AWS: 云上侦探手册,七步排查ALB与EC2连接疑云

今天，咱们来聊一个对于许多刚接触AWS的运维同学来说，既常见又有点头疼的话题：如何优雅地排查和解决AWS上ALB（Application Load Balancer）暴露EC2服务时遇到的种种疑难杂症。

最近，我刚帮一个朋友解决了类似的问题，他遇到的坑，我相信许多aws韵味朋友可能也踩过。结合他的案例和我的经验，我整理出了一套清晰的故障定位思路和关键检查点。希望这篇文章能成为大家云上运维工具箱里的一件利器。

从宏观到微观：理解ALB的工作流

在深入细节之前，我们先来建立一个全局视野。当一个用户通过互联网访问我们的服务时，请求的旅程是怎样的？下图清晰地展示了从用户到EC2服务的完整路径，以及我们接下来要讨论的关键检查点。

这个流程图就像一张地图，当我们遇到“服务访问不了”这类问题时，按图索骥，逐一排查，就能快速定位问题所在。

故障排查实战：七个关键检查点

下面，我们来详细拆解朋友总结的七个关键点，这也是一套行之有效的故障排查清单。

1. EC2安全组：为服务敞开对内的大门

很多新手或懒鬼会下意识地把EC2安全组的入站规则设置为对所有IP（0.0.0.0/0）开放，这虽然能让服务跑起来，但存在巨大的安全隐患。

正确的做法是，EC2实例的安全组（Security Group）应该只允许来自ALB所在安全组的流量。这是一个最小权限原则的最佳实践。

• 如何配置：

  1. 找到我们的ALB，记下它的安全组ID（例如 sg-alb12345）。
  2. 进入我们的EC2实例的安全组配置页面。
  3. 添加入站规则：
     • 类型/协议： 选择我们的服务使用的协议和端口（例如，HTTP/80端口，或我们自定义的8080端口）。
     • 源： 选择“自定义”，然后输入ALB的安全组ID sg-alb12345。

• 常见错误： 源地址错误地配置为ALB的公网IP。请记住，ALB与EC2之间是通过私有IP通信的，并且ALB节点的IP可能会变化，因此引用安全组是最稳定可靠的方式。

2. ALB安全组：对外开放服务的窗口

与EC2安全组的“对内”不同，ALB的安全组需要“对外”，即允许来自最终用户的访问。

• 如何配置：

  • 入站规则：
    • 类型/协议： 通常是HTTP（80端口）和/或HTTPS（443端口）。
    • 源： 一般设置为 0.0.0.0/0，表示允许来自任何互联网用户的访问。如果我们的服务只对特定IP开放，可以在这里做限制。
  • 出站规则： 默认情况下，出站规则是允许所有流量，这通常不需要修改。

• 实用建议： 将ALB的安全组和EC2的安全组分开管理，职责清晰，一个负责对外，一个负责对内，能有效降低配置错误的风险。

3. 健康检查：ALB的“听诊器”

ALB通过健康检查来判断后端的EC2实例是否“活蹦乱跳”且能正常处理请求。如果健康检查失败，ALB会认为该实例“不健康”（Unhealthy），并停止向其转发流量。

• 关键配置项：

  • 协议（Protocol）： 应与我们的目标组协议一致。
  • 端口（Port）： 应该是我们EC2上服务真正在监听的端口。
  • 路径（Path）： ALB会向这个路径发送GET请求。我们需要确保这个URL能返回HTTP 200状态码。很多Web框架默认的 / 路径可能包含复杂的业务逻辑或重定向，建议专门为健康检查创建一个简单的路径，如 /health 或 /ping，它只需直接返回一个200 OK即可。
  • 成功代码（Success codes）： 默认是200。如果我们的健康检查接口返回其他成功码（如200-299），需要在这里修改。

• 排查技巧： 如果目标组中的实例持续处于unhealthy状态，可以直接从一台能访问该EC2的机器上（比如同一VPC下的另一台EC2），使用curl -v http://<EC2-私有IP>:<端口>/<健康检查路径>命令来模拟健康检查，查看返回的状态码和内容是否符合预期。

