View a markdown version of this page

对 Step Functions 中的问题进行故障排除 - AWS Step Functions
一般性问题服务集成活动快速工作流分布式地图

本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

对 Step Functions 中的问题进行故障排除

如果您在使用 Step Functions 时遇到问题，请参阅以下故障排除资源。

以下主题为您可能遇到的与 Step Functions 状态机、服务集成、活动和工作流程相关的错误和问题提供故障排除建议。如果您发现某个问题未在此处列出，可以使用此页上的 Feedback 按钮来报告。

有关更多故障排除建议和常见支持问题的答案，请访问AWS 知识中心。

一般故障排除

我无法创建状态机。

与状态机关联的 IAM 角色可能没有足够的权限。检查 IAM 角色的权限，包括 AWS 服务集成任务和 CloudWatch 日志记录的权限。 X-Ray.sync 任务状态需要额外的权限。

我无法使用 JsonPath 来引用上一个任务的输出。

对于 a JsonPath，JSON 密钥必须以结尾.$。这意味着 a JsonPath 只能在键值对中使用。如果你想使用 JsonPath 其他地方，比如数组，你可以使用内部函数。例如，可以使用类似以下代码的内容：

任务 A 的输出：

{
    "sample": "test"
}

任务 B：


{
    "JsonPathSample.$": "$.sample"
}

状态转换出现延迟。

对于标准工作流，状态转换的数量是有限制的。当超过状态转换限制时，Step Functions 会延迟状态转换，直到配额存储桶填满。可以通过查看 “ CloudWatch 指标” 页面执行指标部分中的ExecutionThrottled指标来监控状态转换限制情况。

启动新的标准工作流执行时，会执行失败并出现 ExecutionLimitExceeded 错误。

Step Functions 每次的开放执行上限为 100 万个 AWS 账户 。 AWS 区域如果超过此限制，Step Function 会抛出 ExecutionLimitExceeded 错误。此限制不适用于快速工作流程。可以使用 OpenExecutionCount 来跟踪何时接近 OpenExecutionLimit，并创建警报来在该事件中主动通知您。OpenExecutionCount 是已开启工作流程的大致数量。有关更多信息，请参阅 执行指标。

一个处于并行状态的分支出现故障，导致整个执行失败。

这是一个预期行为。为避免在使用并行状态时遇到故障，请将 Step Functions 配置为捕获每个分支抛出的错误。

服务集成故障排除

在下游服务中，我的作业已经完成，但在 Functions 中，任务状态仍为“进行中”或延迟完成。

对于.sync服务集成模式，Step Functions 使用 EventBridge 规则、下游 API 或两者的组合来检测下游作业状态。对于某些服务，Step Functions 不会创建要监控的 EventBridge 规则。例如，对于 AWS Glue 服务集成，Step Functions 不是使用 EventBridge 规则，而是glue:GetJobRun调用。由于 API 调用的频率，下游任务完成时间与 Step Functions 任务完成时间存在差异。Step Functions 需要 IAM 权限才能管理 EventBridge 规则和调用下游服务。有关执行角色权限不足如何影响任务完成的详细信息，请参阅使用 .sync 的任务的额外权限。

我想从嵌套状态机执行中返回 JSON 输出。

Step Functions 有两个同步服务集成：startExecution.sync 和 startExecution.sync:2。两者都将等待嵌套状态机完成，但它们返回不同的 Output 格式。您可以使用 startExecution.sync:2 在 Output 下返回 JSON 输出。

我无法从另一个账户调用 Lambda 函数。

通过跨账户支持访问 Lambda 函数

如果您的地区支持跨账户访问 AWS 资源，请使用以下方法从其他账户调用 Lambda 函数。

要在工作流中调用跨账户资源，请执行以下操作：

  1. 在包含资源的目标账户中创建 IAM 角色。此角色向包含状态机的源账户授予访问目标账户资源的权限。

  2. 在 Task 状态的定义中，指定在调用跨账户资源之前由状态机担任的目标 IAM 角色。

  3. 修改目标 IAM 角色中的信任策略来允许源账户临时担任此角色。信任策略必须包含源账户中定义的状态机的 Amazon 资源名称（ARN）。此外，还要在目标 IAM 角色中定义调用 AWS 资源的相应权限。

  4. 更新源账户的执行角色，使其包含担任目标 IAM 角色所需的权限。

有关示例，请参阅教程中的在 Step Functi AWS ons 中访问跨账户资源。

注意

您可以配置状态机承担一个 IAM 角色，以便从多个 AWS 账户访问资源。但是，状态机在给定时间只能承担一个 IAM 角色。

有关指定跨账户资源的 Task 状态定义示例，请参阅 Task 状态的“凭证”字段示例。

在没有跨账户支持的情况下访问 Lambda 函数

如果您所在的地区无法跨账户访问 AWS 资源，请使用以下方法从其他账户调用 Lambda 函数。

在 Task 状态的 Resource 字段中，使用 arn:aws:states:::lambda:invoke 并传递参数中的 FunctionArn。与状态机关联的 IAM 角色必须拥有调用跨账户 Lambda 函数的正确权限：lambda:invokeFunction。

{  
   "StartAt":"CallLambda",
   "States":{  
      "CallLambda":{  
         "Type":"Task",
         "Resource":"arn:aws:states:::lambda:invoke",
         "Parameters":{  
            "FunctionName":"arn:aws:lambda:region:account-id:function:my-function"
         },
         "End":true
      }
   }
}

