使用 AWS Resilience Hub 评估应用容错能力 - RTO/RPO 目标达成可视化
解析 Resilience Hub 的应用容错能力评估、RTO/RPO 策略设置和改进建议的使用方法。
弹性评估的必要性与 Resilience Hub 的定位
应用的容错能力 (弹性) 通过故障后的恢复时间 (RTO: Recovery Time Objective) 和可恢复的数据时间点 (RPO: Recovery Point Objective) 来量化。然而许多组织的 RTO/RPO 目标模糊，或未验证当前架构能否达成目标。Resilience Hub 解决这一问题，定量评估应用容错能力并可视化 RTO/RPO 达成状况。它从 CloudFormation 栈、Terraform 状态文件、AppRegistry 注册的应用或 EKS 集群自动检测资源配置。评估场景有 4 种: AZ 故障、区域故障、应用故障和基础设施故障，可为每个场景设置独立的 RTO/RPO 目标。检测的资源包括 EC2、RDS、DynamoDB、S3、ELB、Lambda、ECS、EKS 等，分析各资源的配置 (Multi-AZ 部署、复制设置、备份配置) 来计算容错分数。
弹性策略定义与评估执行
使用 Resilience Hub 从定义弹性策略开始。策略为每个故障场景设置 RTO/RPO 目标，例如「AZ 故障: RTO 1 小时、RPO 5 分钟」「区域故障: RTO 4 小时、RPO 1 小时」「应用故障: RTO 30 分钟、RPO 5 分钟」。然后注册应用，指定 CloudFormation 栈名后自动映射栈内资源和依赖关系。执行评估时分析各资源当前设置计算推估 RTO/RPO，对未达标资源提供带优先级的改进建议。建议示例包括: 将单 AZ RDS 转为 Multi-AZ、启用 S3 存储桶跨区域复制、提高 Auto Scaling 组最小实例数、启用 DynamoDB 的时间点恢复等。每条建议都附带成本影响和预期 RTO/RPO 改善效果，实施后重新评估可确认前后的分数差异。
FIS 集成与故障测试
Resilience Hub 与 FIS (Fault Injection Service) 集成，根据评估结果生成推荐的故障测试模板。在 AZ 故障、EC2 实例终止、RDS 故障切换、EBS I/O 暂停、网络延迟注入等场景下验证应用是否能实际达成 RTO/RPO 目标。评估结果记分卡用颜色 (绿: 达标、黄: 部分未达、红: 未达) 可视化各组件的容错级别，明确改进优先级。SOP (标准操作程序) 自动生成可标准化故障响应流程，并输出为 Systems Manager Automation 文档。通过评估 → 改进 → 测试 → 再评估的循环持续提升应用弹性。 关于弹性设计的详细解析，可参考Amazon 相关书籍。
持续评估与运维集成
Resilience Hub 支持持续的弹性管理而非一次性评估。应用资源配置变更时，漂移检测会识别变更并提示重新评估。通过 EventBridge 集成可在评估完成时自动触发通知和后续操作，将评估步骤嵌入 CI/CD 流水线可在每次部署时检测容错回归。Organizations 集成支持跨多账户集中管理应用。除手动执行外还可设置定期调度，自动执行月度或季度评估。
设计最佳实践与常见陷阱
有效运用 Resilience Hub 需注意应用定义的粒度。将所有资源单体式地归入一个应用会使记分卡过于复杂，建议按业务域或团队拆分应用，并为每个应用分配适当的 RTO/RPO 层级。例如定义 Tier-1 (核心系统: RTO 5 分钟 / RPO 1 分钟)、Tier-2 (业务系统: RTO 30 分钟 / RPO 1 小时)、Tier-3 (信息系统: RTO 4 小时 / RPO 24 小时) 来避免过度设计。常见陷阱包括: 未纳入 CloudFormation 栈的资源 (手动创建的 S3 存储桶、DNS 记录) 不会被检测到。通过在 AppRegistry 中注册资源或使用 Resource Mapping 手动添加来防止评估遗漏。此外评估属于静态配置分析，不保证实际恢复时间。必须结合 FIS 进行实际故障测试才能确保记分卡的可靠性。
与其他 AWS 服务的比较
与容错相关的 AWS 服务还有 AWS Backup、CloudWatch、Health Dashboard，各自承担不同角色。AWS Backup 提供备份集中管理和恢复，但不评估整体架构的容错能力。CloudWatch 擅长实时异常检测，但不能对照 RTO/RPO 目标或生成改进建议。Health Dashboard 专注于 AWS 基础设施的故障通知。Resilience Hub 的独特价值在于整合这些服务提供的数据，从应用视角提供全面的容错评估和改进路线图。它与 Well-Architected Tool 的可靠性支柱互补: Well-Architected Review 提供定性设计审查，而 Resilience Hub 自动化定量评估和具体改进操作。
Resilience Hub 定价
Resilience Hub 按评估次数计费，每次评估约 0.10 美元。应用定义和 RTO/RPO 策略设置不收取额外费用。FIS 测试执行另行按 FIS 计费。建议按重要性选择评估对象，优先将业务关键应用纳入评估而非统一评估所有应用，以此管理成本。月度定期评估时每应用成本较低，但若嵌入 CI/CD 流水线在每次部署时评估，需注意评估次数的增加。
总结
Resilience Hub 是按组件级别定量评估应用容错能力并可视化 RTO/RPO 目标达成状况的服务。在弹性策略中为每个故障场景定义目标，从 CloudFormation 栈、Terraform 状态文件、EKS 集群自动检测架构，在 4 种故障场景下执行评估。改进建议附带成本影响评估，并可通过 FIS 集成自动化故障测试。漂移检测和 CI/CD 集成实现持续评估，按应用分割和 RTO/RPO 层级设计是有效运用的关键。