亚马逊云美金充值 AWS Spot Instances 实战教程:如何为可容错计算工作负载降低成本并避免中断损失
搜索“AWS Spot Instances 实战:降低可容错计算工作负载成本”的用户,通常不是想知道 Spot 是什么,而是正在做部署决策:哪些任务适合上 Spot、怎么选实例类型、如何降低被回收带来的影响、怎样在控制台里配置 Auto Scaling 和中断处理,以及如何避免因为价格低而导致任务反复失败。本文直接围绕这些实际问题展开,给出可以落地的操作方法。
先解决决策问题:什么时候该用 Spot,什么时候不要用
如果你的业务满足下面任一条件,优先考虑 AWS Spot Instances:
- 任务可以重试,例如离线渲染、日志分析、CI/CD 构建、批处理、爬虫、AI 训练中的非关键 worker。
- 任务状态可以周期性写入 S3、EFS、数据库或消息队列。
- 计算集群允许部分节点突然退出,只要整体吞吐不明显下降即可。
以下情况不要只用 Spot:
- 单实例承载核心 API 服务,没有冗余。
- 数据库主节点、状态无法迁移的中间件。
- 长事务作业,且没有检查点机制。
| 业务类型 | 是否适合 Spot | 建议方式 |
| 批处理/异步任务 | 适合 | Spot 为主,必要时补 On-Demand |
| Web 应用无状态节点 | 适合 | ALB + Auto Scaling 混合实例策略 |
| 数据库 | 不建议 | 主实例使用 On-Demand 或预留方案 |
| 视频转码 | 适合 | SQS + Spot Worker + 检查点 |
| CI Runner | 适合 | 按任务拉起 Spot 节点 |
用户最容易踩坑的地方,不是买错,而是把“不允许中断”的任务放到 Spot 上,最终成本是降了,但失败重跑和人工干预更贵。
准备工作:账号、权限、网络和镜像提前确认
正式创建前,先确认以下内容,否则会在实例启动、连接或自动扩容阶段报错。
账号与权限要求
需要具备以下 IAM 权限:
- ec2:RunInstances
- ec2:RequestSpotInstances 或通过 Launch Template 创建实例的相关权限
- 亚马逊云美金充值 ec2:CreateLaunchTemplate
- autoscaling:CreateAutoScalingGroup
- iam:PassRole
- ssm:SendCommand、ssm:StartSession(如果用 Session Manager 免 SSH 登录)
如果是企业账号,常见问题是你能看到 EC2 控制台,但没有创建 Launch Template 或绑定实例角色的权限,导致后续 Auto Scaling 无法创建节点。
前置资源清单
| 资源 | 是否必须 | 说明 |
| VPC | 必须 | 建议至少 2 个可用区子网 |
| 安全组 | 必须 | SSH 22、RDP 3389、业务端口按需开放 |
| Key Pair | Linux/Windows 远程登录常用 | 未使用 SSM 时必须准备 |
| IAM Role | 建议 | 用于访问 S3、CloudWatch、SSM |
| AMI | 必须 | Linux 或 Windows 镜像 |
| CloudWatch Agent | 建议 | 便于观测 CPU、内存、磁盘 |
亚马逊云美金充值 地域与可用区怎么选
亚马逊云美金充值 Spot 最怕把所有容量压在单一实例类型和单可用区。实际操作中,建议至少满足这两个原则:
- 同一业务池中准备 3-6 个可替代实例类型,例如 m6i.large、m5.large、m5a.large、m6a.large、c6i.large。
- 子网分布在至少 2 个可用区,避免某个 AZ 容量紧张时完全拉不起机器。
如果业务需要公网访问,创建时同时确认是否自动分配公网 IP;如果是私网工作节点,建议走 NAT Gateway 或 VPC Endpoint 拉取镜像与更新包。
控制台创建 Spot 实例:单机验证方案
第一次上 Spot,不要先做复杂集群。先创建 1 台单机验证镜像、网络、脚本和中断行为,再放大到 Auto Scaling。
步骤1:创建实例时启用 Spot 采购选项
进入 AWS 管理控制台,打开 EC2,点击“Launch instance”。
- 名称:建议按环境命名,例如 batch-spot-test-01。
