定制/架构AWS ELB，使其具有零停机时间

Question

因此，有一天，我们遇到了一个问题，应用程序负载平衡器背后的一个实例失败了，实例状态检查和系统检查都失败了。我们的ELB检测到这一点并将实例标记为“不健康”花费了大约10秒(我们所能得到的最小时间)，但是当ELB继续将流量路由到不健康实例时，我们在这10秒内丢失了一些流量。有没有解决办法，我们可以避免字面上的任何停机，或我太不切实际？

Answer 1

我相信这不是您想听到的答案，但是如果10s是不可容忍的，为了将系统上的流量损失降到最低，您需要实现您自己的健康检查/负载平衡解决方案。我的组织有一些系统，在这些系统中，丢包也是不可接受的，这也是我们需要做的。

这个解决办法是双重的。

1. 您需要实现自己的负载平衡基础结构。我们选择使用Route53加权记录集(TTL为1s，我们将返回到此)，每个服务器的权重相同
2. 每个负载平衡的EC2实例启动一个ECS容器实例，其唯一目的是进行健康检查。它同时运行DNS和IP健康检查(python中的请求库)，并在发现问题时实时添加/删除Route53加权记录。

然而，在我们的测试中，我们发现，虽然来自Route53的上游DNS服务器在删除DNS记录时遵守1秒TTL，但它们“黑名单”该记录(FQDN + IP组合)不会再次恢复10分钟(我们得到的分辨率从1M到10m不等)。因此，您将能够快速故障转移，但您必须考虑到它将需要多达10分钟的时间来重新添加记录以获得荣誉。