AWS实例调度器搭配Auto Scaling Groups：自动停机防实例终止方案问询

我之前在开发环境里也碰到过完全一样的痛点——用Instance Scheduler自动停实例，结果ASG一检测到实例不健康就直接给终止了，手动暂停ASG完全违背了自动化调度的初衷。下面是几个我实际验证过的自动化解决方案，全程无需手动干预：

方案1：直接让Instance Scheduler管理Auto Scaling Group（最推荐） #

如果你的核心需求是非工作时间停止所有实例、工作时间恢复，其实没必要单独调度EC2实例，直接把调度目标改成ASG就行：

• 删掉原来针对单个EC2实例的调度规则，新建针对目标ASG的调度配置。
• Instance Scheduler会在非工作时间自动将ASG的DesiredCapacity和MinSize设为0，这样ASG不会尝试维持实例数量，自然不会触发不健康实例替换。
• 工作时间到来时，调度器会把这两个值恢复到你预设的数值，ASG会自动启动对应数量的实例（如果之前的实例只是停机没被终止，也会优先启动它们）。

这个方案最省心，完全利用Instance Scheduler的原生能力，不需要额外写代码。

方案2：用Lambda+EventBridge联动，动态暂停/恢复ASG的不健康替换进程 #

如果你的需求是保留停机的实例（而不是让ASG重新创建），可以通过自动化脚本在实例启停时调整ASG的进程：

步骤1：编写两个Lambda函数 #

暂停ASG的ReplaceUnhealthy进程（实例停机时触发）

import boto3

asg_client = boto3.client('autoscaling')

def lambda_handler(event, context):
    # 从EventBridge事件中获取停机的实例ID
    instance_id = event['detail']['instance-id']
    
    # 查询实例所属的ASG
    asg_response = asg_client.describe_auto_scaling_instances(InstanceIds=[instance_id])
    if not asg_response['AutoScalingInstances']:
        return {"status": "success", "message": "Instance not part of any ASG"}
    
    asg_name = asg_response['AutoScalingInstances'][0]['AutoScalingGroupName']
    
    # 暂停ReplaceUnhealthy进程
    asg_client.suspend_processes(
        AutoScalingGroupName=asg_name,
        ScalingProcesses=['ReplaceUnhealthy']
    )
    return {"status": "success", "message": f"Suspended ReplaceUnhealthy for ASG {asg_name}"}

恢复ASG的ReplaceUnhealthy进程（实例启动时触发）

import boto3

asg_client = boto3.client('autoscaling')

def lambda_handler(event, context):
    instance_id = event['detail']['instance-id']
    
    asg_response = asg_client.describe_auto_scaling_instances(InstanceIds=[instance_id])
    if not asg_response['AutoScalingInstances']:
        return {"status": "success", "message": "Instance not part of any ASG"}
    
    asg_name = asg_response['AutoScalingInstances'][0]['AutoScalingGroupName']
    
    # 恢复ReplaceUnhealthy进程
    asg_client.resume_processes(
        AutoScalingGroupName=asg_name,
        ScalingProcesses=['ReplaceUnhealthy']
    )
    return {"status": "success", "message": f"Resumed ReplaceUnhealthy for ASG {asg_name}"}

步骤2：配置EventBridge触发规则 #

• 停机触发规则：创建规则匹配EC2 Instance State-change Notification，状态选择stopping，目标设置为上面的暂停Lambda。
• 启动触发规则：创建规则匹配EC2 Instance State-change Notification，状态选择starting，目标设置为恢复Lambda。

步骤3：给Lambda配置权限 #

确保Lambda的执行角色拥有以下权限：

• autoscaling:DescribeAutoScalingInstances
• autoscaling:SuspendProcesses
• autoscaling:ResumeProcesses

方案3：自定义ASG健康检查逻辑 #

如果不想修改ASG进程，也可以调整健康检查的触发条件：

• 把ASG的EC2健康检查HealthCheckGracePeriod设置为非工作时间的总时长（比如12小时），这样在停机期间ASG不会立即判定实例不健康。
• 或者使用CloudWatch告警作为ASG的自定义健康检查，只在工作时间启用告警规则；非工作时间自动禁用告警，ASG就不会收到不健康信号。

这个方案灵活性稍差，适合非工作时间固定的场景。

内容的提问来源于stack exchange，提问作者hhh0505