在Java全量垃圾回收前重启Fargate任务的实现方案

方案一：CloudWatch告警+ECS原生自动恢复（推荐） #

这是AWS原生无代码方案，适合快速落地：

• 开启ECS服务自动恢复
  进入ECS控制台，找到目标服务，在「服务配置」的「自动恢复」模块，开启功能并设置触发条件为「任务被CloudWatch告警标记为不健康」。
• 创建内存使用率告警
  1. 打开CloudWatch控制台，进入「告警」>「创建告警」
  2. 选择指标：在ECS指标分类下，定位到目标集群、服务的MemoryUtilization指标（Fargate默认上报的任务内存使用率）
  3. 设置阈值规则：配置当指标**连续1个周期（建议1分钟）超过75%**时触发告警
  4. 绑定告警动作：将告警关联到ECS服务的自动恢复机制，或配置SNS通知+ECS任务重启权限，确保告警能触发任务重启。

方案二：自定义逻辑+Lambda函数（适配健康任务筛选） #

如果需要精准只重启健康任务（排除已处于不健康状态的任务），可以用Lambda实现自定义逻辑：

• 依赖指标：直接复用CloudWatch默认的MemoryUtilization指标即可，无需额外采集
• 编写Lambda函数核心逻辑
  1. 接收CloudWatch告警的触发事件，解析目标ECS集群、服务信息
  2. 调用ECS API listTasks获取目标服务下所有运行中任务
  3. 调用describeTasks检查任务状态：筛选出lastStatus=RUNNING且healthStatus=HEALTHY的健康任务
  4. 对内存使用率超过75%的健康任务，调用stopTask接口停止任务，ECS服务会自动启动新任务补位
• 配置告警触发Lambda：将CloudWatch告警的动作设置为触发该Lambda，同时给Lambda角色配置ECS的listTasks、describeTasks、stopTask权限。

关键注意事项 #

• 阈值与周期：75%的阈值要结合业务实际调整，周期设为1分钟可减少误触发
• 服务容灾：确保ECS服务的「期望任务数」配置合理，停止旧任务后新任务能快速启动，避免业务中断
• 权限校验：确认CloudWatch告警角色、Lambda角色拥有对应的ECS操作权限，避免因权限不足导致无法触发重启
• 验证测试：设置完成后，可通过模拟内存占用升高的场景，验证告警触发、任务重启流程是否正常

内容的提问来源于stack exchange，提问作者stackhouse