摘要

本文深入讲解华为云 ECS 弹性伸缩（Auto Scaling）的核心原理与生产级实践，涵盖伸缩组配置、告警策略设计、多可用区部署、冷却时间调优等关键内容，帮助读者从零构建一套可应对流量波动的自动扩缩容架构。

一、为什么你需要弹性伸缩

业务流量从来不是一条直线。电商大促、新版本发布、定时批处理、突发舆情事件——每一次波动都可能让你的服务器集群措手不及。

传统应对方式只有两种：

• 按峰值预留：资源长期闲置，成本居高不下。
• 人工手动扩容：响应滞后，业务可能已经受损。

华为云 ECS 弹性伸缩（Auto Scaling）正是为解决这一矛盾而生：根据预设策略自动增加或减少 ECS 实例，在流量低谷时释放资源以节省成本，在流量高峰时快速扩容以保障业务连续性。

二、核心概念：先搞懂这些再动手

在动手配置之前，必须理解弹性伸缩的几个核心组件：

2.1 伸缩组（Scaling Group）

伸缩组是弹性伸缩的基本管理单元。它定义了一组具有相同配置的 ECS 实例集合，包括：

• 期望实例数：伸缩组希望维持的实例数量，这是伸缩组的"目标态"。
• 最小实例数：无论负载多低，伸缩组不会缩减到这个数量以下，保障业务基线容量。
• 最大实例数：无论负载多高，伸缩组不会超过这个数量，防止成本失控。
• 移出策略：当需要缩减时，优先移出哪台实例（最早创建的、健康检查失败的等）。

2.2 伸缩策略（Scaling Policy）

伸缩策略决定了"何时扩"和"何时缩"。华为云提供三种策略类型：

2.3 冷却时间（Cooldown）

冷却时间是弹性伸缩中最容易被忽视、却最关键的参数。它表示一次伸缩活动结束后，在多长时间内不再接受新的伸缩触发。

为什么需要冷却？

假设 CPU 使用率刚超过 80%，触发扩容。新实例启动需要 1-2 分钟，在这期间 CPU 可能继续攀升。如果冷却时间过短，系统可能在实例尚未就绪时再次触发扩容，造成"震荡"——实例数反复横跳，既浪费资源又影响稳定性。

推荐值：

• 告警策略冷却时间：180 秒（3 分钟）
• 定时/周期策略：无需冷却（按计划执行）

2.4 健康检查

弹性伸缩会定期对组内实例进行健康检查。不健康的实例会被自动替换。这保证了伸缩组内始终是"可用"的实例，而非仅仅"存在"的实例。

三、架构设计：生产级伸缩组怎么搭

3.1 多可用区部署

生产环境绝不能只部署在一个可用区。华为云伸缩组支持跨可用区（AZ）部署，当某个可用区出现故障时，流量自动切换到其他可用区，实例也会在其他可用区补充创建。

配置建议：

• 选择至少 2 个可用区，优先选择同区域内的不同物理 AZ。
• 设置可用区优先级，将主业务 AZ 放在前面。
• 开启"均衡分布"策略，确保实例在各可用区均匀分布。

3.2 实例配置模板

弹性伸缩创建的实例基于"实例启动模板"，而非直接引用某台 ECS。模板中应包含：

• 镜像（推荐使用自定义镜像，预装业务依赖）
• 实例规格（建议选择 2-3 种规格，扩容时按优先级尝试，避免单一规格库存不足）
• 安全组
• 登录密钥对
• 用户数据（User Data，用于初始化脚本）

关键提醒：自定义镜像必须经过充分测试。伸缩组创建实例时不会执行你手工配置的那套流程，一切依赖镜像和 User Data。

3.3 网络与负载均衡集成

伸缩组应与 ELB（弹性负载均衡）绑定。新创建的实例自动挂载到 ELB 后端服务器组，无需手动操作。

配置要点：

• 在伸缩组中关联 ELB 的后端服务器组。
• 配置健康检查端口与路径，确保 ELB 能正确判断实例健康状态。
• 设置"加权轮询"或"最小连接数"调度算法，让流量合理分配。

四、实战配置：从零搭建一套伸缩组

4.1 创建实例启动模板

1. 进入 ECS 控制台，选择"实例启动模板"。
2. 点击"创建模板"，填写模板名称。
3. 选择已测试通过的自定义镜像。
4. 实例规格选择：推荐配置 2-3 种备选规格（如 s6.large.2、sn3.large.2），按优先级排列。
5. 安全组选择业务安全组，开放必要端口。
6. 密钥对选择已有的 SSH 密钥。
7. User Data 中写入初始化脚本（如安装依赖、拉取配置、启动服务）。

4.2 创建伸缩组

1. 进入弹性伸缩控制台，点击"创建伸缩组"。
2. 填写伸缩组名称。
3. 选择刚创建的实例启动模板。
4. 选择网络（VPC）和至少 2 个可用区。
5. 设置实例数：
   • 最小实例数：2（保障基线容量）
   • 期望实例数：2（初始状态）
   • 最大实例数：20（防止成本失控）
6. 关联 ELB 后端服务器组。
7. 设置移除策略：默认"最早创建的实例"。
8. 开启健康检查，间隔 60 秒，连续 3 次失败判定不健康。