- AMI:Linux 任务建议 Amazon Linux 2023 或 Ubuntu 22.04;Windows 任务选择 Windows Server 2022。
- Instance type:先选一个主规格,例如 m6i.large;如果只是单机验证,后面再做多规格扩展。
- Key pair:选择已有密钥对。
- Network settings:选择目标 VPC、子网、安全组。
在“Advanced details”中找到购买选项,启用“Request Spot Instances”。如果看到最大价格设置项,建议保持默认,不要手工压价。人为限制价格容易导致频繁申请失败。
步骤2:填写启动脚本与实例角色
在高级参数中配置:
- IAM instance profile:绑定可访问 S3、CloudWatch、SSM 的角色。
- User data:写入初始化脚本,例如安装监控 agent、拉取任务 worker、挂载数据盘。
Linux 示例脚本可包含:
<pre>#!/bin/bash yum update -y yum install -y amazon-cloudwatch-agent systemctl enable amazon-ssm-agent systemctl start amazon-ssm-agent mkdir -p /opt/worker aws s3 cp s3://your-bucket/worker/start.sh /opt/worker/start.sh chmod +x /opt/worker/start.sh nohup /opt/worker/start.sh & </pre>
注意:如果你的 worker 需要从公网下载依赖,但实例在私网子网中,没有 NAT 网关时启动脚本会失败,表现为实例启动了但服务没起来。
步骤3:验证连接、端口和中断事件
创建后先验证三个点:
- Linux:通过 SSH 或 Session Manager 登录。Windows:通过 RDP 获取管理员密码登录。
- 安全组与系统防火墙是否一致开放业务端口。
- 亚马逊云美金充值 实例是否能访问任务队列、S3、数据库等依赖资源。
Linux 放行端口示例:
<pre>sudo firewall-cmd --permanent --add-port=8080/tcp sudo firewall-cmd --reload </pre>
Ubuntu 示例:
<pre>sudo ufw allow 8080/tcp sudo ufw reload </pre>
Windows 服务器如需开放 3389 以外端口,需要同时检查安全组和 Windows Defender Firewall 入站规则。
真正可落地的做法:用 Auto Scaling 混合 On-Demand 与 Spot
生产环境不建议手工只起 Spot 单机。更稳妥的做法是 Launch Template + Auto Scaling Group + Mixed Instances Policy。
步骤1:创建 Launch Template
亚马逊云美金充值 在 EC2 控制台点击“Launch Templates”→“Create launch template”。填写以下关键参数:
| 参数 | 建议值 | 原因 |
| AMI | 固定为已验证镜像 | 避免扩容节点配置不一致 |
| 实例类型 | 先填主规格 | 后续在 ASG 中覆盖多个规格 |
| Security Group | 仅开放必要端口 | 减少误暴露 |
| IAM Role | 应用实例角色 | 让节点访问 S3/SSM/CloudWatch |
| Shutdown behavior | Stop 或 Terminate 按场景 | 批任务通常用 Terminate |
| Detailed monitoring | 按需开启 | 更快拿到监控但会增加少量费用 |
步骤2:创建 Auto Scaling Group 并配置混合实例策略
进入 Auto Scaling Groups,点击“Create Auto Scaling group”。选择刚创建的 Launch Template。进入实例采购设置时,重点配置:
- Desired capacity:例如 6。
- Minimum capacity:例如 2。
- Maximum capacity:例如 20。
- On-Demand base capacity:例如 2,保证至少 2 台按需实例兜底。
- On-Demand percentage above base capacity:例如 20%。
