AWS Auto ScalingとDockerの連携【可用性向上】

はじめに

クラウド環境におけるアプリケーションの運用において、高可用性と柔軟なスケーラビリティは重要な要素です。本記事では、AWS Auto ScalingとDockerコンテナを組み合わせることで、アプリケーションの可用性を向上させる方法について解説します。

AWS Auto Scalingとは

AWS Auto Scalingは、需要の変化に応じてリソースを自動的に増減させることができるAWSのサービスです。主な機能として以下が挙げられます：

  • 需要予測: トラフィックパターンに基づいた自動スケーリング
  • コスト最適化: 必要なリソースのみを利用することによるコスト削減
  • 高可用性: 障害発生時の自動復旧によるダウンタイムの最小化

Dockerとの相性

Dockerコンテナは軽量で起動が速く、環境に依存しない一貫性のあるデプロイが可能です。これらの特性は、Auto Scalingと組み合わせることで以下のメリットをもたらします：

  1. 迅速なスケールアウト: コンテナの起動が速いため、需要の急増に素早く対応
  2. 一貫性のある環境: 全てのインスタンスで同一の環境を保証
  3. リソース効率: 複数のコンテナを1つのホスト上で実行可能

AWS Auto ScalingとDockerの連携アーキテクチャ

基本アーキテクチャ

AWS上でDockerコンテナを活用したAuto Scalingを実現するための基本的なアーキテクチャは以下の通りです：

  1. Amazon ECR: Dockerイメージのリポジトリ
  2. Amazon ECS/EKS: コンテナオーケストレーションサービス
  3. Auto Scaling Group: EC2インスタンスのスケーリングを管理
  4. Application Load Balancer: トラフィックの分散

![AWS Auto ScalingとDockerの連携アーキテクチャ図]

ECSを使用したアーキテクチャ例

インターネット → ALB → ECS Service (Auto Scaling) → ECSタスク (Docker)
                       ↑
                     CloudWatch (メトリクスに基づいたスケーリング)

実装ステップ

1. Dockerイメージの準備

まずはアプリケーションのDockerfileを作成し、イメージをビルドします。

FROM node:18-alpine

WORKDIR /app

COPY package*.json ./
RUN npm install

COPY . .

EXPOSE 3000

CMD ["npm", "start"]

2. Amazon ECRへのプッシュ

ビルドしたDockerイメージをAmazon ECRにプッシュします。

# ECRにログイン
aws ecr get-login-password --region ap-northeast-1 | docker login --username AWS --password-stdin <AWS_ACCOUNT_ID>.dkr.ecr.ap-northeast-1.amazonaws.com

# イメージのタグ付け
docker tag my-app:latest <AWS_ACCOUNT_ID>.dkr.ecr.ap-northeast-1.amazonaws.com/my-app:latest

# ECRへのプッシュ
docker push <AWS_ACCOUNT_ID>.dkr.ecr.ap-northeast-1.amazonaws.com/my-app:latest

3. ECSクラスターの作成

AWSコンソールまたはCLIからECSクラスターを作成します。

aws ecs create-cluster --cluster-name my-cluster

4. タスク定義の作成

コンテナの実行に必要な設定をタスク定義として記述します。

{
  "family": "my-app-task",
  "networkMode": "awsvpc",
  "executionRoleArn": "arn:aws:iam::<AWS_ACCOUNT_ID>:role/ecsTaskExecutionRole",
  "containerDefinitions": [
    {
      "name": "my-app",
      "image": "<AWS_ACCOUNT_ID>.dkr.ecr.ap-northeast-1.amazonaws.com/my-app:latest",
      "essential": true,
      "portMappings": [
        {
          "containerPort": 3000,
          "hostPort": 3000
        }
      ],
      "logConfiguration": {
        "logDriver": "awslogs",
        "options": {
          "awslogs-group": "/ecs/my-app-task",
          "awslogs-region": "ap-northeast-1",
          "awslogs-stream-prefix": "ecs"
        }
      }
    }
  ],
  "requiresCompatibilities": ["FARGATE"],
  "cpu": "256",
  "memory": "512"
}

