REL11-BP03 自动修复所有层 - AWS Well-Architected Framework

REL11-BP03 自动修复所有层

在检测到故障时,使用自动化功能执行修复操作。降级可能会通过内部服务机制自动修复,也可能需要通过补救措施重启或移除资源。

对于自我管理型应用程序和跨区域修复,可以从 现有最佳实践中获取恢复设计和自动修复流程。

重启或移除资源是修复故障的重要方法。最佳实践是尽可能使服务为无状态。这可以防止重启资源时数据丢失或可用性受损。在云中,作为重启的一部分,您可以(而且在一般情况下也应该)替换完整的资源(例如计算实例或无服务器函数)。重启本身是从故障恢复的简单而可靠的方法。工作负载中会发生很多不同类型的故障。故障可能发生在硬件、软件、通信和操作上。

重启或重试也适用于网络请求。向网络超时以及依赖项返回错误的依赖性故障应用相同的恢复方法。这两个事件对系统具有类似的影响,可应用类似的采用指数回退和抖动的有限重试策略,而不是尝试将各个事件当作特例进行处理。重启功能是面向恢复的计算和高可用性集群架构的特色恢复机制。

期望的结果: 执行自动操作以修复检测到的故障。

常见反模式:

  • 预置资源,而不进行自动扩缩。

  • 在实例或容器中单独部署应用程序。

  • 在不使用自动恢复的情况下,部署无法部署到多个位置的应用程序。

  • 手动修复弹性伸缩和自动恢复无法修复的应用程序。

  • 缺乏对数据库进行失效转移的自动化功能。

  • 缺乏将流量重新路由到新端点的自动化方法。

  • 缺乏存储复制功能。

建立此最佳实践的好处: 自动修复可以缩短平均恢复时间,并提高可用性。

未建立这种最佳实践的情况下暴露的风险等级:

实施指导

Amazon EKS 或其他 Kubernetes 服务的设计应包括最小和最大副本集或有状态集,以及最小集群和节点组大小。这些机制提供了最低数量的持续可用处理资源,同时使用 Kubernetes 控制平面自动修复任何故障。

使用计算集群通过负载均衡器访问的设计模式应利用 Auto Scaling 组。Elastic Load Balancing(ELB)自动在一个或多个可用区(AZ)中的多个目标和虚拟设备之间分配传入的应用程序流量。

对于不使用负载平衡的基于集群计算的设计,其规模至少应能承受一个节点的中断。这将允许服务在恢复新节点时,使自身以可能降低的容量维持运行状态。示例服务有 Mongo、DynamoDB Accelerator、Amazon Redshift、Amazon EMR、Cassandra、Kafka、MSK-EC2、Couchbase、ELK 和 Amazon OpenSearch Service。其中许多服务都可以设计额外的自动修复功能。某些集群技术必须在节点丢失时生成警报,从而触发自动或手动工作流程来重新创建新节点。可以使用 AWS Systems Manager 来自动执行此工作流程,以快速修复问题。

Amazon EventBridge 可用于监控和筛选事件,例如 CloudWatch 警报或其他 AWS 服务中的状态更改。然后,它可以根据事件信息调用 AWS Lambda、Systems Manager Automation 或其他目标,对您的工作负载运行自定义修复逻辑。可以将 Amazon EC2 Auto Scaling 配置为检查 EC2 实例的运行状况。若实例处于正在运行以外的任何状态,或系统状态受损,Amazon EC2 Auto Scaling 会认为实例的运行不正常,并且启动替换实例。针对大规模替换(例如整个可用区丢失),静态稳定性更适合用来实现高可用性。

实施步骤

  • 使用 Auto Scaling 组在工作负载中部署层。 Auto Scaling 可以对无状态应用程序执行自我修复,以及添加或移除容量。

  • 对于前面提到的计算实例,可使用 负载均衡 ,然后选择合适的负载均衡器类型。

  • 考虑 Amazon RDS 修复。对于备用实例,请配置 自动失效转移 到备用实例。针对 Amazon RDS 只读副本,需要自动化工作流程,使只读副本成为主副本。

  • 在部署了应用程序的 EC2 实例上实施自动恢复 ,这些应用程序无法部署到多个位置,但在故障后允许重新启动。当无法将应用程序部署到多个位置时,可以使用自动恢复来替换发生故障的硬件并重新启动实例。将保留实例元数据和关联的 IP 地址,以及 EBS 卷Amazon Elastic File System适用于 Lustre 的文件系统适用于 Windows 的文件系统的挂载点。使用 AWS OpsWorks时,您可以在层级别配置 EC2 实例的自动修复。

  • 当您无法使用自动扩展或自动恢复时,或者自动恢复失败时,使用 AWS Step FunctionsAWS Lambda 实施自动恢复。当您无法使用自动扩展,并且无法使用自动恢复或自动恢复失败时,可以使用 AWS Step Functions 和 AWS Lambda 进行自动修复。

  • Amazon EventBridge 可用于监控和筛选事件,例如 CloudWatch 警报 或其他 AWS 服务状态的变化。根据事件信息,它可以调用 AWS Lambda(或其他目标),在您的工作负载上运行自定义修复逻辑。

资源

相关最佳实践:

相关文档:

相关视频:

相关示例:

相关工具: