Create Amazon ECS Cluster, Task Definition, Service and Scheduled Task using AWS CDK(Python)
Zusammenfassung
Kurz
Der Artikel zeigt, wie ein ECS-Fargate-Stack mit AWS CDK in Python erstellt wird, einschließlich Cluster, Image, Task-Definition, Service und geplantem Task. Das Beispiel erläutert VPC- und IAM-Konfiguration sowie Deployment und Aufräumen, bleibt aber eine Demo und belegt weder Produktionsreife noch eine umfassende Sicherheitsbewertung.
Mittel
Der Bericht führt anhand eines einfachen Python-Beispiels vor, wie sich mit AWS CDK ein ECS-Stack für Fargate definieren lässt. Er umfasst Cluster, Task-Definition, Container-Image, Service und zeitgesteuerten Task. Der Autor beschreibt, dass CDK das Image aus einem Docker-Verzeichnis erstellt und dafür automatisch ein ECR-Repository anlegt. Für ein bestehendes VPC empfiehlt der Artikel `Vpc.from_lookup`; bei `from_vpc_attributes` sei beim Scheduled Task ein Fehler wegen fehlender privater Subnetze aufgetreten. Der Stack legt unter anderem Linux/ARM64, Speicher- und CPU-Werte, Logging sowie zwei IAM-Rollen fest: eine für den Container-Agenten und eine für AWS-Zugriffe des Containerprogramms.
Ein ECS-Service wird als passend für länger laufende zustandslose Anwendungen beschrieben, ein Task für Batch-Jobs. Der Beispiel-Service erhält eine gewünschte Task-Anzahl von eins; der Cron-basierte Scheduled Task ist zunächst deaktiviert. Der Autor empfiehlt, dessen Task-Definition über die vorgesehenen Optionen zu übergeben. Nach `cdk deploy` solle sich der Beispielprozess starten und seine Ausgabe in den Logs prüfen lassen; `cdk destroy` entferne die Ressourcen. Das Beispielcodeprogramm ist minimal. Der Bericht ist eine praktische Demonstration und belegt keine Produktionsreife oder umfassende Sicherheitsbewertung; einige gezeigte Berechtigungen sind sehr weit gefasst.
Ausführlich lesen
Der Bericht zeigt anhand eines Beispiels, wie sich mit AWS CDK in Python ein Amazon-ECS-Stack für Fargate aufbauen lässt: Cluster, Task-Definition, Container-Image, dauerhafter Service und zeitgesteuerter Task. Der Autor stellt den Ansatz als Möglichkeit dar, mehrere manuelle Einrichtungsschritte zu bündeln und Änderungen per `cdk deploy` auszurollen. Das Beispielprojekt enthält einen sehr einfachen Python-Prozess, der `boto3` importiert und eine Textzeile ausgibt, sowie ein Dockerfile, das daraus ein Image baut.
Für den Cluster beschreibt der Artikel `aws_ecs.Cluster`. Laut Autor kann CDK dabei standardmäßig ein neues VPC anlegen, während die Konsole das Standard-VPC verwendet. Ein vorhandenes VPC wird im Beispiel über `aws_ec2.Vpc.from_lookup` eingebunden; dafür müsse auch die Stack-Umgebung mit Konto und Region gesetzt sein. Der Bericht empfiehlt `from_lookup` gegenüber `from_vpc_attributes`: Letzteres habe beim Erstellen eines zeitgesteuerten Tasks zu einem Fehler über fehlende private Subnetze geführt. Für die gezeigten Ressourcen setzt der Autor `RemovalPolicy.DESTROY`, damit sie sich mit `cdk destroy` entfernen lassen.
Die Task-Definition wird als `FargateTaskDefinition` mit Linux/ARM64, 1.024 MiB Speicher und 512 CPU-Einheiten eingerichtet. Der Artikel unterscheidet zwei IAM-Rollen: Die Task-Ausführungsrolle dient laut Darstellung dem Container-Agenten, etwa zum Abrufen des Images und zum Schreiben von Logs; die Task-Rolle berechtigt den Code im Container zu AWS-Aufrufen. Zusätzliche Berechtigungen sollen je nach verwendeten Diensten ergänzt werden. Die gezeigte S3-Richtlinie erlaubt beispielhaft alle S3-Aktionen auf allen Ressourcen. Das Docker-Image wird über `DockerImageAsset` aus dem Verzeichnis mit dem Dockerfile erstellt und direkt in die Task-Definition eingebunden; CDK lege dafür automatisch ein ECR-Repository an. Für Logs wird ein AWS-Logs-Treiber konfiguriert.
Zum Schluss grenzt der Autor den Einsatz der Ausführungsarten ab: Ein Service eigne sich etwa für länger laufende zustandslose Anwendungen, ein Task für abgeschlossene Batch-Arbeiten. Der Service wird mit einer gewünschten Anzahl von einer Task und öffentlicher IP gezeigt. Der geplante Fargate-Task nutzt einen Cron-Ausdruck, wird im Beispiel aber deaktiviert angelegt. Der Artikel erwähnt außerdem, dass für `ScheduledFargateTask` die Task-Definition über `scheduled_fargate_task_definition_options` übergeben werden soll; der direkte Parameter `task_definition` werde ignoriert.
Als Ergebnis beschreibt der Autor, dass nach `cdk deploy` die Task-Definition in der ECS-Konsole gestartet und die Ausgabe des Beispielprozesses in den Logs geprüft werden könne. Das ist ein praxisorientiertes Einzelbeispiel, keine umfassende Anleitung: Der Containercode ist nur eine Demo, und der Bericht belegt weder einen vollständigen Produktionsbetrieb noch allgemeine Kosten- oder Sicherheitsbewertungen. Die angegebenen IAM-Beispiele, insbesondere weit gefasste Rechte, sind Beispiele des Autors und keine pauschale Empfehlung.
Gegengeprüft von Claude Haiku 5.5: kleine Mängel
Beide von Luna gelieferten Zusammenfassungen (kurz und mittel) wurden geprüft; sie geben den Bericht im Kern treu wieder, lassen aber einige Begründungen und Schutzmaßnahmen aus. Die Einordnung betrifft nur die einzige angegebene Frage SF-A1.
Im Bericht, aber nicht in der Zusammenfassung
- Grund, warum kein ECR-Repository direkt angelegt wird (repositoryName bei DockerImageAsset veraltet, kein Push ohne Drittbibliotheken)
- RemovalPolicy.DESTROY als Schutz vor unerwarteten Kosten nach cdk destroy
- Unterschied: Konsole nutzt die Default-VPC, CDK legt ohne Angabe eine neue VPC an
- Region-Problem: env in app.py muss gesetzt werden, damit from_lookup funktioniert
Wie die Modelle den Bericht einordnen
Ansicht
Filter
Agenten und vernetzte Systeme
- SF-A1 Welche Befugnisse darf ein KI-Agent haben, also eine KI, die selbstständig mit Werkzeugen handelt? Wer entzieht sie ihm, und wie prüft man, dass er in seinem Auftrag bleibt?
- clef 100 %kein Bezug
- Luna 44 %einzelne zitierbare Belege
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- Haiku-Prüfung gleiches Oberthema, hilft nicht