AWS Step Functions长时人工任务超时重跑及超期执行问题咨询

一、整体执行时长超过1年的风险与解决方案 #

AWS Step Functions标准工作流的默认整体执行超时是1年，但你可以在工作流定义里通过ExecutionTimeout参数将其调整到最长10年——这是核心前提，如果不修改这个参数，哪怕你用364天重试的逻辑，到1年整的时候整个执行还是会被强制终止，之前的重试操作都会白费。

额外注意事项：

• 每次重试人工任务前，务必把当前任务的上下文（比如审批内容、关联业务ID、已有的操作记录等）存储到外部服务（如DynamoDB）中，避免重试后丢失关键信息，确保人工审批能承接之前的任务状态。
• 确认异常捕获逻辑精准：要明确捕获States.Timeout异常，再跳转到重新发起人工任务的步骤，别因异常类型匹配错误导致重试不生效。

二、25000个等待审批的未完成实例的注意事项 #

首先，Step Functions标准工作流的默认并发未完成执行配额是1000，但你可以通过AWS控制台提交支持工单申请提升配额，最高可达100000级别，25000的规模完全可以申请到，这方面无需过度担忧。

但有两个核心点要重点关注：

• 成本问题：处于等待状态的标准工作流执行会按等待时长（秒级）计费，再加上每次状态转换的费用，25000个实例长期等待的累计成本会很高，建议提前核算费用，或定期清理僵尸实例（比如超过2年仍未审批的任务）。
• 监控与运维：配置CloudWatch告警，监控未完成执行的数量、单个实例的等待时长，避免大量无人处理的任务占用配额，也能及时发现重试逻辑的异常（比如某步骤持续循环超时）。

补充：不要使用Express工作流，它的最长执行时间仅为5分钟，完全不适合这类长周期人工任务场景。

内容的提问来源于stack exchange，提问作者Charan2628