ELB Fargate部署零停机求助：新旧任务IP切换致502/504错误

问题根源 #

你当前的问题核心在于手动注册Target Group的方式不匹配ECS与ELB的原生协作逻辑，后续调整健康检查后又未配置合理的部署策略，导致新旧任务切换时出现流量断档。

零停机的具体解决方案 #

1. 放弃手动注册脚本，改用ECS服务自动关联Target Group #

这是最省心也最可靠的方案，ECS原生支持自动管理任务在Target Group中的注册与注销：

• 在ECS服务的配置页面（或CloudFormation模板）中，直接关联你的Target Group ARN
• 确保任务定义的networkMode为awsvpc（你已配置），容器端口和Target Group的健康检查端口保持一致
• 这种模式下，ECS会自动执行流程：启动新任务 → 等待新任务通过健康检查 → 再终止旧任务，完全避免停机

2. 优化Target Group健康检查参数 #

调整健康检查配置，让新任务更快进入健康状态，同时防止旧任务被快速标记为不健康：

• 健康检查路径：使用应用的就绪检查端点（比如/health），不要用默认根路径，确保能准确判断应用是否真的可以处理请求
• 健康检查间隔：从默认30秒改为5-10秒，缩短等待周期
• 健康阈值：设为2次（默认5次），让新任务更快被标记为健康
• 不健康阈值：设为2-3次，避免旧任务刚出现波动就被踢除
• 超时时间：设为3-5秒，匹配应用的实际响应速度

3. 配置ECS服务的滚动更新策略 #

通过ECS服务的部署参数，保证更新期间始终有健康任务处理流量：

• 最小健康百分比：保持100%（默认值），确保更新过程中可用任务数不低于原数量
• 最大百分比：设为200%（默认值），允许同时运行新旧任务，直到新任务完全就绪
• 这样ECS会先扩容启动新任务，等新任务通过健康检查后，再逐步终止旧任务，实现无缝切换

4. 若必须保留手动注册脚本，调整逻辑 #

如果因为特殊需求必须用手动脚本，要修改流程确保新任务就绪后再注销旧任务：

• 不要只取taskArns[0]，要获取所有新部署的任务IP
• 注册新IP后，轮询等待其健康状态变为Healthy，再执行旧IP的注销操作
• 示例轮询脚本：

# 注册新IP后，等待其健康
while true; do
  HEALTH_STATUS=$(aws elbv2 describe-target-health --target-group-arn "$AWS_TARGET_GROUP_ARN" --targets Id=$TASK_IP,Port=3000 --query "TargetHealthDescriptions[0].TargetHealth.State" --output text)
  if [ "$HEALTH_STATUS" = "healthy" ]; then
    echo "新任务已就绪，开始注销旧任务IP"
    # 此处添加注销旧任务IP的命令
    break
  fi
  echo "新任务未就绪，当前状态：$HEALTH_STATUS，等待5秒后重试"
  sleep 5
done

额外注意点 #

• 确保应用的健康检查端点（比如/health）在所有依赖服务（数据库、缓存等）就绪后才返回成功，否则健康检查通过但应用实际无法处理请求
• 检查ELB的闲置连接超时设置，避免因连接超时导致504错误
• 优化应用启动速度，减少新任务进入健康状态的等待时间

内容的提问来源于stack exchange，提问作者Rohít Jíndal