AWS FIS ハンズオン

📋 概要

AWS Fault Injection Service（FIS）は、AWS リソースに対して意図的に障害を注入（fault injection）し、システムが想定どおりに耐障害・自己修復するかを検証するマネージドなカオスエンジニアリングサービスです。このハンズオンでは、ALB + Auto Scaling 配下の EC2 に対して「インスタンス停止」「CPU ストレス」を注入し、ALB のヘルスチェックと Auto Scaling による自動復旧を実際に観察します。

FIS の主要アクション（抜粋）

🏗️ アーキテクチャ

FIS の実験が ALB + Auto Scaling 配下の EC2 に障害を注入し、システムが自動復旧する流れを観察します。

✅ 前提条件

• AWS アカウントにログイン済みで、FIS・EC2・IAM・CloudWatch の操作権限を持つこと
• ALB + Auto Scaling 配下に EC2 が 2 台以上稼働していること（未構築の場合は EC2 Auto Scaling ハンズオン で先に構築してください）
• 対象 EC2 が SSM 管理下であること（IAM ロールに AmazonSSMManagedInstanceCore をアタッチ。CPU ストレス注入で必須）
• CPU ストレスの停止条件を 1 分間隔で評価するため、対象 EC2 で詳細モニタリングを有効化しておくこと（任意・推奨）

🔐 ステップ 1 ― FIS 用 IAM ロールの作成

FIS が自分に代わって EC2 を停止したり SSM コマンドを送信したりするためのサービスロールを作成します。AWS 管理ポリシーを利用するのが簡単で安全です。

{
  "Version": "2012-10-17",
  "Statement": [
    {
      "Effect": "Allow",
      "Principal": { "Service": "fis.amazonaws.com" },
      "Action": "sts:AssumeRole"
    }
  ]
}

{
  "Version": "2012-10-17",
  "Statement": [
    {
      "Sid": "EC2StopStart",
      "Effect": "Allow",
      "Action": ["ec2:StopInstances", "ec2:StartInstances", "ec2:DescribeInstances"],
      "Resource": "*"
    },
    {
      "Sid": "SSMSendCommand",
      "Effect": "Allow",
      "Action": ["ssm:SendCommand", "ssm:ListCommands", "ssm:CancelCommand", "ssm:GetCommandInvocation"],
      "Resource": "*"
    }
  ]
}

🚨 ステップ 2 ― 停止条件用 CloudWatch アラームの作成

実験が暴走した場合の安全ブレーキとして、CPU 使用率が閾値を超えたら実験を自動中断する CloudWatch アラームを作成します。

🧪 ステップ 3 ― 実験テンプレート①（EC2 インスタンス停止）

Auto Scaling 配下のインスタンスの一部を停止し、ALB と Auto Scaling が自動で回復するかを見る実験を作成します。

参考: 生成される実験テンプレート JSON

{
  "description": "Stop one ASG instance and observe recovery",
  "targets": {
    "asgInstances": {
      "resourceType": "aws:ec2:instance",
      "resourceTags": { "aws:autoscaling:groupName": "<あなたの ASG 名>" },
      "selectionMode": "PERCENT(50)"
    }
  },
  "actions": {
    "stopInstances": {
      "actionId": "aws:ec2:stop-instances",
      "parameters": { "startInstancesAfterDuration": "PT5M" },
      "targets": { "Instances": "asgInstances" }
    }
  },
  "stopConditions": [
    { "source": "aws:cloudwatch:alarm", "value": "arn:aws:cloudwatch:ap-northeast-1:<account-id>:alarm:<alarm-name>" }
  ],
  "roleArn": "arn:aws:iam::<account-id>:role/handson-fis-role",
  "tags": {}
}

▶️ ステップ 4 ― 実験を実行して自己修復を観察

🔥 ステップ 5 ― 実験テンプレート②（CPU ストレス注入）

SSM の事前定義ドキュメント AWSFIS-Run-CPU-Stress を使い、インスタンスに CPU 負荷をかけます。停止条件アラームが効くことも確認します。

🧭 ステップ 6 ― 応用と運用上の注意点

他に試せるアクション

🧹 クリーンアップ

1. 実験テンプレートを削除
   FIS → 実験テンプレート → handson-stop-instance / handson-cpu-stress を選択 → 削除（確認入力 delete）
2. CloudWatch アラームを削除
   CloudWatch → アラーム → ステップ 2 で作成したアラームを削除
3. FIS 用 IAM ロールを削除
   IAM → ロール → handson-fis-role を削除
4. EC2 / ALB / Auto Scaling を削除
   本ハンズオン用に新規構築した場合は EC2 Auto Scaling ハンズオンのクリーンアップに従って削除してください

学習のまとめ