- Spot allocation strategy:优先选择 price-capacity-optimized。
实例类型覆盖建议不要只填 2 个,至少准备 4 个以上可替代规格。这样 Spot 更容易找到可用容量池。
示例组合:
- 通用型:m6i.large、m6a.large、m5.large、m5a.large
- 计算型:c6i.large、c6a.large、c5.large、c5a.large
- 内存型:r6i.large、r6a.large、r5.large
步骤3:配置健康检查与负载均衡
如果是网站应用或 API worker,建议挂 ALB。健康检查失败时,ASG 可自动替换异常节点。注意健康检查路径不要写成依赖数据库事务的重接口,否则数据库短暂波动会导致节点被误踢。
推荐检查项:
- /healthz 返回 200 即可
- 超时时间 5 秒以内
- Healthy threshold 2,Unhealthy threshold 3
Spot 被回收时,任务怎么不断、数据怎么不丢
这部分是用户最关心但最常被忽略的内容。Spot 节省的不是“实例单价”,而是“设计得当后的总运行成本”。
方式1:任务从队列获取,不把状态放本机
最稳妥的架构是 SQS/Kafka/RabbitMQ + Worker。实例只负责取任务并执行,结果写回 S3、数据库或对象存储。这样某台 Spot 中断,最多损失当前正在处理的一小段任务。
亚马逊云美金充值 方式2:定期做检查点
适合长时间计算任务,例如视频转码、模型训练预处理。每 1-5 分钟保存一次进度到 S3 或 EFS。这样实例被回收后,新实例可以从上一个检查点恢复,而不是整任务重跑。
方式3:处理两分钟中断通知
在 EC2 上可以轮询实例元数据中的 Spot 中断通知。收到通知后,立刻执行优雅退出逻辑:停止拉新任务、上传当前进度、刷新日志、通知调度器。
Linux 示例:
<pre>while true; do TOKEN=$(curl -X PUT "http://169.254.169.254/latest/api/token" -H "X-aws-ec2-metadata-token-ttl-seconds: 21600" -s) NOTICE=$(curl -H "X-aws-ec2-metadata-token: $TOKEN" -s http://169.254.169.254/latest/meta-data/spot/instance-action) if [ ! -z "$NOTICE" ]; then /opt/worker/graceful_shutdown.sh break fi sleep 5 done </pre>
如果你用的是 EKS 或 ECS,还应结合节点驱逐和任务重调度机制,而不是只在操作系统层面处理。
亚马逊云美金充值 Linux、Windows、网络与磁盘的具体配置建议
Linux 系统安装与连接建议
Linux 任务节点优先选择 Amazon Linux 2023 或 Ubuntu 22.04。原因不是“更先进”,而是包管理、SSM、CloudWatch Agent、Docker 兼容性更省事。连接方式优先级建议:
- 首选 Session Manager,避免开放 22 端口到公网。
- 如需 SSH,只允许办公出口 IP 访问 22。
Windows 系统安装与 RDP 注意点
Windows Spot 常见于 .NET 构建机、图形化工具执行节点。创建后在 EC2 控制台通过“Get Windows password”解密管理员密码,再用 RDP 连接。若无法连接,优先检查:
- 安全组是否开放 3389。
- 系统防火墙是否允许远程桌面。
- 子网路由表是否有公网出口,或是否通过堡垒机进入。
磁盘如何选
| 场景 | 磁盘建议 | 说明 |
| 普通批处理 | gp3 100-200GB | 成本可控,IOPS 可单独调 |
| 高 IO 临时计算 | 实例存储或高配 gp3 | 注意 Spot 中断后实例存储会丢失 |
| 日志缓存 | 独立数据盘 | 便于系统盘重装与隔离 |
如果任务结果必须保留,不要只写本地盘。中断后本地数据可能来不及上传。
不同用户场景的配置方案
个人开发者
适合 CI Runner、爬虫、测试环境。
- 实例:2 vCPU / 4GB 起步,如 t3.medium 不适合长期高负载,更推荐 m5.large 或 m6a.large。
- 磁盘:gp3 80GB。
