AWS Step Function进入Wait状态5分钟后超时，原因何在？

问题描述 #

我有一个AWS Step Function，配置了Wait状态等待1小时（3600秒），但每次启动后，进入Wait状态仅5分钟就超时，从未执行到后续的Lambda函数。状态机定义如下：

{
  "Comment": "This state machine will fire off a reminder lambda for an outage status update after a delay",
  "StartAt": "Wait",
  "States": {
    "Wait": {
      "Type": "Wait",
      "Comment": "Wait for an hour",
      "Seconds": 3600,
      "Next": "Send Reminder"
    },
    "Send Reminder": {
      "Type": "Task",
      "Comment": "Send a reminder in Slack for a status update",
      "Resource": "arn:aws:states:::lambda:invoke",
      "Parameters": {
        "Payload.$": "$",
        "FunctionName": "${FunctionArn}"
      },
      "End": true
    }
  }
}

我尝试添加"TimeoutSeconds": 7200到定义中，问题依旧。按官方文档，未设置超时的状态机默认1年才会自动超时，不清楚为何会提前终止。

排查结论及解决方法 #

• 状态机类型错误：这是最可能的原因。如果你的状态机是Express类型，它的最大执行时长限制就是5分钟（300秒），无论你设置多长的Wait时间或全局超时，都会触发超时终止。Express状态机设计用于短周期工作流，长时间等待需要使用Standard类型状态机。
  • 解决：在AWS控制台将状态机转换为Standard类型，或重新创建为Standard类型（注意两种类型的计费模式差异）。
• 执行角色权限缺失：检查状态机的执行角色是否拥有维持长时间执行的必要权限，比如states:UpdateExecution等。如果权限不足，Step Functions无法维持Wait状态，会提前终止。
  • 解决：为执行角色附加AmazonStepFunctionsFullAccess（测试环境），或根据最小权限原则配置所需权限。
• 触发源超时限制：如果状态机通过API Gateway、Lambda同步调用等方式触发，触发源自身的超时设置可能导致整个执行提前终止。比如同步调用Step Functions的Lambda函数如果设置了5分钟超时，会间接导致状态机执行终止。
  • 解决：检查触发源的超时配置，确保其超时时间大于状态机的总执行时长。

内容的提问来源于stack exchange，提问作者Lex