ECS Service资源部署失败：CloudFormation栈超时问题排查求助

以下是针对该问题的具体排查步骤：

1. 定位任务失败的核心原因 #

CloudFormation栈超时本质是ECS服务无法维持稳定运行的任务，优先获取任务停止的具体原因：

• 登录ECS控制台，找到失败的任务，查看「停止原因」字段，这是最直接的故障线索。
• 或使用AWS CLI查询任务详情：

  aws ecs describe-tasks --cluster <你的ECS集群名> --tasks <失败任务的ARN>
  

  常见停止原因：镜像拉取失败、IAM权限不足、资源配额耗尽、端口冲突、健康检查不通过、网络连通性问题。

2. 验证网络与IAM权限配置 #

• 安全组与子网：
  • 确认任务定义关联的安全组允许出站443端口（拉取ECR镜像必需），以及对应Nginx监听端口的入站流量（供ALB访问）。
  • 若使用Fargate模式，检查子网的公网访问能力：私有子网需关联NAT网关，公有子网需开启「自动分配公网IP」。
• 任务执行角色：
  确保ECS任务执行角色已附加AmazonECSTaskExecutionRolePolicy托管策略；若使用自定义策略，必须包含ecr:GetDownloadUrlForLayer、ecr:BatchGetImage、ecr:BatchCheckLayerAvailability权限，否则无法拉取ECR镜像。

3. 检查资源配额与健康配置 #

• 资源限制：
  • 若为EC2模式，检查集群内EC2实例的剩余CPU/内存是否满足任务定义的配置；若为Fargate模式，确认任务的CPU和内存组合符合Fargate规格（比如0.25vCPU对应0.5-2GB内存）。
• 健康检查：
  验证目标组的健康检查配置是否匹配Nginx实际状态：默认Nginx监听80端口，健康检查路径设为/，超时、间隔时间设置合理，避免因健康检查失败导致服务反复重启任务。

4. 核对ECS服务的CloudFormation配置 #

• 基础配置匹配：
  确认服务的LaunchType（Fargate/EC2）与任务定义的网络模式一致（Fargate必须使用awsvpc模式）。
• 负载均衡关联：
  检查LoadBalancers字段的目标组ARN、容器名称、容器端口是否与任务定义中的配置完全匹配，任何不匹配都会导致任务无法注册到目标组，进而触发服务重启。
• 部署参数：
  确认DesiredCount设置大于0，MinimumHealthyPercent和MaximumPercent配置合理（比如默认100和200，避免滚动更新时资源不足），同时确保服务关联了正确的ECS集群ARN。

5. 验证ECR镜像可用性 #

• 确认dev.json中的Image参数是正确的ECR镜像URI（格式：账号ID.dkr.ecr.区域.amazonaws.com/镜像名:标签）。
• 在具备ECR权限的环境中执行docker pull <镜像URI>，手动验证镜像是否存在且可正常拉取。

6. 调整CloudFormation超时设置 #

如果任务启动耗时较长（比如大镜像拉取），可在ECS服务资源中添加CreationPolicy延长等待时间：

MyECSService:
  Type: AWS::ECS::Service
  Properties:
    # 其他服务属性...
  CreationPolicy:
    ResourceSignal:
      Count: 1
      Timeout: PT15M  # 延长至15分钟

内容的提问来源于stack exchange，提问作者Ram