如何突破AWS Workspaces的client.start_workspaces单次请求25台限制？

我有一个用于启动环境中所有Workspaces实例的Lambda函数，代码如下：

import boto3
client = boto3.client('workspaces')

def lambda_handler(event,context):
     workspaces = client.describe_workspaces()['Workspaces']
     for workspace in workspaces:
          if workspace['WorkspaceProperties']['RunningMode'] == 'AUTO_STOP':
               if workspace['State'] == 'STOPPED':
                   workspaces_id = (workspace['WorkspaceId'])
                   client.start_workspaces(
                       StartWorkspaceRequests=[
                           {
                               'WorkspaceId': workspaces_id
                           },
                        ]
                     )

但client.start_workspaces存在单次请求最多启动25台Workspaces的限制，我希望构建一个支持超过25台实例的稳健解决方案，请问该如何克服这一限制？

要解决单次请求最多启动25台Workspaces的限制，核心是将符合条件的实例按25个一组批量处理，同时加入分页查询和错误处理增强稳健性，具体实现如下：

优化后的代码 #

import boto3
from itertools import islice

client = boto3.client('workspaces')

def lambda_handler(event, context):
    # 分页查询所有Workspaces，避免结果截断
    all_workspaces = []
    paginator = client.get_paginator('describe_workspaces')
    for page in paginator.paginate():
        all_workspaces.extend(page['Workspaces'])
    
    # 筛选需要启动的实例：AUTO_STOP模式且处于STOPPED状态
    target_workspaces = []
    for workspace in all_workspaces:
        if (workspace['WorkspaceProperties']['RunningMode'] == 'AUTO_STOP' 
            and workspace['State'] == 'STOPPED'):
            target_workspaces.append({'WorkspaceId': workspace['WorkspaceId']})
    
    # 按25个一组批量启动
    batch_size = 25
    while target_workspaces:
        # 取出当前批次的请求列表
        current_batch = list(islice(target_workspaces, batch_size))
        # 移除已处理的实例
        target_workspaces = target_workspaces[batch_size:]
        
        try:
            response = client.start_workspaces(StartWorkspaceRequests=current_batch)
            # 检查并打印启动失败的实例
            if 'FailedRequests' in response and response['FailedRequests']:
                print(f"启动失败的实例ID及原因: {response['FailedRequests']}")
        except Exception as e:
            print(f"处理批次时发生错误: {str(e)}")
    
    print("所有符合条件的Workspaces启动处理完成")

核心优化点 #

• 分页查询：使用boto3分页器获取全部Workspaces，避免因实例数量过多导致describe_workspaces返回结果不全。
• 批量分组：通过islice将目标实例按25个一组拆分，符合API的单次请求限制，同时减少API调用次数提升效率。
• 错误处理：捕获启动过程中的异常，并检查API返回的失败请求，方便排查问题。
• 逻辑清晰：拆分筛选、分组、启动三个核心步骤，代码更易维护。

内容的提问来源于stack exchange，提问作者Dani-Bholenath