如何自动处理EC2实例上的SSM Agent故障？

RHEL系统实现方式 #

方法1：修改systemd服务配置**（推荐）** #

RHEL 7及以上版本基于systemd管理服务，直接修改SSM Agent的服务配置，即可让systemd自动监控并重启服务：

1. 编辑SSM Agent的systemd服务文件：

   sudo vi /etc/systemd/system/multi-user.target.wants/amazon-ssm-agent.service
   

2. 在[Service]段添加以下配置：

   Restart=always
   RestartSec=5
   StartLimitInterval=0
   

   • Restart=always：无论服务因何原因停止，都会自动重启
   • RestartSec=5：服务停止后等待5秒再重启
   • StartLimitInterval=0：取消重启次数限制
3. 重新加载systemd配置并重启服务：

   sudo systemctl daemon-reload
   sudo systemctl restart amazon-ssm-agent
   

4. 验证配置生效：

   sudo systemctl show amazon-ssm-agent | grep Restart
   

方法2：使用cron定期检查（备用） #

如果不想修改systemd配置，可以设置cron任务定期检查服务状态，停止则重启：

1. 创建检查脚本/usr/local/bin/check_ssm_agent.sh：

   #!/bin/bash
   SERVICE_NAME="amazon-ssm-agent"
   if ! systemctl is-active --quiet $SERVICE_NAME; then
       systemctl start $SERVICE_NAME
       logger "SSM Agent was stopped, restarted at $(date)"
   fi
   

2. 赋予脚本执行权限：

   sudo chmod +x /usr/local/bin/check_ssm_agent.sh
   

3. 添加cron任务，每分钟执行一次：

   sudo crontab -e
   

   添加一行：

   * * * * * /usr/local/bin/check_ssm_agent.sh
   

Windows系统实现方式 #

方法1：配置服务恢复选项**（推荐）** #

利用Windows服务本身的恢复功能，设置服务停止时自动重启：

1. 打开服务控制台（运行services.msc）
2. 找到Amazon SSM Agent服务，右键选择属性
3. 切换到恢复标签页：
   • 第一次失败：选择重启服务，设置重启延迟为0分钟
   • 第二次失败：选择重启服务
   • 后续失败：选择重启服务
   • 重置失败计数为：1天
4. 点击应用和确定保存配置

方法2：使用任务计划程序监控（备用） #

通过任务计划程序创建触发任务，当服务停止时执行重启命令：

1. 打开任务计划程序，点击创建任务
2. 常规标签：命名任务（如Restart SSM Agent When Stopped），勾选不管用户是否登录都要运行，选择使用最高权限运行
3. 触发器标签：点击新建，选择事件，设置：
   • 日志：System
   • 来源：Service Control Manager
   • 事件ID：7036（服务停止事件）
   • 在事件描述中包含：Amazon SSM Agent
4. 操作标签：点击新建，选择启动程序，程序/脚本填写：

   sc.exe
   

   添加参数：

   start "Amazon SSM Agent"
   

5. 条件和设置标签保持默认，点击确定完成创建

上述方案可确保SSM Agent在故障停止时自动重启，持续保持运行状态。

内容的提问来源于stack exchange，提问作者Diksha Agnihotri