我们在AWS ECS上运行了一个小的java调度程序。它正在做cron曾经在我们的旧巨石上做的事情。它在docker容器中启动（fargate）任务。我们每小时都有一项任务，对我们来说非常重要。我想知道它是否因任何原因崩溃或无法运行（例如，java调度程序失败，或有人关闭任务）。
我正在寻找一项服务，如果通知 ，它会提醒我。我想在每次脚本成功运行时调用通知系统。然后，如果警报系统没有得到＆＃34; OK＆＃34;按预期通知，它会发出警报。
我认为这种服务必须存在，我不想重新发明轮子试图自己构建它。我猜我的问题是，它叫什么？我在哪里可以得到那种东西？ （我们明显使用AWS，并且我们有一个pagerDuty帐户）。
答案 0 :(得分：1)
我们对这些类型的问题使用这种方法。首先，任务必须在S3或EFS中为时间戳写入文件。此文件是任务运行完成的外部证据。然后，您需要一个基于http的服务，该服务将读取该文件并计算时间戳是否有效，即在过去一小时内是否已更新。这可能是一个简单的php或nodejs脚本。此过程向公共网络公开，例如https://example.com/heartbeat.php。如果时间戳文件存在且有效，则此脚本返回http响应代码200，否则返回500。然后我们使用StatusCake来监控网址，并在发生事故时通过其Pager Duty集成通知我们。我们通常在响应中包含一条消息，以便人们可以看到错误的本质。
这看似乏味，但它是万无一失的。任何沿线的任何故障都将立即通知。 StatusCake有很好的免费服务水平。此方法可用于以相同方式监视任何关键任务。我们已经了解到关键cron类型任务和流程可能由于多种原因而失败的困难方式，并且您希望在它变得对客户至关重要之前了解它。 24x7x365监控这些类型的任务是必要的，并帮助我们在晚上睡得更好。
注意：我们每天都有一个日常系统测试事件，每天上午9点触发一次Pager Duty通知。对于真正的偏执狂，这确保了寻呼机本身没有以某种方式失败，例如错误配置等。我们的支持团队知道他们是否每天都没有得到测试警报，通知系统本身存在问题。值班技术人员必须根据SOP了解事件。如果他们不知道，那么它会升级到下一层，我们知道我们必须谈谈响应时间。它让人们保持警惕。这是确保您拥有强大监控基础架构的最后一块。
答案 1 :(得分：1)
OpsGene提供心跳服务，基本上是看门狗计时器。如果您没有在x分钟内对它们进行ping操作，则可以将其配置为呼叫您。
不幸的是，我不推荐他们。我使用它们已有4年了，他们两次更改了帐户系统，并让我的付费帐户默默地变成了孤儿。我一有空就必须尽快找到新的供应商。