如何找到EC2自动标度组“健康检查”失败的原因？(无负载平衡器参与)

Question

我的AWS自动标度组中的EC2实例都是在运行1-4小时后终止的。确切的时间各不相同，但当发生这种情况时，整个小组在几分钟内就会下降。

对每种情况的缩放历史描述都是简单的：

在2016-08-26T05:21:04Z，由于EC2健康检查表明它已被终止或停止，一个实例被取消服务。

但我没有加任何健康检查。EC2状态检查实例生命周期的所有pass。

我如何确定这个“健康检查”失败的真正含义？

大多数关于ASG终端的问题都会回到负载平衡器，但是我没有负载均衡器。该集群处理批处理作业，而min/max/期望值则由基于系统其他地方的工作负载积压的软件控制。

ASG历史记录没有指示缩放事件，并且实例也都被显式地保护不受缩放。

我试着将健康检查宽限期设置为20个小时，以确定这是否至少使实例保持正常状态，以便我能够检查它，但它们仍然终止。

实例运行ECS AMI，ECS在容器中运行启动时启动的单个任务。来自该任务的日志看起来很正常，在实例消失前几分钟，事情似乎一直在愉快地运行。

这个任务是CPU密集型的，但是当我让它休眠6个小时时，仍然会发生错误。

Answer 1

默认情况下，如果没有ELB，ASG将只使用实例状态检查。但是，您得到的实际消息“在响应EC2健康检查(表明它已被终止或停止)时退出服务”听起来更像是实例关闭上的操作系统，或者某个人(或某个进程)启动了一个停止或终止命令。这些是现场的例子吗？如果spot实例被终止，您将看到这一点。