如何基于退出码获取已计划的AWS ECS任务失败的指标/警报

Question

我们使用AWS ECS任务与CloudWatch事件/EventBridge计划设置。我们希望基于容器退出代码的失败运行获得度量和通知。

我们原本计划使用使用CloudWatch指标监控用法中的FailedInvocations。

但是，似乎在指标中没有看到非零任务退出代码。在AWS控制台中，已验证ECS任务的退出代码为非零，但指标仅包括“调用”和“触发规则”。我们在设置任务和启动任务所需的缺少策略时曾遇到过FailedInvocations，但似乎非零退出代码不会影响该指标。

是EventBridge只是不提供非零容器退出代码的指标，还是我们在设置中遗漏了某些内容？

我们可以通过任务记录某些错误消息来解决此问题，但退出代码更为通用。

- Touko

---

您可能希望考虑创建一个事件，当任务达到STOPPED时触发该事件，请参见https://dev59.com/qbLma4cB1Zd3GeqPcYvb。 - Tom Harvey

Answer 1

我创建了一个 CW 规则，可以捕获容器停止时触发的事件。

以下是 Python CDK 代码示例，但其中的参数应该可以指导你。

        result_rule = events.Rule(self, 'TaskCompletion%s' % id_suffix,
            event_pattern=events.EventPattern(
                source=["aws.ecs"],
                detail_type=["ECS Task State Change"],
                region=[scope.env.region],
                detail={
                    "lastStatus": ["STOPPED"],
                    "containers":
                        {
                            "name": [container_name]
                        }
                    }
            ),
            targets=[
                targets.SqsQueue(
                    queue=scope.result_queue,
                )
            ]
        )

它会将整个事件上下文发送到SQS队列中（也可以是SNS，你可能需要一个 Lambda 来处理这个过程）。

然后 Lambda 可以从上下文中读取退出代码，并获取：

- 容器/任务名称 - 启动和停止时间 - CPU 和内存配置

这使您可以在退出代码（0或非0）上创建度量标准，还可以报告运行时间指标。

- Tom Harvey

---

这个上下文对一些人来说可能很明显，但值得注意的是：这些事件会在与ECS集群相同的区域上的默认事件总线上到达，您无需配置任何内容即可让ECS发送它们（通常它们会被忽略）。 - undefined