5. ECSサービスの作成と自動スケーリングの設定

タスク定義を元にECSサービスを作成し、Auto Scalingを設定します。

# サービスの作成
aws ecs create-service \
  --cluster my-cluster \
  --service-name my-app-service \
  --task-definition my-app-task \
  --desired-count 2 \
  --launch-type FARGATE \
  --network-configuration "awsvpcConfiguration={subnets=[subnet-xxxxx,subnet-yyyyy],securityGroups=[sg-zzzzz],assignPublicIp=ENABLED}" \
  --load-balancers "targetGroupArn=arn:aws:elasticloadbalancing:ap-northeast-1:<AWS_ACCOUNT_ID>:targetgroup/my-app-tg/aaaaaa,containerName=my-app,containerPort=3000"

# Auto Scaling設定
aws application-autoscaling register-scalable-target \
  --service-namespace ecs \
  --scalable-dimension ecs:service:DesiredCount \
  --resource-id service/my-cluster/my-app-service \
  --min-capacity 2 \
  --max-capacity 10

# スケーリングポリシーの設定（CPUベース）
aws application-autoscaling put-scaling-policy \
  --service-namespace ecs \
  --scalable-dimension ecs:service:DesiredCount \
  --resource-id service/my-cluster/my-app-service \
  --policy-name cpu-tracking-scaling-policy \
  --policy-type TargetTrackingScaling \
  --target-tracking-scaling-policy-configuration '{ 
    "TargetValue": 70.0, 
    "PredefinedMetricSpecification": { 
      "PredefinedMetricType": "ECSServiceAverageCPUUtilization" 
    },
    "ScaleOutCooldown": 60,
    "ScaleInCooldown": 300
  }'

スケーリングポリシーの詳細設定

Auto Scalingを効果的に活用するためには、適切なスケーリングポリシーの設定が重要です。

ターゲット追跡スケーリング

特定のメトリクス（CPU使用率など）を一定の値に保つように自動でスケーリングを行います。

{
  "TargetValue": 70.0,
  "PredefinedMetricSpecification": {
    "PredefinedMetricType": "ECSServiceAverageCPUUtilization"
  },
  "ScaleOutCooldown": 60,
  "ScaleInCooldown": 300
}

ステップスケーリング

メトリクスの変化の大きさに応じて、追加するインスタンス数を調整します。

{
  "AdjustmentType": "ChangeInCapacity",
  "MetricAggregationType": "Average",
  "StepAdjustments": [
    {
      "MetricIntervalLowerBound": 0,
      "MetricIntervalUpperBound": 20,
      "ScalingAdjustment": 1
    },
    {
      "MetricIntervalLowerBound": 20,
      "ScalingAdjustment": 2
    }
  ]
}

スケジュールベーススケーリング

トラフィックパターンが予測可能な場合、時間帯に応じてスケーリングを行います。

aws application-autoscaling put-scheduled-action \
  --service-namespace ecs \
  --scalable-dimension ecs:service:DesiredCount \
  --resource-id service/my-cluster/my-app-service \
  --scheduled-action-name scale-up-morning \
  --schedule "cron(0 8 * * ? *)" \
  --scalable-target-action MinCapacity=5,MaxCapacity=20

高可用性を実現するためのベストプラクティス

1. マルチAZ配置

複数のアベイラビリティゾーンにリソースを分散させることで、AZ障害に対する耐性を高めます。

# サブネット設定（複数AZ）
aws ecs create-service \
  --network-configuration "awsvpcConfiguration={subnets=[subnet-az1,subnet-az2,subnet-az3],securityGroups=[sg-zzzzz],assignPublicIp=ENABLED}"

2. ヘルスチェックの最適化

コンテナのヘルスチェックを適切に設定することで、問題のあるコンテナを早期に検出し、置き換えることができます。

{
  "healthCheck": {
    "command": ["CMD-SHELL", "curl -f http://localhost:3000/health || exit 1"],
    "interval": 30,
    "timeout": 5,
    "retries": 3,
    "startPeriod": 60
  }
}

3. グレースフルシャットダウン

コンテナ終了時に進行中のリクエストを処理できるよう、グレースフルシャットダウンを実装します。

// Node.jsの例
process.on('SIGTERM', () => {
  console.log('SIGTERM signal received');
  
  // 新しい接続を受け付けない
  server.close(() => {
    console.log('Server closed');
    process.exit(0);
  });
  
