如何让Pulumi部署AWS Fargate时遇致命健康检查直接终止部署？

问题背景 #

使用Pulumi部署应用到AWS Fargate时，健康部署约10分钟即可完成，但不健康部署会因Fargate反复重启实例，需等待45分钟才判定失败。实际上99%的失败案例在部署后1分钟内就能确认，因此需要健康检查支持三种状态：

• 健康：逐步停止旧版本应用，将全部流量切换至新版本
• 待定：暂无法确定状态，继续等待
• 终止部署：直接终止本次部署，保留旧版本应用处理请求

核心需求：当应用报告「代码已损坏，部署无法成功，请终止」时，Fargate停止重启并终止部署。

当前配置 #

const lb = new awsx.classic.lb.ApplicationLoadBalancer('app-alb', {})

const lbTargetGroup = new awsx.classic.lb.ApplicationTargetGroup(
  'app-targetgroup',
  {
    loadBalancer: lb,
    protocol: 'HTTP',
    port: appConfig.requireNumber('webPort'),
    healthCheck: {
      protocol: 'HTTP',
      path: '/health',
      unhealthyThreshold: 10,
      healthyThreshold: 2,
      timeout: 20,
      interval: 30,
      matcher: '200',
    },
  }
)

解决方案 #

AWS ALB的健康检查matcher本身不支持直接定义三种状态，但可以通过自定义状态码匹配+ECS部署策略配置实现类似逻辑，核心是用不同HTTP状态码区分三种状态，再通过健康检查阈值和部署回滚规则快速终止失败部署。

1. 调整应用健康检查接口的状态码返回 #

修改应用的/health接口，按以下规则返回状态码：

• 健康：返回200 OK（表示应用已就绪，可接收流量）
• 待定：返回429 Too Many Requests或503 Service Unavailable（表示应用正在启动初始化，暂未就绪但无致命错误）
• 终止部署：返回500 Internal Server Error或自定义5xx状态码（如599，明确表示部署无法成功）

2. 修改Target Group健康检查配置 #

调整健康检查的匹配规则和阈值，快速识别致命错误：

const lb = new awsx.classic.lb.ApplicationLoadBalancer('app-alb', {})

const lbTargetGroup = new awsx.classic.lb.ApplicationTargetGroup(
  'app-targetgroup',
  {
    loadBalancer: lb,
    protocol: 'HTTP',
    port: appConfig.requireNumber('webPort'),
    healthCheck: {
      protocol: 'HTTP',
      path: '/health',
      // 匹配健康（200）和待定（429/503）状态码
      matcher: '200,429,503',
      // 连续2次返回非匹配状态（即500/599等）就标记为不健康
      unhealthyThreshold: 2,
      healthyThreshold: 2,
      timeout: 20,
      // 缩短检查间隔，加快状态识别
      interval: 10,
    },
  }
)

3. 配置ECS服务的部署回滚策略 #

在ECS服务配置中添加部署控制和回滚规则，确保检测到不健康实例时自动终止部署并回滚到旧版本：

const ecsService = new awsx.ecs.FargateService('app-service', {
  cluster: cluster, // 替换为你的ECS集群实例
  taskDefinition: taskDef, // 替换为你的任务定义实例
  loadBalancers: [{
    targetGroup: lbTargetGroup,
    containerName: 'app-container', // 替换为你的容器名称
    containerPort: appConfig.requireNumber('webPort'),
  }],
  deploymentConfiguration: {
    maximumPercent: 200, // 允许同时运行新旧版本实例，保证更新过程中服务不中断
    minimumHealthyPercent: 100, // 确保旧版本实例始终保持健康可用
  },
  rollbackConfiguration: {
    rollbackTrigger: {
      type: 'ECS_SERVICE_DEPLOYMENT_FAILURE',
      threshold: 1, // 只要出现1次部署失败就触发回滚
    },
  },
})

逻辑说明 #

• 健康状态：应用返回200，健康检查通过，ECS会逐步替换旧实例，完成流量切换。
• 待定状态：应用返回429/503，健康检查仍视为有效状态，ECS会继续等待，不会重启实例，直到应用就绪或转为致命状态。
• 终止部署：应用返回500/599（不在matcher列表中），连续2次检查失败后标记为不健康，ECS触发部署失败，自动回滚到旧版本，停止重启新实例，旧版本继续处理请求。

内容的提问来源于stack exchange，提问作者Drathier