[aws] EC2 / ECS / EKS：容器部署三選一

EC2 / ECS / EKS：你的容器該跑在哪？

你有一個容器化的 App，想丟到 AWS 上跑。打開 Console 發現 EC2、ECS、EKS 三個選項——它們到底差在哪？

先講結論

EC2 是你自己管機器，什麼都能控制，但 OS patch、scaling 都要自己來。ECS 是 AWS 自家的容器編排，學習成本低、跟 AWS 生態整合最好。EKS 是 AWS 託管的 K8s，適合已經有 K8s 經驗或需要多雲的團隊。如果你只是要跑幾個容器、團隊不超過 10 人，ECS + Fargate 是 2026 年的最佳起點。

三種選擇一覽

	EC2	ECS (Fargate)	EKS
你管什麼	OS、Runtime、App	App	K8s manifests、App
學習曲線	低（就是 VM）	中（Task Definition）	高（K8s 全家桶）
Scaling	自己設 ASG	自動（Fargate）	HPA + Cluster Autoscaler
成本	最低（可用 Spot）	中（Fargate 溢價）	最高（Control Plane $73/月）
適合誰	非容器化 App、特殊 OS 需求	大多數容器化 App	已有 K8s 團隊、多雲

EC2：老朋友，但要自己扛

EC2 就是虛擬機。幾個重點：

Instance Type 怎麼選？

# 查看可用的 Instance Type（東京 Region）
aws ec2 describe-instance-types \
  --filters "Name=current-generation,Values=true" \
  --query "InstanceTypes[?starts_with(InstanceType,'t3')].[InstanceType,VCpuInfo.DefaultVCpus,MemoryInfo.SizeInMiB]" \
  --output table

場景	Instance Type	說明
測試/開發	t3.micro	免費方案，2 vCPU / 1 GB
Web App	t3.medium	2 vCPU / 4 GB，夠跑大多數服務
計算密集	c6i.xlarge	4 vCPU / 8 GB，CPU 優化
記憶體密集	r6i.xlarge	4 vCPU / 32 GB，DB/Cache 用

PEM 檔案管理

# 建立 Key Pair
aws ec2 create-key-pair --key-name prod-key \
  --query 'KeyMaterial' --output text > prod-key.pem
chmod 400 prod-key.pem
 
# SSH 進去
ssh -i prod-key.pem ec2-user@<PUBLIC_IP>

PEM 弄丟了就只能重建 instance，沒有第二次機會。建議存到密碼管理器（1Password / Bitwarden），別放在桌面。

User Data：開機自動設定

# 啟動 EC2 時自動安裝 Docker
aws ec2 run-instances --image-id ami-xxxxx \
  --instance-type t3.medium \
  --key-name prod-key \
  --subnet-id subnet-private-1a \
  --security-group-ids sg-app \
  --user-data file://init.sh
 
# init.sh 內容
#!/bin/bash
yum update -y
yum install docker -y
systemctl start docker
systemctl enable docker
usermod -aG docker ec2-user

ECS + Fargate：容器化 App 的最佳起點

ECS 是 AWS 自家的容器編排服務。搭配 Fargate，你連 EC2 都不用管——丟 container image 進去就跑。

核心概念

Cluster：邏輯群組，裡面跑 Service 和 Task
Task Definition：描述你的容器怎麼跑（image、CPU、Memory、port、env）
Service：保持 N 個 Task 一直在跑（類似 K8s Deployment）
Task：一次性任務（類似 K8s Job）

建立 ECS 服務

# 1. 建立 Cluster
aws ecs create-cluster --cluster-name prod-cluster
 
# 2. 建立 Task Definition
cat > task-def.json << 'EOF'
{
  "family": "web-app",
  "networkMode": "awsvpc",
  "requiresCompatibilities": ["FARGATE"],
  "cpu": "256",
  "memory": "512",
  "executionRoleArn": "arn:aws:iam::123456789012:role/ecsTaskExecutionRole",
  "containerDefinitions": [
    {
      "name": "app",
      "image": "123456789012.dkr.ecr.ap-northeast-1.amazonaws.com/web-app:1.0.0",
      "portMappings": [
        { "containerPort": 8080, "protocol": "tcp" }
      ],
      "logConfiguration": {
        "logDriver": "awslogs",
        "options": {
          "awslogs-group": "/ecs/web-app",
          "awslogs-region": "ap-northeast-1",
          "awslogs-stream-prefix": "ecs"
        }
      },
      "environment": [
        { "name": "NODE_ENV", "value": "production" }
      ]
    }
  ]
}
EOF
 
aws ecs register-task-definition --cli-input-json file://task-def.json
 
# 3. 建立 Service
aws ecs create-service --cluster prod-cluster \
  --service-name web-app \
  --task-definition web-app:1 \
  --desired-count 2 \
  --launch-type FARGATE \
  --network-configuration "awsvpcConfiguration={subnets=[subnet-private-1a,subnet-private-1c],securityGroups=[sg-app],assignPublicIp=DISABLED}" \
  --load-balancers "targetGroupArn=arn:aws:elasticloadbalancing:...,containerName=app,containerPort=8080"

