大促前临时开机器,活动结束后忘记关;凌晨 CPU 冲高,值班同学先收到告警再登录控制台,扩容完成时流量高峰已经过去。弹性伸缩 AS 解决的正是容量与业务节奏不匹配的问题,但它不是“勾选一个开关”就能生效。伸缩组、镜像、启动脚本、负载均衡健康检查和冷却时间任何一项没配好,扩容出来的实例都可能接不住流量。
一、AS 伸缩的到底是什么
华为云弹性伸缩 AS(Auto Scaling)根据预设策略自动调整弹性云服务器 ECS 的数量。它管理的是“一组相同角色的计算实例”,而不是单台服务器。业务流量上升时增加实例,流量回落后减少实例,让容量跟随负载变化,同时避免长期为峰值预留资源。
| 组成 | 作用 | 配置时容易忽略的点 |
|---|---|---|
| 伸缩组 | 定义最小、最大和期望实例数,以及可用区、子网、负载均衡等边界 | 最小实例数决定底噪成本,最大实例数决定成本上限,不能只填期望值 |
| 伸缩配置 | 定义扩容实例的规格、镜像、磁盘、安全组和登录方式 | 镜像里必须包含应用和开机启动项,否则实例起来了但服务没起来 |
| 伸缩策略 | 按定时、周期或监控告警触发扩缩容 | 扩容要快、缩容要稳,两个方向不应使用同一套激进阈值 |
| 生命周期挂钩 | 在实例加入或移出伸缩组时执行初始化、注册或优雅下线 | 挂钩超时时间要覆盖脚本执行时间,避免实例卡在等待状态 |
| 负载均衡 | 把流量分发到伸缩组内的健康实例 | 健康检查要检查应用就绪状态,不能只检查端口是否监听 |
AS 适合无状态、可横向扩展的应用。所谓无状态,不是应用完全没有数据,而是会话、上传文件、日志和任务进度不能只保存在某一台实例的本地磁盘或内存里。会话应外置到 Redis 或数据库,文件应放到对象存储 OBS,日志应集中到云日志服务 LTS,定时任务要避免每个实例同时执行。数据库、单机授权服务、依赖本地缓存的系统,不应直接放进伸缩组。
新实例还必须能自动获得运行环境。推荐用包含应用版本、依赖和开机启动脚本的私有镜像 IMS,配合用户数据或配置管理完成环境变量、证书和启动参数注入。不要把“登录服务器手工部署”当成扩容流程的一部分,否则自动扩容只完成了开机,没有完成上线。
二、策略、阈值与冷却时间
伸缩组有三个基础数字:最小实例数、最大实例数和期望实例数。最小实例数决定底噪容量,最大实例数防止异常流量或指标抖动导致成本失控,期望实例数则是当前的容量目标。生产环境建议至少保留两个实例并分布在多个可用区,避免单实例或单可用区故障直接造成业务中断。
| 策略类型 | 触发方式 | 适合场景 | 注意事项 |
|---|---|---|---|
| 定时策略 | 在指定时间点把实例数调整到目标值 | 已知的大促、日报、批量任务窗口 | 要预留实例启动和应用预热时间,不能卡在流量到来的时刻才扩 |
| 周期策略 | 按天、周等周期重复执行 | 工作日早高峰、夜间批处理等规律性负载 | 节假日和临时活动要单独覆盖,避免沿用平时模板 |
| 告警策略 | 基于 CES 监控指标触发,如 CPU、内存、连接数 | 突发流量、不可预测的负载变化 | 阈值、连续周期和冷却时间要联合设置,避免反复伸缩 |
冷却时间用于在一次伸缩活动完成后,等待一段时间再允许下一次伸缩。华为云 AS 的冷却时间默认通常为 300 秒,控制台可配置范围和具体行为以当期文档为准。冷却时间太短,指标还没稳定就再次触发,容易出现“扩容—空闲—缩容—再扩容”的抖动;冷却时间太长,突发流量下第二次扩容会明显滞后。建议扩容冷却覆盖实例启动和健康检查所需时间,缩容冷却可以更长。
告警策略不要只看 CPU。CPU 使用率高可能是计算密集,也可能是死循环;CPU 不高但延迟上升,可能是连接池耗尽或下游变慢。Web 服务可以组合 CPU 使用率、ELB 请求数、平均响应时间和后端异常数;队列消费者可以看堆积量和消费延迟。一个可起步的配置是:CPU 连续 3 个 1 分钟周期超过 70% 扩容 1 台,连续 10 个周期低于 30% 缩容 1 台,最大实例数按压测得出的单机承载能力乘以 1.5 倍安全系数设置。阈值不是通用答案,必须用真实压测校准。
