假设 EC2 实例上的 nginx 崩溃了。该实例运行正常，CloudWatch 指标也很好，但服务器上托管的所有域现在都处于“连接被拒绝”状态。
这似乎是一个非常基本的功能 - 监控以确保网站返回 200。这在 CloudWatch 中吗？我认为有些东西可以curl -s -o /dev/null -w "%{http_code}" http://www.example.org/，如果它没有收到 200 的返回代码（比如连续 5 次），它将触发实例重启和 SNS 通知。
也许我应该在 EC2 实例上运行某些东西，如果某些东西无法访问，它会重新启动 nginx？无论哪种方式，我都很想知道如何使用 AWS 资源执行此操作，这样我甚至可以监控任何站点并启动 SNS。
抱歉，如果我在这里遗漏了一些简单的东西。这似乎很容易搜索到，但我花了几个月的时间才弄清楚。
答案1
这通常是负载均衡器（ALB 或 ELB）可以检测实例上的 Web 服务器是否正在运行，如果没有，您可以通过以下方式触发某些操作云监控. 同样，通常情况下，通过Auto Scaling 组。
即使您只需要一个实例，使用 ASG 和 ALB 也是完全正常的。
或者你可以创建自定义 CloudWatch 指标使用实例上安装的 CW 代理。然后您可以报告任何您想要的内容。
希望有帮助:)
答案2
在我看来，因为 Nginx 停止响应而替换实例并不是一个好的工程解决方案。实例替换可能需要几分钟，因此依赖 AWS 来执行此操作将意味着您的服务在此期间处于离线状态，而简单的 Nginx 重新加载只需不到 1 秒的时间。
Nginx 是一项非常非常强大的技术。如果它失败到了你需要 AWS 解决方案来保证可靠性的地步，你可能需要回头看看你的 Nginx 设置。我很感激你想了解 AWS，但我不认为这是一个好的用例。
回答这个问题：在 AWS 中实现站点可靠性的方法有很多种。如果您想使用单个实例来实现这一点并且不需额外付费，我建议您使用 ElasticBeanstalk 作为交钥匙解决方案。它将根据您提供的健康检查应用您需要的所有必要的可靠性机制。您还可以在 ElasticBeanStalk 中利用 Docker，这是所有 SRE 操作的最终目标。