ECS Auto Scaling

# 註冊 Scalable Target
aws application-autoscaling register-scalable-target \
  --service-namespace ecs \
  --resource-id service/prod-cluster/web-app \
  --scalable-dimension ecs:service:DesiredCount \
  --min-capacity 2 --max-capacity 10
 
# Target Tracking：CPU 70% 就擴
aws application-autoscaling put-scaling-policy \
  --service-namespace ecs \
  --resource-id service/prod-cluster/web-app \
  --scalable-dimension ecs:service:DesiredCount \
  --policy-name cpu-tracking \
  --policy-type TargetTrackingScaling \
  --target-tracking-scaling-policy-configuration \
    "TargetValue=70.0,PredefinedMetricSpecification={PredefinedMetricType=ECSServiceAverageCPUUtilization}"

EKS：如果你真的需要 K8s

EKS 適合兩種人：已經有 K8s 經驗的團隊，和需要多雲可攜性的架構。

EKS 的成本

別忽略 Control Plane 費用： $0.10/ h r = * *$ 73/月**，這還沒算 Worker Node。

# 建立 EKS Cluster（用 eksctl 比較不痛苦）
eksctl create cluster \
  --name prod-cluster \
  --region ap-northeast-1 \
  --version 1.31 \
  --vpc-private-subnets subnet-private-1a,subnet-private-1c \
  --vpc-public-subnets subnet-public-1a,subnet-public-1c \
  --nodegroup-name workers \
  --node-type t3.medium \
  --nodes 3 \
  --nodes-min 2 \
  --nodes-max 5 \
  --managed

EKS vs 自架 K8s

面向	自架 K8s	EKS
Control Plane	自己維護 etcd/API Server	AWS 託管
升版	手動、怕爆	`eksctl upgrade cluster`
IAM 整合	沒有	IRSA（Pod 層級 IAM）
Networking	CNI 自己選	VPC CNI（Pod 拿 VPC IP）
成本	機器費用	機器 + $73/月 Control Plane

決策框架

你的 App 容器化了嗎？
├─ 否 → EC2（先容器化再說）
├─ 是 → 團隊有 K8s 經驗嗎？
│  ├─ 否 → ECS + Fargate
│  └─ 是 → 需要多雲嗎？
│     ├─ 否 → ECS（省錢省事）
│     └─ 是 → EKS

我的真心建議：除非你有很強的理由選 EKS（多雲、團隊已熟 K8s），否則 ECS + Fargate 是最省心的選擇。EKS 的 overhead 不只是 $73/月，還有學習成本和維運複雜度。

自架 vs AWS

面向	自架（Docker Compose）	ECS Fargate	EKS
部署方式	docker-compose up	Task Definition	kubectl apply
Scaling	手動 / 腳本	Application Auto Scaling	HPA
服務發現	Docker network	CloudMap / ALB	K8s Service
Log	Docker log driver	CloudWatch Logs	Fluentd/Loki
成本	機器費用	按 vCPU/Memory 秒計	機器 + CP 費

如果你在 Infra 系列讀過 Container Runtime，ECS Task Definition 就是 Docker Compose 的 AWS 版。而 Compose vs K8s 的決策，在 AWS 上變成了 ECS vs EKS。

K8s 映射

ECS 概念	K8s 對應
Cluster	Cluster
Task Definition	Pod spec / Deployment
Service	Deployment + Service
Task	Job
Fargate	Virtual Kubelet / Fargate on EKS
Application Auto Scaling	HPA (Horizontal Pod Autoscaler)

如果你選了 EKS，那就是完整的 K8s——直接看 K8s Workloads 吧。

系列導覽

上一篇	下一篇
NAT	Route 53

選 Compute 方案就像選車——不是最貴的最好，是最適合你的路況的最好。

Terry Yao's Blog

分類

目錄