如何配置ECS在排空旧任务前等待负载均衡健康检查通过？

问题核心是ECS默认部署逻辑仅以「容器进程启动」作为任务运行的判定标准，没有绑定负载均衡的健康检查状态作为任务切流、下线的判断依据，才会出现新任务还没就绪就把旧任务杀掉的流量空窗。按以下步骤配置即可解决：

1. 开启部署时等待目标组健康检查（核心必开） #

在ECS服务的部署配置页，打开等待目标组健康检查开关。开启后ECS不会在新任务刚注册到目标组就立刻注销旧任务，会持续轮询目标组的实例状态，直到新任务被ALB标记为healthy，才会触发旧任务的注销流程，从根源上避免新任务未就绪就切流的问题。

2. 调整部署容量阈值 #

• 将服务部署配置中的最小健康任务百分比设为100%：保证部署全流程中，始终有等同于期望副本数的任务处于可用状态，不会提前下线旧任务腾挪资源。
• 将最大任务百分比设为200%：部署时会先启动等量的新任务副本，等新副本全部通过健康检查后，再批量下线旧副本，全程没有容量缺口。如果集群资源比较紧张，这个值最低不要低于150%，保证至少能先启动1台新副本完成健康校验再推进切流。

3. 对齐多层健康检查规则 #

• 任务定义层面必须配置容器健康检查：不要只靠容器进程启动判定任务就绪，要给容器配置HTTP/TCP类型的健康检查，探测应用的实际就绪端口/健康检查端点（比如/healthz），只有通过容器健康检查的任务，才会被ECS注册到ALB目标组。容器健康检查的启动宽限期要匹配应用实际启动耗时，比如普通Go应用设10-20秒、Java SpringBoot应用设40-60秒即可，不要设太长拖慢部署节奏，也不要设太短导致应用还没启动完就被误判不健康。
• ALB目标组层面调整健康检查阈值：建议设为连续2次检查成功即判定健康、检查间隔15秒，平衡健康判定的准确性和部署速度，避免等待太久拉长部署周期，也不会因为偶发的启动抖动误判状态。

4. 配置优雅下线规则避免在途请求报错 #

• 把ALB目标组的注销延迟设为30-60秒，不要设为0：旧任务从目标组注销时，ALB会在这段时间里停止给旧任务转发新请求，等待旧任务把已经接收的存量请求处理完再断开连接。
• 任务定义里的停止超时时间不要短于注销延迟时长，保证旧任务收到SIGTERM终止信号后，有足够时间处理完存量请求再退出，不会被强制杀掉导致请求5xx。

配置完成后的部署流程会变为：

1. 旧版本任务正常运行承载流量
2. 提交新任务定义后，ECS按最大任务百分比阈值启动新任务
3. 新任务启动完成、通过容器级健康检查后，才会被注册到ALB目标组
4. ALB对新任务做健康探测，直到新任务连续通过检查被标记为健康
5. ECS确认新任务全部可用后，才会把旧任务从目标组注销
6. 等待注销延迟时长结束、旧任务处理完所有在途请求后，再终止旧任务
   全程目标组始终有健康实例承载流量，不会出现1-2分钟的流量中断空窗。

内容的提问来源于stack exchange，提问作者Ian Ling