  // 30秒後に強制終了
  setTimeout(() => {
    console.log('Forcing shutdown');
    process.exit(1);
  }, 30000);
});

4. ロードバランサーの設定最適化

ALBの設定を最適化して、トラフィック分散の効率を高めます。

# ターゲットグループのデレジストレーション遅延を設定
aws elbv2 modify-target-group-attributes \
  --target-group-arn arn:aws:elasticloadbalancing:ap-northeast-1:<AWS_ACCOUNT_ID>:targetgroup/my-app-tg/aaaaaa \
  --attributes Key=deregistration_delay.timeout_seconds,Value=60

パフォーマンスモニタリングとアラート設定

CloudWatchメトリクスの活用

重要なメトリクスを監視し、異常を検知するためのアラームを設定します。

# CPU使用率アラームの作成
aws cloudwatch put-metric-alarm \
  --alarm-name HighCPUUtilization \
  --alarm-description "Alarm when CPU exceeds 85%" \
  --metric-name CPUUtilization \
  --namespace AWS/ECS \
  --statistic Average \
  --period 60 \
  --threshold 85 \
  --comparison-operator GreaterThanThreshold \
  --dimensions Name=ClusterName,Value=my-cluster Name=ServiceName,Value=my-app-service \
  --evaluation-periods 3 \
  --alarm-actions arn:aws:sns:ap-northeast-1:<AWS_ACCOUNT_ID>:my-alert-topic

X-Ray統合によるトレーシング

AWS X-Rayを統合することで、アプリケーションのパフォーマンスをより詳細に分析できます。

# X-Ray対応Dockerfile
FROM node:18-alpine

# X-Rayデーモンのインストール
RUN wget https://s3.us-east-2.amazonaws.com/aws-xray-assets.us-east-2/xray-daemon/aws-xray-daemon-linux-3.x.zip \
    && unzip aws-xray-daemon-linux-3.x.zip \
    && cp xray /usr/bin/xray \
    && rm -rf aws-xray-daemon-linux-3.x.zip

WORKDIR /app
COPY package*.json ./
RUN npm install

# X-Ray SDKのインストール
RUN npm install aws-xray-sdk

COPY . .
EXPOSE 3000

# X-Rayデーモンとアプリケーションを起動
CMD ["/bin/sh", "-c", "xray -o &; npm start"]

コスト最適化戦略

リザーブドキャパシティの活用

ベースロードに対してはリザーブドキャパシティを使用し、変動部分をAuto Scalingで対応することでコストを削減できます。

Spotインスタンスの活用

非本番環境や耐障害性のあるワークロードには、Spotインスタンスを活用することでコストを大幅に削減できます。

# Capacityプロバイダーを作成（Spotインスタンス用）
aws ecs create-capacity-provider \
  --name Spot \
  --auto-scaling-group-provider "autoScalingGroupArn=arn:aws:autoscaling:ap-northeast-1:<AWS_ACCOUNT_ID>:autoScalingGroup:xxxx,managedScaling={status=ENABLED,targetCapacity=100},managedTerminationProtection=DISABLED"

# クラスターにCapacityプロバイダーを関連付け
aws ecs put-cluster-capacity-providers \
  --cluster my-cluster \
  --capacity-providers Spot FARGATE \
  --default-capacity-provider-strategy "capacityProvider=Spot,weight=1,base=0" "capacityProvider=FARGATE,weight=1,base=0"

まとめ

AWS Auto ScalingとDockerを組み合わせることで、アプリケーションの可用性を大幅に向上させることができます。本記事で紹介した手法を実装することで、以下のメリットが得られます：

  1. 高可用性: 障害発生時の自動復旧によるダウンタイムの最小化
  2. コスト最適化: 需要に応じたリソース割り当てによる無駄の削減
  3. 運用効率: 自動化による運用負荷の軽減
  4. スケーラビリティ: トラフィック増加に対する柔軟な対応

効果的なAuto Scaling戦略を実装するためには、アプリケーションの特性を理解し、適切なメトリクスとスケーリングポリシーを選択することが重要です。定期的なモニタリングと調整を行い、最適なパフォーマンスとコストバランスを実現しましょう。

参考リソース

コメント

タイトルとURLをコピーしました