Ορισμός δύο διαφορετικών Target Groups σε AWS Load Balancer με Terraform
Θα μάθεις πώς να χρησιμοποιείς περισσότερα από ένα target group πίσω από το Elastic Load Balancer στις υπηρεσίες AWS με Terraform.

Την περασμένη εβδομάδα, έγραψα ένα infrastructure as a code μέσω Terraform. Στην περίπτωσή μου, χρειάζεται να προωθήσω την κίνηση από τη δημόσια διεπαφή του AWS Application Load Balancer σε δύο διαφορετικά target groups. Η hashicorp language (HCL) δεν είναι δύσκολη γλώσσα, αλλά το έγγραφο λείπει πολλά θέματα και επίσης υπάρχουν κάποια σημεία στο terraform που είναι ατεκμηρίωτα.
Το έψαξα στο Google πριν βεβαιωθώ, αλλά είδα ότι υπάρχουν πολλές ερωτήσεις και issues σχετικά με το θέμα "Use more than one target group on AWS with terraform".
Διάβασα τις προτεινόμενες λύσεις αλλά δεν με βοήθησαν. Μετά από αυτό, αποφάσισα να χρησιμοποιήσω το "aws_lb_listener" ως resource. Τελικά, βρήκα μια λύση για την περίπτωσή μου μόνος μου. Μπορείς να δεις λεπτομέρειες παρακάτω:
resource "aws_lb" "awsalb" {
name = "my-aws-loadbalancer"
internal = false
load_balancer_type = "application"
security_groups = [aws_security_group.lb.id]
subnets = data.aws_subnet_ids.subnets.ids
enable_deletion_protection = false
tags = {
Name = “My AWS ALB Load Balancer”
}
}
resource “aws_lb_target_group” “origin” {
name = “Origin-Group”
port = 5080
protocol = “HTTP”
vpc_id = data.aws_vpc.default.id
stickiness {
type = “lb_cookie”
}
}
resource “aws_lb_target_group” “edge” {
name = “Edge-Group”
port = 5080
protocol = “HTTP”
vpc_id = data.aws_vpc.default.id
stickiness {
type = “lb_cookie”
}
}
resource “aws_lb_listener” “http” {
load_balancer_arn = aws_lb.awsalb.arn
port = “80”
protocol = “HTTP”
default_action {
type = “forward”
forward {
target_group {
arn = aws_lb_target_group.origin.arn
}
target_group {
arn = aws_lb_target_group.edge.arn
}
stickiness {
enabled = true
duration = 28800
}
}
}
}
Ελπίζω αυτό το κόλπο να σου είναι χρήσιμο.
Επεξεργασία στις 28 Ιουνίου 2022: Χρησιμοποίησα αυτό το block κώδικα στο https://github.com/flightlesstux/antmedia/tree/master/aws-cluster Μπορείς να ελέγξεις και να κατανοήσεις πώς λειτουργεί...
Περισσότερα από τον Ercan
Δύο ακόμη ιστότοποι, ίδιος συγγραφέας, διαφορετικό έδαφος.
AI, LLMs, agents, εφαρμοσμένη ML.
Σημειώσεις πεδίου για AI workloads. Ανάλυση κόστους Bedrock, agent patterns, trade-offs αποθήκευσης διανυσμάτων, failure modes σε παραγωγή.
Επισκεφθείτε ercan.ai →Ο κόμβος. Σχετικά, συμβουλευτική, επικοινωνία.
Προσωπικός κόμβος και για τις δύο διαδρομές γραφής. Ποιος είμαι, πώς λειτουργεί η συμβουλευτική, πώς να επικοινωνήσετε.
Επισκεφθείτε ercanermis.com →