- 网络:单 VPC,1 个公网子网即可测试。
- 策略:1 台 On-Demand + 1-3 台 Spot。
亚马逊云美金充值 企业用户
适合离线作业、弹性 worker、批量构建。
- 部署至少 2 个 AZ。
- ASG 中配置 6 个以上可替代规格。
- CloudWatch 告警绑定扩缩容策略。
- 结果统一写入 S3/EFS/RDS,不在节点本地保留唯一副本。
跨境业务
重点不是 Spot 本身,而是地域选择与网络时延。
- 先测任务数据源所在区域,尽量让计算靠近数据。
- 如果需公网下载依赖,确认 NAT 成本与跨区流量费用。
- 跨地域结果同步优先走 S3 跨区域复制,不建议实例间频繁公网传输。
网站应用
Web 节点可以混合 Spot,但要满足无状态。
- 会话放 Redis 或数据库,不写本地。
- ALB 后面至少保留 1-2 台 On-Demand。
- 发布方式用滚动更新,不要依赖单节点热修复。
数据库业务
数据库主从本身不适合跑在纯 Spot 上。但数据库周边任务适合,如备份校验、ETL、报表生成、离线导出。
- MySQL 导出任务节点可用 Spot。
- Redis 压测节点可用 Spot。
- 数据库实例本身继续使用稳定规格。
常见报错与故障排查
1. 创建 Spot 实例失败,提示容量不足
处理方法:
- 增加实例类型覆盖,不要只用单一型号。
- 切换到至少 2 个可用区。
- Auto Scaling 中使用 price-capacity-optimized。
- 降低对特定代际 CPU 的绑定要求。
2. 实例已启动,但 SSH 无法连接
依次检查:
- 亚马逊云美金充值 安全组入站 22 是否放通。
- 实例是否有公网 IP,或是否通过堡垒机/SSM 登录。
- 子网路由表是否指向 Internet Gateway。
- 系统内 firewalld 或 ufw 是否拦截。
3. RDP 连不上 Windows 实例
常见原因是 3389 安全组放开了,但系统没启远程桌面或 NACL 拦截。优先通过 EC2 Serial Console 或 SSM 修复,避免频繁重建。
4. Auto Scaling 可以扩容,但业务节点没注册到 ALB
多半是启动脚本失败或健康检查路径不正确。去看:
- /var/log/cloud-init-output.log
- 应用服务日志
- Target Group health check 失败原因
5. MySQL/Redis 从 Spot 节点访问失败
常见是安全组互相未放通、私网 DNS 解析失败或路由隔离。检查:
- 数据库安全组是否允许应用安全组访问 3306/6379。
- 实例所在子网与数据库是否在同一 VPC 或已打通 Peering/Transit Gateway。
- /etc/resolv.conf 或 VPC DNS 设置是否正常。
优化建议:把节省的钱真正留下来
安全优化
- 优先使用 SSM 代替公网 SSH/RDP。
- 安全组按来源 IP 和端口最小开放。
- 实例角色最小权限,禁止直接下发长期 AK/SK。
性能优化
- 不要只看 vCPU/内存,CPU 架构和网络带宽也影响吞吐。
- 批处理任务优先选计算型,内存缓存型任务选内存型。
- gp3 磁盘的 IOPS 和吞吐量可独立调节,适合压测后精细配置。
成本优化
- 把 Spot 用在可重试工作负载,不适合的业务不要硬迁。
- 亚马逊云美金充值 预留一个 On-Demand 基线容量,避免高峰时任务完全停摆。
- 多实例类型、多 AZ 比单纯追求最低单价更省总成本。
稳定性优化
- 所有任务都要可重试、可恢复、可观测。
- 将日志实时发送到 CloudWatch,不只保存在本机。
- 关键进度写入外部存储,避免实例被回收后状态丢失。
如果你要快速落地,最实用的顺序是:先用 1 台 Spot 做镜像和脚本验证,再做 Launch Template,然后用 Auto Scaling 配置 2 台 On-Demand 基线加 4 种以上 Spot 备选规格,最后补上中断通知处理和检查点机制。这样节省成本的同时,不会把运维复杂度推高到不可控。
如果需要更深入咨询了解可以联系全球代理上TG: @cloudcup 他们在云平台领域有更专业的知识和建议,他们有国际阿里云,国际腾讯云,国际华为云,aws亚马逊,谷歌云一级代理的渠道,微软云开户充值。oss防风控上传加密系统。客服1V1服务,支持免实名、免备案、免绑卡。开通即享专属VIP优惠、充值秒到账、官网下单享双重售后支持。