Automatisierung von AWS ECR Tagging mit Python und Boto3

Das Verwalten von Tags in AWS Elastic Container Registry (ECR)-Repositories ist unerlasslich fur die Aufrechterhaltung der Ressourcenorganisation und Kostenverfolgung. Die manuelle Durchfuhrung dieser Aufgabe uber mehrere Repositories hinweg kann zeitaufwandig und fehleranfallig sein. Die Automatisierung dieses Prozesses mit Python und Boto3 vereinfacht die Ablaufe erheblich.
Bedeutung der Automatisierung des ECR-Taggings
Konsistentes Tagging in ECR-Repositories:
- Verbessert die Klarheit der Ressourcenzuordnung.
- Hilft bei der genauen Kostenverfolgung und Budgetierung.
- Reduziert den manuellen Overhead und das Risiko menschlicher Fehler.
Voraussetzungen
- Python 3 installiert
- AWS CLI konfiguriert
- Boto3 (
pip install boto3) - IAM-Berechtigungen:
ecr:DescribeRepositoriesecr:ListTagsForResourceecr:TagResource
Python-Skript fur ECR-Tagging
import boto3
AWS_REGION = ‘us-east-1’ # Ersetze mit deiner Region
TAGS_TO_APPLY = {
‘deployed_via’: ‘manual’,
’env_name’: ‘development’,
‘projectid’: ‘ID-12345’,
}
def tag_ecr_repositories():
ecr_client = boto3.client(’ecr’, region_name=AWS_REGION)
paginator = ecr_client.get_paginator('describe_repositories')
for page in paginator.paginate():
for repo in page['repositories']:
repo_arn = repo['repositoryArn']
repo_name = repo['repositoryName']
existing_tags = ecr_client.list_tags_for_resource(resourceArn=repo_arn).get('tags', [])
if not existing_tags:
print(f"Adding tags to repository '{repo_name}'")
ecr_client.tag_resource(
resourceArn=repo_arn,
tags=[{'Key': k, 'Value': v} for k, v in TAGS_TO_APPLY.items()]
)
else:
print(f"Repository '{repo_name}' already has tags. Skipping.")
if name == ‘main’:
tag_ecr_repositories()
Vorteile
- Automatisiertes und konsistentes Tagging in allen Repositories.
- Reduzierte Betriebskosten.
- Optimierte FinOps- und Audit-Prozesse.
Fazit
Automatisiertes Tagging von AWS ECR-Repositories verbessert die betriebliche Effizienz, starkt das Kostenmanagement und erhalt konsistente Governance uber deine Container-Registry-Ressourcen hinweg.
Weiteres von Ercan
Zwei weitere Seiten, gleicher Autor, anderes Terrain.
KI, LLMs, Agents, angewandte ML.
Praxisnotizen zu KI-Workloads. Bedrock-Kostenanalyse, Agent-Patterns, Vektorspeicher-Tradeoffs, Failure-Modes in Produktion.
Besuchen ercan.ai →Die Drehscheibe. Über mich, Beratung, Kontakt.
Persönliche Drehscheibe für beide Schreibspuren. Wer ich bin, wie die Beratung funktioniert, wie Sie mich erreichen.
Besuchen ercanermis.com →