4. 健康检查的耐心：了解初始化时间

“为什么我的实例明明启动了，却一直是unhealthy？” 这是一个非常常见的问题。ALB将一个新注册的实例判定为“健康”需要一个过程。

• 相关配置：
  • 检查间隔（Interval）： 两次健康检查之间的间隔时间（默认30秒）。
  • 超时（Timeout）： 每次检查等待响应的最长时间（默认5秒）。
  • 健康阈值（Healthy threshold）： 实例从不健康变为健康，需要连续成功的检查次数（默认5次）。

计算一下：Interval * Healthy threshold = 30s * 5 = 150s。也就是说，在理想情况下，一个新实例至少需要2.5分钟才能被标记为健康。如果中间有一次失败，时间会更长。

• 实用建议： 在服务部署或变更后，请保持耐心。先去喝杯咖啡，再回来看状态。如果几分钟后依然不健康，再根据上一条的技巧进行排查。对于需要快速启动的应用，可以适当调低这些参数，但要小心过于频繁的检查给应用带来压力。

5. 目标组协议：与后端服务的“暗号”

ALB的目标组（Target Group）定义了流量将如何被转发到后端EC2。这里的协议和端口必须与我们EC2上实际运行的服务监听的协议和端口完全匹配。

• 常见场景：

  • 用户通过HTTPS访问ALB，ALB终止SSL，然后通过HTTP将请求转发给后端EC2。这时，ALB监听器是HTTPS:443，而目标组协议是HTTP:80（或8080等）。
  • 端到端加密，ALB和EC2之间也使用HTTPS。这时，目标组协议需要配置为HTTPS，并且EC2上需要配置好证书。

• 错误案例： 后端服务监听的是8080端口，但目标组里填写的端口是80。后端服务监听的是http端口，但目标组里填写的协议是https。这种“暗号”对不上的情况，流量自然无法送达。

6. 证书与域名：HTTPS的“身份证”

如果我们使用HTTPS监听器，ALB需要绑定一个SSL/TLS证书。这个证书必须与用户访问的域名完全匹配，否则浏览器会报“NET::ERR_CERT_COMMON_NAME_INVALID”之类的安全警告。

• 最佳实践：
  • 使用AWS Certificate Manager (ACM) 来免费申请和管理我们的SSL证书。
  • 确保证书覆盖了我们的主域名（example.com）和需要的子域名（如 www.example.com）。使用通配符证书（*.example.com）可以简化管理。
  • 当证书即将过期时，如果使用的是ACM管理的公有证书，ACM会自动续订，非常省心。

7. 域名解析与Host头：测试的捷径

在服务部署的最后一步，我们需要将我们的域名通过DNS解析到ALB的DNS名称上（通常是CNAME记录）。

• 快速测试技巧： DNS解析在全球生效需要一些时间。如果想立即测试，有两种方法：

  1. 修改本地hosts文件： 在我们的电脑上，将ALB的IP地址和我们想要测试的域名绑定。
  2. 使用curl的--resolve或Host头： 这是一种更优雅的方式，无需修改系统文件。我们可以直接指定域名与IP的解析关系，或者通过Host头来模拟特定域名的访问。

  # 使用Host头，<ALB_DNS_NAME>是ALB的地址
  curl -H "Host: your-domain.com" http://<ALB_DNS_NAME>/path
  
  # 或者，如果知道ALB的某个IP
  curl --resolve "your-domain.com:80:123.45.67.89" http://your-domain.com/path
  

  这个技巧在排查基于域名的路由规则时尤其有用。

总结

排查ALB与EC2的通信问题，本质上是一个抽丝剥茧、由外及里的过程。从用户DNS查询开始，到ALB的监听器和安全组，再到目标组的健康检查和协议配置，最后落到EC2实例自身的安全组和应用服务。

记住这七个关键检查点，下次再遇到“网站打不开”的紧急工单时，相信大家一定能更有条理，从容不迫地定位并解决问题。

希望这篇文章对大家有帮助！如果大家有其他问题或者独到的经验，欢迎在评论区分享交流！