
快照/镜像：备份与复制标准环境
角色 STS：程序无 AK 访问云产品

小结

ECS 用起来的关键不是"会买"，而是：盘分开、快照在、镜像标准、监控告警、双机多 AZ、变更可回滚。

二、弹性伸缩 ESS + 与 ALB 联动

目标：流量变大自动加机器，变小自动减机器；新机器自动进 ALB，下线机器自动从 ALB 摘掉。

官方参考：什么是弹性伸缩 · ESS 为 ALB 自动加减后端

1、解决的问题

固定 2 台 ECS 的问题：

大促时不够用 → 要人手忙脚乱加机器，还要手动挂到 ALB
低谷时太浪费 → 机器空转还在花钱
手动加减容易漏：机器加了但没进 ALB，或缩容了但流量还在打

ESS + ALB 的效果：

用户 → ALB → 后端服务器组（自动增减的 ECS 们）

↑

ESS 伸缩组

（忙了扩容，闲了缩容，并自动登记/摘除 ALB）

2、ESS 核心零件

概念	大白话
伸缩组	一队可扩可缩的机器群，有最小/最大台数
伸缩配置 / 启动模板	"新机器长什么样"的模板（规格、镜像、安全组、交换机...）
伸缩规则	一次加减几台，或调到多少台
报警任务	看监控（如 CPU），到阈值就执行规则
定时任务	到点加减（如每天 9 点扩、22 点缩）

和 ALB 的关系：

伸缩组关联 ALB 服务器组后：扩容实例自动加入服务器组；缩容实例自动移出。

3、联动全景图

① 创建 ALB + 监听 + 服务器组（开启健康检查）

② 创建伸缩组（多可用区交换机）并关联该服务器组

③ 创建伸缩配置（用你的黄金镜像）

④ 启用伸缩组，设最小/期望/最大实例数

⑤ 配置报警：CPU 高 → 扩容；CPU 低 → 缩容

⑥ 观察：新 ECS 自动出现在 ALB 后端；缩容时自动消失

前提硬条件：

伸缩组与 ALB 服务器组在同一 VPC
ALB 监听已配，且服务器组健康检查已开
业务必须支持横向扩展（无状态或状态外置到 Redis/RDS/OSS）

4、企业级落地步骤

步骤 0：业务先"可扩"

不适合硬上 ESS 的情况：

本地磁盘存关键会话/文件
单机定时任务会重复跑多份
强依赖固定 IP

先做到：会话进 Redis，文件进 OSS，配置进配置中心，任务有分布式锁或独立调度。

步骤 1：准备 ALB

创建 ALB（建议至少 2 个可用区）
创建服务器组（类型选 ECS/IP，按实际）
配置健康检查（如 HTTP /health，或 TCP 端口）
创建监听：如 HTTPS:443 → 转发到该服务器组
安全组：ECS 放行来自 ALB/相应网段的业务端口

健康检查失败的机器，ALB 不会把流量打上去------这是弹性安全网。

步骤 2：创建伸缩组（关联 ALB）

关键配置示例：

项	建议
类型	ECS
网络	你的生产 VPC
交换机	至少 2 个可用区（库存与容灾）
最小实例数	如 `2`（保底高可用）
最大实例数	如 `10`（成本天花板）
期望实例数	如 `2`（当前目标）
关联 ALB 服务器组	选上一步的组
端口 / 权重	如 `80` / `50`（权重 0 = 不接流量）
扩缩容策略	多 AZ 可用均衡分布（更均匀）或优先级策略

启用后：组内实例会自动登记到 ALB 服务器组。

官方：创建 ECS 伸缩组

步骤 3：创建伸缩配置（机器模板）

伸缩配置决定"扩出来的机器长啥样"：

镜像：自定义黄金镜像（已含应用/Agent）
规格：可填多个规格做库存兜底（如 g/c 相近规格）
安全组：与现网一致
系统盘/数据盘：按模板
登录凭证、标签：env=prod app=xxx managed-by=ess
（推荐）实例 RAM 角色

镜像里应用最好开机自启；或用云助手/用户数据脚本拉起服务。

否则机器进了 ALB，健康检查会一直失败。

步骤 4：伸缩规则 + 报警任务（自动加减）

扩容规则示例：每次增加 1 台（或 2 台）

缩容规则示例：每次减少 1 台

报警任务示例：

任务	指标条件	动作
扩容	伸缩组 CPU 平均值 ≥ 70%，持续 3～5 分钟	执行扩容规则
缩容	伸缩组 CPU 平均值 ≤ 30%，持续 10～15 分钟	执行缩容规则

也可用 ALB 相关指标（如单机 QPS）做更贴近业务的伸缩。

冷却时间（Cooldown）：刚扩完别立刻再缩/再扩，避免来回抖。

企业常见：扩容冷却短一点，缩容更保守（防抖）。

步骤 5：验证联动是否成功

把期望实例数从 2 改成 3 → 应新建 1 台 ECS
到 ALB 服务器组看后端：应出现新实例（名称常带 ESS 相关特征）
等健康检查变健康 → 开始接流量
压测抬高 CPU → 触发扩容
降压后 → 触发缩容，实例从服务器组移除并释放/回收

官方案例：使用伸缩组为 ALB 加减后端

5、扩缩容时实际发生了什么

扩容

报警触发 → ESS 按伸缩配置创建 ECS

→ 实例加入伸缩组

→ 自动加入 ALB 服务器组（指定端口/权重）

→ ALB 健康检查通过

→ 开始分发流量

缩容

报警触发 → ESS 选中要移除的实例

→ 从 ALB 服务器组摘除（停止接新流量）

→ （可配）等待连接排空/生命周期钩子做优雅下线

→ 释放或转入停机回收模式

企业进阶：用生命周期挂钩，缩容前先调接口摘流、落盘、报就绪，再真正删除。

6、企业级注意事项（很重要）

最小台数 ≥ 2，且跨 AZ：弹性不等于取消高可用保底
最大台数必须设：防止误配或被打爆后无限扩、费用失控
缩容要保守：指标要持续一段时间再缩，避免抖动
健康检查路径要轻量且真实：/health 应代表"能干活"
新实例要能自举：镜像或启动脚本保证服务自动起来
无状态优先：有状态组件（DB）不要丢进同一个盲目伸缩组
成本：ESS 本身通常不单独收服务费，但 ECS/ALB/流量照常计费
库存：多规格 + 多交换机，降低"要扩却没货"失败率

7、三种触发方式怎么选

方式	适合	例子
报警（动态）	负载不可预测	CPU/QPS 高了加机器
定时	规律高峰	工作日 8:30 扩到 6 台，21:00 缩到 2 台
手动/改期望数	活动保障、演练	大促前先手动扩到 8 台

企业常组合：保底最小数 + 定时抬底座 + 报警做尖峰。

8、和 NLB / CLB 的关系

ALB：Web/API，关联的是 ALB 服务器组（重点）
NLB：四层高并发，也可关联 NLB 服务器组
CLB：传统型，关联 CLB 实例/后端组

新 HTTP 业务优先 ESS + ALB。

小结

ESS 管"机器数量变不变"，ALB 管"流量怎么分"。

两者联动后：忙自动加并挂载，闲自动摘并减机------前提是应用无状态、健康检查可靠、多 AZ 保底、最大数控成本。