Amazon ECSがエージェント接続性の問題を自動検出・修復する新機能を提供開始

Amazon Elastic Container Service (Amazon ECS) において、コンテナインスタンスのエージェント接続性の問題を自動的に検出し、修復する機能がリリースされました。

この機能により、EBSボリューム劣化、ホストの熱イベント、ネットワーク接続障害などのインフラ障害が発生した際に、ECSエージェントとコントロールプレーン間の接続が切断されたコンテナインスタンスを検出し、新たなヘルスチェンジイベント AGENT_CONNECTIVITY を通知します。

AWS Fargate および Amazon ECS Managed Instances では、自動的にタスクのドレインと置換インスタンスの起動、障害インスタンスの登録解除が行われます。Amazon ECS on EC2 では、このイベントをトリガーにインスタンス置換ワークフローを構築できます。

本機能は追加料金なしで、すべてのAWS商用リージョンおよびAWS GovCloud (US) リージョンで利用可能です。

エンジニア視点での考察・アドバイス

解決される課題

• 見逃されがちな障害: 従来は、ECSエージェントの接続性が失われても、インスタンス自体は「稼働中」と見なされ、手動での対応が必要でした。この機能により、インフラ障害による「ゾンビインスタンス」を自動的に検出・修復できるようになります。
• 運用負荷の軽減: FargateやManaged Instancesでは完全自動化されるため、オペレーターの手動介入が不要になります。EC2ベースのワークロードでも、イベントをトリガーにした自動化が可能です。

日本リージョンの対応状況

• 東京 (ap-northeast-1)・大阪 (ap-northeast-3): 両リージョンともAWS商用リージョンに含まれるため、本機能は利用可能です。AWS公式RSSの「すべての商用リージョンで利用可能」という記述を根拠に確認済みです。

実務での注意点

1. ECS on EC2の場合

   • 自動修復は行われないため、CloudWatch EventsやEventBridgeを使って AGENT_CONNECTIVITY イベントを検知し、インスタンス置換ワークフロー（例: Auto Scalingグループのライフサイクルフック）を構築する必要があります。
   • タスクのドレイン中に新しいタスクが起動しないよう、Auto Scalingグループの MinSize や DesiredCapacity を適切に設定しましょう。

2. コストへの影響

   • 本機能自体は追加料金なしですが、FargateやManaged Instancesでの自動修復により、一時的にリソース使用量が増加する可能性があります。予算アラートの設定を推奨します。

3. セキュリティと監視

   • AGENT_CONNECTIVITY イベントは、インフラ障害だけでなく、セキュリティインシデント（例: ネットワーク分断攻撃）の兆候とも捉えられます。SIEMツールと連携して、異常な頻度での発生を監視しましょう。

次のアクション

• 既存クラスターの確認: まずはCloudWatch LogsやEventBridgeで AGENT_CONNECTIVITY イベントが発生していないか確認し、既存の障害インスタンスを洗い出しましょう。
• テスト: 意図的にエージェント接続を切断するテスト（例: iptables でコントロールプレーンへの通信をブロック）を行い、自動修復の動作を検証してください。
• ドキュメントの確認: Monitor Amazon ECS Container Instance Health を一読し、イベントの詳細やカスタムアラートの設定方法を把握しましょう。