ECS蓝绿部署用ECSAllAtOnce忽略健康检查问题求解

我有一个采用FARGATE启动类型的ECS服务，使用CodeDeploy执行蓝绿部署。当前遇到的问题：

• 使用CodeDeployDefault.ECSAllAtOnce部署配置时，新的绿色目标健康状态不会被校验，即便新实例无响应，部署仍会继续并将流量路由至该实例，导致服务异常。
• 使用CodeDeployDefault.ECSLinear10PercentEvery1Minutes时，健康状态会正常校验，一旦新实例不健康，部署会停止，这符合预期。

需求：实现一次性切换所有实例（类似ECSAllAtOnce的全量切换），同时确保仅在新目标健康时才执行流量切换。

要实现全量切换+健康校验，核心是利用蓝绿部署的健康校验机制，配合目标组和CodeDeploy的配置调整，具体步骤如下：

• 保留蓝绿部署模式：你的模板已使用BLUE_GREEN部署类型和WITH_TRAFFIC_CONTROL选项，这是实现健康校验的基础，无需修改。
• 替换为全量部署配置：直接将DeploymentConfigName改为CodeDeployDefault.ECSAllAtOnce。
• 确保目标组健康检查配置有效：确认TargetGroup1和TargetGroup2配置了合理的健康检查规则（如检查路径、响应码、超时时间等），这是CodeDeploy判断目标健康的核心依据。
• 调整部署就绪等待时间：根据服务启动初始化时长，合理设置DeploymentReadyOption中的WaitTimeInMinutes，确保有足够时间让实例完成健康检查。

EcsService:
  Type: AWS::ECS::Service
  DependsOn:
    - TargetGroup1
    - TargetGroup2
  Properties:
    Cluster: !Ref EnvironmentName
    DeploymentController: 
      Type: CODE_DEPLOY
    DesiredCount: 1
    HealthCheckGracePeriodSeconds: !Ref HealthCheckGracePeriod
    LaunchType: FARGATE
    LoadBalancers: 
      - TargetGroupArn: !Ref TargetGroup1
        ContainerName: !Ref EnvironmentName
        ContainerPort: 8080
    NetworkConfiguration: 
      AwsvpcConfiguration:
          Subnets: [ !Ref PrivateSubnet1, !Ref PrivateSubnet2 ]
          SecurityGroups: [ !Ref ECSHostSecurityGroup ]
          AssignPublicIp: ENABLED
    PlatformVersion: LATEST
    SchedulingStrategy: REPLICA
    ServiceName: !Ref EnvironmentName
    TaskDefinition: !Ref TaskDefinition

CodeDeployDeploymentGroup:
  Type: AWS::CodeDeploy::DeploymentGroup
  DependsOn: EcsService
  Properties:
    ApplicationName: !Ref EnvironmentName
    DeploymentGroupName: !Ref EnvironmentName
    # 替换为全量部署配置
    DeploymentConfigName: CodeDeployDefault.ECSAllAtOnce
    ServiceRoleArn: !GetAtt EcsRoleForCodeDeploy.Arn
    DeploymentStyle:
      DeploymentType: BLUE_GREEN
      DeploymentOption: WITH_TRAFFIC_CONTROL
    BlueGreenDeploymentConfiguration:
      TerminateBlueInstancesOnDeploymentSuccess:
        Action: TERMINATE
        TerminationWaitTimeInMinutes: 0
      DeploymentReadyOption: 
        ActionOnTimeout: STOP_DEPLOYMENT
        # 根据服务启动时长调整等待时间，确保健康检查能完成
        WaitTimeInMinutes: 10
    LoadBalancerInfo:
        TargetGroupPairInfoList:
          - TargetGroups:
            - Name: !Sub ${EnvironmentName}-1
            - Name: !Sub ${EnvironmentName}-2
            ProdTrafficRoute:
              ListenerArns: [ !Ref ALBListenerHTTPS ]
    ECSServices:
      - ServiceName: !Ref EnvironmentName
        ClusterName: !Ref EnvironmentName

• 之前ECSAllAtOnce不校验健康的原因：蓝绿部署模式下，ECSAllAtOnce配置本身不会主动触发健康校验，需要依赖目标组健康检查和CodeDeploy的DeploymentReadyOption配合。线性部署配置会在每批实例启动后等待健康校验，而全量配置需要明确让CodeDeploy等待目标健康后再切换流量。
• 目标组健康检查的作用：CodeDeploy会监听目标组状态，只有当绿色目标组内所有实例都健康时，才会执行流量切换；如果等待超时仍未健康，部署会按ActionOnTimeout设置停止，避免流量路由到异常实例。
• 健康检查宽限期：ECS服务的HealthCheckGracePeriodSeconds需设置合理值，避免服务启动初期就被标记为不健康，确保有足够时间完成初始化。

内容的提问来源于stack exchange，提问作者Alex Harris