4.3 配置伸缩策略

扩容策略（告警策略）：

• 指标：CPU 平均使用率
• 阈值：> 75%
• 统计周期：连续 3 个周期，每个周期 60 秒
• 冷却时间：180 秒
• 伸缩动作：增加 2 台实例

缩容策略（告警策略）：

• 指标：CPU 平均使用率
• 阈值：< 30%
• 统计周期：连续 5 个周期，每个周期 60 秒（缩容条件更严格，避免频繁震荡）
• 冷却时间：300 秒
• 伸缩动作：减少 1 台实例

定时策略（可选）：

• 如果业务有明确的每日高峰（如 10:00-12:00），可配置定时扩容 3 台实例。
• 高峰结束后配置定时缩容。

4.4 验证伸缩效果

1. 在伸缩组中手动添加 1 台实例，确认 ELB 能正常挂载。
2. 模拟高负载（使用压测工具或手动提升 CPU），观察是否触发扩容。
3. 扩容后确认新实例能正常接收流量（ELB 后端状态为"健康"）。
4. 负载下降后，观察缩容是否按预期执行。
5. 检查伸缩活动日志，确认无异常。

五、生产级调优建议

5.1 避免"震荡"的进阶策略

震荡是弹性伸缩最常见的问题。除了设置合理的冷却时间，还可以：

• 分层阈值：扩容阈值 75%，缩容阈值 30%，留出 45% 的缓冲带，避免在临界值附近反复触发。
• 阶梯式扩容：首次扩容 2 台，若 CPU 仍高，等待一个冷却周期后再扩容 2 台，而不是一次性扩容 10 台。
• 缩容保守：缩容动作的触发条件应比扩容更严格（更多周期、更低阈值），宁可多留几台，也不要过早释放。

5.2 实例规格的库存风险

华为云不同规格的实例在各可用区的库存是动态的。如果伸缩组只配置了一种规格，当该规格库存不足时，扩容会失败。

解决方案：

• 在启动模板中配置 2-3 种兼容规格，按优先级排列。
• 扩容时伸缩组会按优先级尝试，直到找到有库存的规格。
• 定期监控伸缩活动日志，关注"规格库存不足"的告警。

5.3 镜像与初始化的一致性

伸缩组创建的实例必须与手工创建的实例行为一致。这要求：

• 自定义镜像中预装所有业务依赖（JDK、Python、Node.js 等）。
• 配置文件从配置中心（如 Nacos、Consul）拉取，而非硬编码在镜像中。
• 日志统一输出到 LTS（日志服务），而非本地文件。
• 应用启动脚本在 User Data 中实现，确保每次初始化行为一致。

5.4 成本控制

弹性伸缩虽然智能，但仍有成本失控的风险：

• 设置最大实例数上限：根据业务峰值预算，设置合理的最大实例数。
• 配置费用告警：在云监控中设置费用阈值，当伸缩产生的费用接近预算时告警。
• 使用竞价实例：对于可中断的批处理任务，优先使用竞价实例，成本可降低 50%-90%。
• 定期清理闲置伸缩组：业务下线后及时删除伸缩组，避免残留资源继续计费。

5.5 监控与告警

弹性伸缩本身也需要被监控：

六、常见问题与避坑指南

Q1：扩容后新实例 ELB 健康检查失败？

原因：新实例启动后应用尚未完全启动，ELB 健康检查就已开始。

解决：

• 在 ELB 健康检查中增加"健康检查延迟"（如 60 秒）。
• 在 User Data 中确保应用完全启动后再退出脚本。
• 应用自身实现健康检查接口（如 /health），ELB 配置该路径。

Q2：缩容时误删了重要实例？

原因：移出策略配置不当，或实例没有设置"缩容保护"。

解决：

• 对需要保留的实例开启"实例缩容保护"。
• 移出策略选择"最早创建的实例"，而非"随机"。
• 缩容前确认实例上无重要会话或任务。

Q3：伸缩组实例数一直达不到期望值？

原因：可能是最大实例数限制、规格库存不足、或子网 IP 耗尽。

解决：

• 查看伸缩活动日志，定位具体失败原因。
• 检查子网可用 IP 数量。
• 增加备选规格。

Q4：定时策略和告警策略冲突怎么办？

原因：定时策略在高峰前扩容，告警策略在高峰中继续扩容，导致实例数超出预期。

解决：

• 定时策略与告警策略的伸缩方向应一致（高峰期只扩容不缩容）。
• 在定时策略的"执行时间"段内，降低告警策略的扩容阈值，避免叠加。
• 或干脆在高峰时段禁用告警策略，完全依赖定时策略。

七、总结

ECS 弹性伸缩不是"开箱即用"的功能，而是一套需要精心设计的架构体系。核心要点回顾：

1. 伸缩组是基础：合理设置最小、期望、最大实例数，绑定 ELB 实现流量自动分发。
2. 策略是大脑：告警策略应对突发，定时策略应对规律，两者配合使用。
3. 冷却时间是安全阀：防止震荡，保障扩容实例有足够时间启动并生效。
4. 多可用区是底线：单 AZ 部署在云上等于没有容灾。
5. 镜像与初始化是根基：伸缩出来的实例必须和手工实例行为一致。
6. 监控与成本是保障：弹性不是无限制，设置上限和告警，避免成本失控。

弹性伸缩的终极目标不是"自动"，而是"恰到好处"——在正确的时间，有正确数量的正确实例，以正确的成本运行。这需要持续的调优与迭代，而非一次性配置。

本文由华为云社区发布，欢迎转载分享，请注明出处。