aws(学习笔记第四十九课) ECS集中练习(1)

aws(学习笔记第四十九课) ECS集中练习(1)

• 练习ecs的各种使用方法

学习内容：

• 使用Auto Scaling Group来启动ecs service

---

1. 代码连接和修改

1.1 代码链接

ECS集中练习

1.2 ECS的大分类

• EC2 启动模式
  • 显式管理 EC2 实例（如您的 CDK 代码中的 AutoScalingGroup）。
  • 需配置实例类型、AMI、扩展策略等。
  • 适合需要直接控制底层基础设施的场景。
• Fargate 启动模式
  • 完全托管，无需管理 EC2 实例。
  • 按任务资源（vCPU/内存）付费，无需预置容量。
  • 适合无状态服务或快速部署场景。
    

2. 进行各种ecs的练习

2.1 AutoScaling Group的练习

2.1.1 整体架构

2.1.2 代码

class ECSCluster(Stack):def __init__(self, scope: Construct, id: str, **kwargs) -> None:super().__init__(scope, id, *kwargs)vpc = ec2.Vpc(self, "MyVpc",max_azs=2)# 添加 ECS 实例角色ecs_role = iam.Role(self, "EcsInstanceRole",assumed_by=iam.ServicePrincipal("ec2.amazonaws.com"),managed_policies=[iam.ManagedPolicy.from_aws_managed_policy_name("service-role/AmazonEC2ContainerServiceforEC2Role")])# 替换 AutoScalingGroup 的启动配置为启动模板launch_template = ec2.LaunchTemplate(self, "LaunchTemplate",instance_type=ec2.InstanceType("t2.xlarge"),machine_image=ecs.EcsOptimizedImage.amazon_linux2(),security_group=ec2.SecurityGroup(self, "SG", vpc=vpc),associate_public_ip_address=True,user_data=ec2.UserData.for_linux(),role = ecs_role)asg = autoscaling.AutoScalingGroup(self, "MyFleet",launch_template=launch_template,desired_capacity=3,vpc=vpc,vpc_subnets=ec2.SubnetSelection(subnet_type=ec2.SubnetType.PUBLIC),)cluster = ecs.Cluster(self, 'EcsCluster',vpc=vpc)capacity_provider = ecs.AsgCapacityProvider(self, "AsgCapacityProvider",auto_scaling_group=asg)cluster.add_asg_capacity_provider(capacity_provider)
app = App()
ECSCluster(app, "MyFirstEcsCluster")
app.synth()

主要步骤如下：

• 创建vpc
• 创建ecs的role
  这里是AWS Managed Role即service-role/AmazonEC2ContainerServiceforEC2Role，通过这个role，给ec2赋予需要的ecs权限
• 创建ec2.LaunchTemplate，新的cdk中，创建Auto Scaling Group必须要使用ec2.LaunchTemplate
• 使用ec2.LaunchTemplate创建autoscaling.AutoScalingGroup
• 创建ecs cluster
• 为ecs cluster设定provider，即调用add_asg_capacity_provider

2.2 为cluster添加一个服务

这里，准备好了ecs cluster之后，就相当于准备好了一个计算环境(Compute Environment)，接下来测试下服务。

2.2.1 整体架构

整体架构分为三个大部分：

• Compute Environment
  这部分就是为整个ecs cluster提供计算能力，这里成为compute environment
• Task Definition
  这里，为了提供了服务的静态定义，包括
  • image – 使用哪个镜像
  • momory_limit_mib – 使用多大的计算资源
  • cpu – 使用的虚拟cpu的核数等
• service
  如果让一个service能够真正的动起来，也就是启动起来，光有静态的task definition还是不够的，需要定义service。

2.2.2 代码部分

# 添加测试任务task_definition = ecs.Ec2TaskDefinition(self, "TestTask",network_mode=ecs.NetworkMode.AWS_VPC)task_definition.add_container("TestContainer",image=ecs.ContainerImage.from_registry("nginx:alpine"),  # 使用Nginx测试镜像memory_limit_mib=256,cpu=256,port_mappings=[ecs.PortMapping(container_port=80)])service = ecs.Ec2Service(self, "TestService",cluster=cluster,task_definition=task_definition,desired_count=1,)

2.3 为ecs service添加一个elb (elastic loader balancer)

2.3.1 整体架构

2.3.2 Elastic Loader Balancer代码

 # 创建负载均衡器lb = elbv2.ApplicationLoadBalancer(self, "ServiceLB",vpc=vpc,internet_facing=True)# 添加监听器listener = lb.add_listener("Listener", port=80)listener.add_targets("ECSTarget",port=80,targets=[service])# 输出 URLCfnOutput(self, "ServiceEndpoint",value=f"http://{lb.load_balancer_dns_name}",description="Nginx Service URL")

2.4 整体执行代码

cd your_own_dir/python/ecs/cluster
python -m venv .venv
source .venv/Scripts/activate
pip install -r requirements.txt
cdk --require-approval never deploy

因为ServiceEndpoint已经作为cdk的CfnOutput输出了，所以可以确认自己的service endpoint url。

2.5 cleanup

cdk destroy