扩容策略追求“来得及”,缩容策略追求“不误杀”。两者使用同一套阈值,通常不是好设计。
还要注意配额和依赖。默认配额通常包括 10 个伸缩组、每个伸缩组最多 300 台实例,具体以服务配额页面为准。扩容会同时创建 ECS、云硬盘、网卡,可能占用对应资源配额;如果使用 EIP 或带宽,也要确认峰值容量。ELB 后端服务器组、数据库连接数和缓存连接数同样要能承接新增实例,否则应用扩容了,瓶颈只是从计算层转移到数据库。
三、从镜像到上线的实战配置
第一步是准备可复用的镜像。镜像里安装好运行时、应用包、监控 Agent 和日志采集 Agent,设置服务开机自启,并把环境差异通过启动参数或配置中心注入。镜像版本要与应用版本一一对应,避免伸缩组长期引用过期镜像。每次发布后更新伸缩配置,并用新镜像做一次扩容验证。
第二步是配置负载均衡和健康检查。伸缩组关联 ELB 后,新实例应自动加入后端服务器组。健康检查建议使用应用层接口,例如返回 200 且包含依赖状态的 /health,检查间隔和超时时间要大于应用正常启动时间。健康检查未通过时,ELB 会把实例摘除;是否由 AS 自动替换,需要结合伸缩组的健康检查配置确认,不能把它当成实时故障转移。
第三步是设计优雅下线。缩容或替换实例前,应先让实例从负载均衡摘除,等待正在处理的请求完成,再停止应用和上报日志。生命周期挂钩可用于执行初始化、注册或优雅下线脚本,具体动作要结合伸缩组配置确认。对于长连接、异步任务和批处理,必须设置最大等待时间,并把未完成任务转移到队列或记录断点。直接终止实例,可能造成请求失败、消息重复或数据不一致。
第四步是验证。至少做四类测试:正常压测下能否按预期扩容;流量回落后能否缩容到期望值;手动终止实例后能否自动补齐;单个可用区不可用时,剩余实例能否通过 ELB 继续服务。还要观察扩容耗时、实例启动失败率、健康检查失败率和缩容期间错误率。AS 服务本身通常不单独收取服务费,但扩容产生的 ECS、云硬盘、带宽等资源会按实际用量计费,具体以计费说明和控制台为准。
四、常见误区与落地检查
常见误区
- 把数据库、会话服务或有状态应用放进伸缩组,缩容时直接丢数据。
- 镜像里没有应用启动项,实例创建成功但端口没有起来。
- 冷却时间过短,指标抖动导致频繁扩缩容。
- 只按 CPU 扩容,忽略连接数、队列堆积和下游瓶颈。
- 不设最大实例数,异常流量把成本推高。
- 健康检查只测端口,应用初始化未完成就被接入流量。
- 缩容直接终止实例,没有优雅下线和任务转移。
- 只验证扩容,不验证缩容、实例故障和可用区故障。
落地检查清单
- 确认应用无状态、可横向扩展,会话、文件和日志已外置。
- 制作包含应用和开机启动项的私有镜像,并建立版本对应关系。
- 规划最小、最大和期望实例数,最大实例数结合压测和预算确定。
- 选择多个可用区和子网,避免单可用区容量与故障风险。
- 关联 ELB,配置应用层健康检查和合理的检查间隔。
- 设置扩容与缩容策略,分别校准阈值、连续周期和冷却时间。
- 配置生命周期挂钩,实现注册、摘流、优雅停机和任务转移。
- 接入 CES 监控和告警,关注扩容失败、健康检查异常和实例数上限。
- 核对 ECS、云硬盘、EIP、带宽和 ELB 配额,避免扩容时资源不足。
- 完成扩容、缩容、实例故障和可用区故障演练,再上线生产。
弹性伸缩的价值,不是把运维从“点鼠标”变成“写策略”,而是把容量管理变成可验证的机制。建议先从一条无状态、流量波动明显的业务线开始,把镜像、健康检查、冷却时间和缩容保护做扎实,再逐步推广。能稳定缩容的系统,才算真正把弹性用起来。
留言讨论
还没有留言,欢迎留下你想了解的场景。
查看全部留言 ›