如何配置ECS任务失败告警：部署时失败超5次才触发通知

方案一：基于CloudWatch原生指标告警（最简便） #

ECS内置了TaskFailedCount指标，专门统计因异常原因退出的任务（正常部署替换的任务不会被计入）。直接用这个指标配置告警：

• 进入CloudWatch控制台，创建告警，选择ECS命名空间下的TaskFailedCount指标，维度指定你的ClusterName和ServiceName
• 统计方式选择Sum，周期设为5分钟，阈值条件设为>=5
• 配置通知目标（SNS、邮件等），当指定周期内异常失败任务数达到5次时触发告警

方案二：优化EventBridge规则（精准过滤+计数触发） #

如果你想继续用EventBridge，通过过滤正常停止事件+计数条件解决误报：

• 修改现有EventBridge规则的事件模式，添加过滤条件：只捕获detail.lastStatus = STOPPED且detail.stopReason包含异常原因的事件（比如EssentialContainerExited、ContainerRuntimeError、HealthCheckFailed等，排除TaskStoppedByDeployment、TaskStoppedByUser这类正常停止原因）
• 在规则的触发设置中，开启“事件计数阈值”，设置为5分钟内收到至少5个匹配事件才触发通知
• 目标保持原有通知渠道即可，这样正常部署替换任务的事件会被过滤掉，只有连续异常失败达到次数才告警

方案三：辅助优化ECS部署配置（减少不必要的任务波动） #

配合调整ECS服务的部署参数，降低正常部署时的任务启停频率：

• 调整服务的最小健康百分比和最大百分比，比如设为100和200，确保部署期间旧任务不会提前停止，直到新任务健康后才替换
• 开启部署循环等待，让新任务完成健康检查后再继续部署下一批

以上方案均无需编写Lambda代码，直接通过AWS控制台配置即可实现需求，维护成本更低。

内容的提问来源于stack exchange，提问作者Sanskar Arya