收到AWS Elastic Beanstalk EnvironmentHealth告警如何排查根因？

收到EnvironmentHealth告警后，可按以下分层逻辑逐步定位根因，无需零散排查全量日志：

• 第一步：先判定异常影响范围
  • 核对告警触发时的异常覆盖范围：如果是单实例/小部分实例异常，优先排查实例本地问题；如果是全环境多实例同步异常，优先排查全局配置、依赖资源、平台侧问题
  • 确认当前健康档位：EB的EnvironmentHealth告警通常由黄色（降级）、红色（严重）档位触发，先排除告警抖动场景——比如实例冷启动阶段的瞬时指标波动导致的短暂越限，这类场景通常1-2分钟内会自动恢复，无持续影响

分场景具体排查路径 #

全环境同步异常场景 #

• 检查近期的配置变更记录：核对告警触发前1小时内，是否做过安全组修改、环境变量更新、应用版本部署、Auto Scaling规则调整，所有变更项逐一回滚验证
• 排查依赖资源状态：检查环境关联的数据库、缓存、外部API调用的连通性，确认是否出现依赖侧权限变更、连接数打满、服务中断问题
• 核对平台侧状态：确认当前部署EB环境的AWS可用区，是否有平台侧服务异常事件
• 检查全局容量阈值：确认Auto Scaling组是否达到最大实例数上限、环境关联的实例类型是否存在持续的资源打满（CPU、内存、磁盘空间）

部分/单实例随机异常场景 #

• 登录异常实例查看实时状态：核对应用进程是否正常运行、健康检查端点的本地响应是否正常，直接在实例内本地调用健康检查路径，确认响应码、响应延迟是否符合ELB健康检查要求
• 查看实例本地日志：优先检查EB内置的诊断日志目录、应用运行日志目录，定位是否有进程崩溃、OOM触发、磁盘写满等本地异常
• 核对实例生命周期状态：确认新启动的弹性伸缩实例，是否在应用还未完成冷启动、服务未就绪时，就被健康检查判定为异常，导致实例反复被终止重启

无明确异常实例但健康持续降级场景 #

• 核对ELB健康检查配置：确认健康检查的探测路径、超时阈值、间隔配置是否合理，是否因为阈值设置过短，导致应用正常响应被判定为异常
• 检查应用性能指标：查看平均请求延迟、请求错误率，确认是否存在请求堆积、下游依赖超时导致的健康得分持续被扣减
• 核对监控采集端状态：确认实例上的CloudWatch监控代理是否正常运行，是否因为采集中断导致健康指标计算偏差

快速排查操作指令：

• 查看全环境详细健康明细：执行eb health --view detailed，可直接看到每个实例触发健康扣分的具体指标，跳过无目标的全量日志排查
• 快速接入异常实例查看实时日志：执行eb ssh <异常实例标识> --logs，可直接拉取实例近期的运行日志，无需手动登录控制台操作

内容的提问来源于stack exchange，提问作者Ravi M