AWS Systems Manager 自动化事件指南

解决什么问题

在云上运维里，同一个 CloudWatch 告警可能指向多种已知故障域：节点资源耗尽、服务启动失败、补丁或配置漂移。此时最消耗时间的不是执行修复，而是判断应该由哪个 AWS Systems Manager Automation 文档、哪个修复剧本承接，以及如何把告警上下文、目标节点和验证条件对齐。这个技能面向这类协调场景：当告警进入已知故障域时，帮助代理推荐或启动正确剧本，减少临时拼接命令和凭记忆操作。

它如何工作

• 先把 CloudWatch 告警中的指标、资源 ARN 与时间窗口解析为可用上下文。
• 再将该上下文映射到 AWS Systems Manager Automation 可执行文档或修复剧本。
• 对匹配到的剧本，整理目标节点、输入参数、运行权限和执行前置条件。
• 结合 AWS Systems Manager Incident Manager 的事件处理流程，为人工介入或自动恢复保留记录。
• 通过 AWS SDKs & Tools 和 AWS 通用参考验证参数与调用方式，避免只凭告警文本猜命令。

适用边界与注意点

• 它适合已知、已沉淀为 SSM Automation 文档的故障域；全新根因仍需要人工诊断。
• 自动化执行前要确认 IAM 权限、节点注册状态、参数冗余和失败回滚策略。
• 不要把告警风暴直接放大成批量剧本执行，应保留节流、优先级和审批机制。
• Console 体验主要用于跨节点常见任务；复杂编排建议用自动化文档和代码仓库管理版本。