Terraform配置SQS步骤伸缩遇CloudWatch告警无数据问题

核心问题分析 #

1. CloudWatch告警维度错误 #

SQS的ApproximateNumberOfMessagesVisible指标仅支持QueueName作为维度，你在告警配置中额外添加了autoscaling_group_name维度，这会导致CloudWatch无法匹配到正确的SQS指标数据，直接触发“数据不足”的状态。

2. 缩容策略调整类型不匹配 #

缩容策略使用了ExactCapacity类型，该类型会将ASG的容量直接设置为指定数值，但你的步骤调整中scaling_adjustment =1，意味着无论当前实例数多少，都会强制缩到1台，逻辑不符合“基于队列消息数动态缩容”的需求，且可能导致意外的容量变更。

3. 队列名称不一致 #

扩容告警的QueueName为queuename，缩容告警的为queue-name，如果实际队列名称与其中一个不匹配，对应告警将无法获取到队列的消息数据。

4. 缩容步骤调整逻辑异常 #

缩容策略的步骤调整中metric_interval_upper_bound =0，意味着只有当队列消息数小于0时才会触发，但消息数不可能为负，该条件永远无法满足，缩容策略不会生效。

修复后的配置代码 #

resource "aws_autoscaling_policy" "agents-scale-up" {
  name                   = "stepuppolicy"
  adjustment_type        = "ChangeInCapacity"
  policy_type            = "StepScaling"
  metric_aggregation_type = "Average"
  autoscaling_group_name = aws_autoscaling_group.test.name

  step_adjustment {
    scaling_adjustment        = 1
    metric_interval_lower_bound = 0
    metric_interval_upper_bound = 180
  }
  step_adjustment {
    scaling_adjustment        = 5
    metric_interval_lower_bound = 180
    # 移除上边界，覆盖大于180的所有情况
  }
}

resource "aws_autoscaling_policy" "agents-scale-down" {
  name                   = "stepdownpolicy"
  adjustment_type        = "ChangeInCapacity" # 修改为增量调整类型
  policy_type            = "StepScaling"
  autoscaling_group_name = aws_autoscaling_group.test.name

  step_adjustment {
    scaling_adjustment        = -1 # 设置为负数，代表减少实例
    metric_interval_upper_bound = 100 # 匹配缩容告警的阈值
  }
}

resource "aws_cloudwatch_metric_alarm" "memory-high" {
  alarm_name          = "scaleup"
  comparison_operator = "GreaterThanThreshold"
  evaluation_periods  = "2"
  metric_name         = "ApproximateNumberOfMessagesVisible"
  namespace           = "AWS/SQS"
  period              = "300"
  statistic           = "Average"
  threshold           = "100"
  unit                = "Count"
  alarm_description   = "scale-up"
  alarm_actions       = [aws_autoscaling_policy.agents-scale-up.arn]
  
  # 移除多余的autoscaling_group_name维度，统一队列名称
  dimensions = {
    QueueName = "queuename" # 替换为实际的SQS队列名称
  }
}

resource "aws_cloudwatch_metric_alarm" "memory-low" {
  alarm_name          = "scaledown"
  comparison_operator = "LessThanOrEqualToThreshold"
  evaluation_periods  = "2"
  metric_name         = "ApproximateNumberOfMessagesVisible"
  namespace           = "AWS/SQS"
  period              = "300"
  statistic           = "Average"
  threshold           = "50" # 建议设置低于扩容阈值的数值，避免频繁扩缩容震荡
  unit                = "Count"
  alarm_description   = "scale-down"
  alarm_actions       = [aws_autoscaling_policy.agents-scale-down.arn]
  
  # 移除多余的autoscaling_group_name维度，统一队列名称
  dimensions = {
    QueueName = "queuename" # 与扩容告警保持一致的队列名称
  }
}

额外优化建议 #

• 扩缩容阈值设置差值：建议缩容阈值（如50）低于扩容阈值（如100），避免队列消息数在阈值附近波动时触发频繁的扩缩容操作。
• 扩容策略移除上边界：原扩容策略中最后一个步骤设置了360的上边界，若消息数超过360将不会触发任何扩容，建议移除该上边界，覆盖所有大于180的场景。
• 验证指标数据：修复配置后，可在CloudWatch控制台查看ApproximateNumberOfMessagesVisible指标的图表，确认是否能正常获取到队列的消息数据。

内容的提问来源于stack exchange，提问作者rahuls_