亚马逊云科技于2026年8月18日宣布，Amazon EC2 Auto Scaling现已支持批量终止实例。用户可以在一次TerminateInstanceInAutoScalingGroup API请求中提交最多100个实例ID，不再需要为每台实例分别发起终止请求。
这项能力面向需要频繁创建和回收大规模临时计算资源的业务，尤其适用于AI与机器学习训练、容器编排和事件驱动架构。功能已在中国北京区域和中国宁夏区域开放，并且不收取额外费用。
一次请求最多终止100台实例
过去，通过TerminateInstanceInAutoScalingGroup接口处理Auto Scaling组中的多台实例时，需要逐台提交请求。实例数量较多时，自动化系统不仅需要发出大量API调用，还要处理请求重试、速率控制和执行状态记录。
批量终止能力允许用户在一个请求中提交最多100个实例ID。对于一次需要回收几十台训练节点、计算工作节点或者临时任务实例的场景，可以明显减少API调用次数。
这并不代表所有实例会在同一毫秒内关闭。批量接口解决的是提交和协调问题，实例进入终止流程后，仍然会按照各自的生命周期状态完成退出操作。
整批实例会在终止前完成验证
AWS表示，批次中的所有实例会在终止开始前进行原子化验证。服务会先检查整批请求，而不是在验证尚未完成时便提前处理其中一部分实例。
这项设计可以降低请求参数存在问题时出现部分实例已经终止、另一部分仍然运行的风险，对批量缩容脚本尤其重要。自动化系统也更容易根据一次请求的验证结果决定后续处理方式。
不过，原子化验证不等于终止过程完全不存在失败。请求进入执行阶段后，团队仍应跟踪每台实例的生命周期状态，并对超时、生命周期挂钩处理失败和应用退出异常建立告警。
生命周期挂钩与连接排空继续生效
批量终止不会绕过现有的Auto Scaling生命周期机制。AWS确认，Auto Scaling生命周期挂钩以及负载均衡器连接排空仍会针对批次内的每台实例执行。
这意味着应用可以在实例退出前完成必要操作，例如停止接收新任务、处理尚未完成的请求、上传日志、保存检查点或者从服务发现系统中注销节点。
批量接口因此不是强制关闭一组服务器的快捷方式。生命周期挂钩的超时时间、回调逻辑和失败处理仍然需要正确配置，否则批量缩容可能被拖延，或者在等待超时后进入非预期状态。
AI训练和容器集群受益明显
AI与机器学习训练任务经常需要在短时间内启动大量实例，并在训练结束后迅速回收。一次处理最多100台实例，可以减少调度平台结束任务时产生的接口请求和控制逻辑。
容器编排平台也可能根据队列长度和集群负载批量下线工作节点。通过批量终止接口，控制器可以把同一轮缩容中的节点集中提交，同时保留实例原有的连接排空和退出流程。
事件驱动业务同样适用。流量高峰结束后，系统可以成批释放临时计算节点，降低实例空闲时间。不过，缩容策略仍应为突发流量预留容量，不能只追求最快回收速度。
生产环境需要设置批次保护措施
批量操作提高效率的同时，也放大了配置错误的影响。生产系统不应仅根据实例启动时间或者单一指标决定终止名单，应同时检查实例健康状态、可用区分布、任务状态和应用副本数量。
对于包含本地数据、训练检查点或未完成任务的实例，终止前需要确认数据已经持久化到外部存储。关键服务还应限制单批终止比例，避免一次操作同时移除同一可用区或同一业务角色的全部实例。
自动化脚本应记录请求中的实例ID、操作时间、触发原因和执行结果，并为异常批次保留人工中止或补充容量的能力。正确加入这些保护措施后，批量终止才能真正转化为更快、更可靠的弹性缩容流程。