我看不到从 .wait ForTaskToken 状态传递的任务令牌。

您必须在 Task 状态的 Parameters 字段中传递任务令牌。例如，您可以使用与以下代码类似的内容。

{  
   "StartAt":"taskToken",
   "States":{  
      "taskToken":{  
         "Type":"Task",
         "Resource":"arn:aws:states:::lambda:invoke.waitForTaskToken",
         "Parameters":{  
            "FunctionName":"get-model-review-decision",
            "Payload":{  
               "token.$":"$$.Task.Token"
            },
         },
         "End":true
      }
   }
}
注意

您可以尝试在任何 API 操作中使用 .waitForTaskToken。不过，有些 API 没有合适的参数。

活动故障排除

我的状态机执行卡在活动状态。

只有在您使用 GetActivityTaskAPI 操作轮询任务令牌后，活动任务状态才会启动。最佳实操是添加任务级超时，用于避免执行卡住。有关更多信息，请参阅 使用超时来避免 Step Functions 工作流程执行卡顿。

如果您的状态机在ActivityScheduled事件中停滞不前，则表明您的活动工作人员队列存在问题或规模不足。您应该监控该ActivityScheduleTime CloudWatch 指标，并在该时间延长时设置警报。不过，要想超时处理任何卡住的状态机执行（其中 Activity 状态没有转换到 ActivityStarted 状态），可在状态机级别定义超时。为此，请在状态机定义的开头指定一个 TimeoutSeconds 字段，该字段位于 States 字段之外。

我的活动工作线程在等待任务令牌时超时。

工作人员使用 GetActivityTaskAPI 操作来检索具有指定活动 ARN 的任务，该任务计划由正在运行的状态机执行。 GetActivityTask开始长时间的轮询，因此该服务保持 HTTP 连接处于打开状态，并在任务可用时立即做出响应。服务在响应之前保留请求的最长时间为 60 秒。如果在 60 秒内没有任务可用，轮询将返回一个带空字符串的 taskToken。要避免这种超时，请在 AWS SDK 或用于进行 API 调用的客户端中将客户端套接字配置为至少 65 秒的超时时间。

快速工作流程故障排除

我的应用程序在收到来自某人的回复之前就超时了 StartSyncExecutionAPI 调用。

在用于进行 API 调用的 AWS SDK 或客户端中配置客户端套接字超时。要接收响应，超时值必须高于快速工作流执行的持续时间。

我无法查看执行历史记录，无法解决快速工作流故障。

快速工作流不会在 AWS Step Functions中记录执行历史。相反，您必须开启 CloudWatch 日志记录。开启日志记录后，你可以使用 L CloudWatch ogs Insights 查询来查看 Express Workflow 的执行情况。如果在执行选项卡中选择启用按钮，还可以在 Step Functions 控制台上查看快速工作流的执行历史记录。有关更多信息，请参阅 在 Step Functions 控制台中查看执行详细信息。

根据持续时间列出执行情况：

fields ispresent(execution_arn) as exec_arn
| filter exec_arn 
| filter type in ["ExecutionStarted", "ExecutionSucceeded", "ExecutionFailed", "ExecutionAborted", "ExecutionTimedOut"]
| stats latest(type) as status, 
  tomillis(earliest(event_timestamp)) as UTC_starttime, 
  tomillis(latest(event_timestamp)) as UTC_endtime, 
  latest(event_timestamp) - earliest(event_timestamp) as duration_in_ms  by execution_arn
| sort duration_in_ms desc

列出失败和取消的执行：

fields ispresent(execution_arn) as isRes | filter type in ["ExecutionFailed", "ExecutionAborted", "ExecutionTimedOut"]

分布式地图疑难解答

我的地图运行卡住了。

打开地图的最大运行次数有服务配额。此配额用完后，其他地图将等待其他地图运行完成后有更多配额可用。积压的地图在MapRunStarted事件发生后等待，然后再读取他们的输入，因此你会看到地图运行的待处理物品数量保持在 0。一旦积压的地图能够获得配额，它将开始读取其输入。然后，您将看到待处理的物品数量增加，并且地图将在其生命周期的剩余时间内正常运行。随着配额可用，在积压的地图中分配配额的方式没有特定的顺序。

使用嵌套映射运行时存在死锁的风险。在这种情况下，您有一个包含 “父” 地图运行的父工作流程执行，这反过来又会启动包含 “子” 地图运行的子工作流程执行，这反过来又会启动孙子工作流程执行。如果子工作流程执行开始其子地图运行时没有剩余的最大打开地图运行次数配额，则该子地图运行将被积压。如果父地图运行消耗了全部配额，并且所有子地图运行都被积压了，那么两个组都无法取得进展，并且在配额再次可用之前，他们将保持僵局。地图运行将在父执行终止（例如超时、由于未捕获的错误而失败或由于 API 调用而失败）时中止并使其配额再次可用。StopExecution

考虑在工作流程设计中使用嵌套地图运行时，请估计您的预期开放地图运行次数是否可能超过最大开放地图运行次数配额，从而使您面临延迟或死锁的风险。如果是这样，你可以考虑其他设计。例如，与其使用父映射运行来迭代 Amazon S3 对象列表，使用子地图运行来读取其内容，不如使用地图运行中的LOAD_AND_FLATTEN转换在一次地图运行中执行这两个操作。ReaderConfig另一种常见的模式是包括预处理步骤，例如 Lambda 函数，该函数会迭代您的嵌套数据并生成可用作地图运行输入的文件。

您可以使用中的ApproximateOpenMapRunCount、OpenMapRunLimit和ApproximateMapRunBacklogSize指标监控自己对最大开放地图运行次数配额的使用情况 CloudWatch。