AWS EC2 Spot 实例抢单策略：基于 Auto Scaling Group 的成本优化

核心优化策略

1. 混合实例组合
   在 Auto Scaling Group (ASG) 中配置混合实例策略：

   mixed_instances_policy = {
       "SpotPercentage": 70,  # 70% Spot实例
       "OnDemandBaseCapacity": 2,  # 至少2台按需实例保底
       "InstanceTypes": ["c5.large", "m5.large", "r5.large"],  # 多实例类型
       "AllocationStrategy": "capacity-optimized"  # 容量优化策略
   }
   

   • 优势：平衡中断风险与成本节约（Spot 实例价格比按需低 60-90%）
   • 关键参数：
     • capacity-optimized：自动选择中断率最低的实例池
     • 多实例类型：增加抢单成功率
     • 按需保底：确保服务连续性

2. 中断处理机制
   Spot 实例中断时 ASG 自动响应：

   graph LR
   A[中断警告] --> B[2分钟缓冲期]
   B --> C[ASG 启动新实例]
   C --> D[负载均衡器流量转移]
   

失败重试脚本

import boto3
import time

def retry_spot_failures(asg_name, max_retries=3):
    ec2 = boto3.client('ec2')
    asg = boto3.client('autoscaling')
    
    for attempt in range(max_retries):
        # 检测失败的Spot请求
        failed_requests = ec2.describe_spot_instance_requests(
            Filters=[{'Name': 'state', 'Values': ['failed']}]
        )
        
        if not failed_requests['SpotInstanceRequests']:
            print("无失败请求")
            return True
            
        print(f"检测到 {len(failed_requests)} 个失败请求，重试中...")
        
        # 重新提交请求
        for request in failed_requests:
            ec2.request_spot_instances(
                InstanceCount=1,
                LaunchSpecification=request['LaunchSpecification'],
                Type='persistent'
            )
        
        # 等待ASG稳定
        time.sleep(120)
        asg.enter_standby(AutoScalingGroupName=asg_name)
        asg.exit_standby(AutoScalingGroupName=asg_name)
        
    return False

# 使用示例
if retry_spot_failures("prod-asg"):
    print("实例恢复成功")
else:
    print("重试失败，触发告警")

关键优化指标

实施步骤

1. ASG 配置

   aws autoscaling create-auto-scaling-group \
     --mixed-instances-policy file://policy.json \
     --capacity-rebalance
   

2. 中断预警处理
   部署 CloudWatch 事件规则：

   {
     "source": ["aws.ec2"],
     "detail-type": ["EC2 Spot Instance Interruption Warning"]
   }
   

3. 成本监控
   使用 Cost Explorer 公式：
   $$ \text{Savings} = \sum (\text{OnDemandPrice}_i - \text{SpotPrice}_i) \times t_i $$

最佳实践

1. 选择多个可用区（AZ）分散风险
2. 避免单一实例类型，建议至少 3 种备选类型
3. 结合 Savings Plans 进一步降低按需实例成本
4. 使用 EC2 中断预测工具（需启用 AWS Compute Optimizer）

通过此方案，典型业务可降低 60-70% 计算成本，中断率控制在 5% 以内。重试脚本应配合 CloudWatch 告警使用，当连续失败时触发人工介入。