如何在CloudWatch中使用ELB的HealthyHostCount进行监控？

Question

我们有三个EC2实例 - 在eu-west-1区域的每个可用区（AZ）中有一个。 它们使用ELB进行负载平衡。 我们想要使用CloudWatch监控在负载均衡器上注册的实例数量。 问题是：我真的不了解HealthyHostCount指标。

对于部署，我们希望能够在不通知的情况下取消注册单个实例（将其从LB中取出）。 因此警报将是：通知负载均衡器后面是否只有1个健康实例持续5分钟。

据我所知， HealthyHostCount （HHC）是在给定的ELB中注册的健康实例的数量，在所有AZ上平均。 如果一切正常，HHC应该是1（无论在什么时间段内），因为每个AZ中有1个实例。

几天前，有人在没有重新注册实例的情况下部署，因此只有一个实例是平衡的。 当我们注意到这一点时，我们创建了一个警报，当5分钟后平均HHC低于0.6时，通知我们。 （如果在ELB中只注册了1个实例，则HHC在任何时间段内应平均为0.33。）但是，警报从未更改为“ALARM”状态。

当我在CloudWatch中检查HHC时，HHC是没有意义的数字（5分钟间隔的总和为现在我记得的全部）。

这对我来说都是一团糟。 每当我认为我理解该指标时，CloudWatch图表对我来说都是胡言乱语。

有人可以解释如何只注册一个实例时如何使用HHC来发出警报？ 平均HHC是走的路还是我应该使用其他指标？

Answer 1

每次执行运行状况检查时， HealthyHostCount指标都会记录一个数据值，其中包含每个可用区的可用主机数。 您的ELB运行状况检查具有Interval参数，该参数定义每分钟执行的运行状况检查数。

如果您正在观看每个AZ指标，健康检查Interval为10秒，并且该AZ中有2个健康主机，您将看到每分钟6个数据点（ 60/10 ），其值为2.平均值，最大值和min将是2，但总和将是6*2=12 。

如果您有3个AZ，每个主机有2个主机，同样Interval = 10，但是您正在查看Per-LB指标，您将看到每分钟3*6=18数据点，每个数据点的值为2。 average，max和min将为2，但总和将为18*2=36

我建议你设置一个可以分为60秒（5,6,10,15,20,30或60秒）的间隔值。

在您的情况下，如果间隔为30秒，并且每个AZ有3个AZ和1个服务器：每分钟每个AZ应该有2个数据点，因此设置每个LB的警报， Period为1分钟，对于Sum of HealthyHostCount当值是LowerOrEqual触发大于2（ 2 data values * 1 Healthy AZ * 1 healthy server = 2 ，不健康AZS的其它4个数据值应该为0，从而它们将不影响总和）。

更新：

事实证明 ，执行的运行状况检查的数量还取决于形成ELB的内部实例的数量（通常每个AZ一个），因此如果您遇到流量峰值或足够的负载以使单个elb-internal-instance饱和，ELB内部服务器的数量将增加，您将意外地拥有更多数据点。 仅当您有大量流量时，这可能会影响sum值。 我没有看到这个问题，在3个AZ中分配了6k RPM的峰值负载。 如果这是你的情况，那么使用average是一个更安全的赌注，但我建议你使用LowerThan 0.65作为你的门槛。

该链接还让我想知道Cross-Zone Load Balancing功能如何影响数据点的数量......

Answer 2

这是CloudWatch Web控制台不会公开云监视可以执行的所有操作的区域。 正如文档所解释的， HealthyHostCount是每个可用区域度量标准。 控制台允许您按可用区域（但跨所有负载均衡器）或负载均衡器（但跨所有区域）拥有HealthHostCount，但不能双向切片。

如果您只有一个负载均衡器，最简单的方法是在每个区域度量标准上设置一个警报。 如果您有多个可用区域，那么您应该能够使用api在可用区域和负载均衡器之间创建警报切片（同样，每个负载均衡器有一个警报），但是就我而言，您无法从Web UI执行此操作知道。