AWS Step Functions中Lambda无限重试失效问题排查

你的配置核心问题是**MaxAttempts: 0的用法错误**：在Step Functions的重试规则中，设置MaxAttempts: 0表示完全禁用重试，而非无限重试。

要实现Lambda任务的无限重试，需按以下步骤调整：

1. 修正重试规则的MaxAttempts配置 #

Step Functions没有专门的"无限重试"参数，实现无限重试的正确方式是设置一个极大的数值（模拟无限），因为Step Functions最大执行时长为1年，足够覆盖超多次重试场景：

"Retry": [
  {
    "ErrorEquals": [
      "States.ALL"
    ],
    "BackoffRate": 1,
    "IntervalSeconds": 60,
    "MaxAttempts": 1000000
  }
]

也可以直接移除MaxAttempts字段，但默认仅会重试3次，无法达到无限重试的效果。

2. 确认Lambda函数确实抛出错误 #

Step Functions仅会在任务抛出可识别错误时触发重试：

• 如果Lambda函数正常返回（即使Payload包含失败信息），Step Functions会判定任务成功，不会触发重试。
• 需确保Lambda在失败时抛出异常，比如Python中用raise Exception()、Node.js中用throw new Error()，让Step Functions捕获到States.ALL类型的错误。

3. 检查状态机执行超时（可选） #

默认状态机最大执行时长为1年，已足够覆盖超多次60秒间隔的重试，无需额外调整。若有特殊需求，可在状态机顶层配置TimeoutSeconds（最大支持31536000秒，即1年）。

修改后的完整状态机配置示例 #

{
  "Comment": "A description of my state machine",
  "StartAt": "Check Export Status",
  "States": {
    "Check Export Status": {
      "Type": "Task",
      "Resource": "arn:aws:states:::lambda:invoke",
      "OutputPath": "$.Payload",
      "Parameters": {
        "Payload.$": "$",
        "FunctionName": "arn:aws:lambda:eu-west-1:xxxx:function:xxxx:$LATEST"
      },
      "Next": "Glue StartJobRun",
      "Retry": [
        {
          "ErrorEquals": [
            "States.ALL"
          ],
          "BackoffRate": 1,
          "IntervalSeconds": 60,
          "MaxAttempts": 1000000
        }
      ]
    },
    "Glue StartJobRun": {
      "Type": "Task",
      "Resource": "arn:aws:states:::glue:startJobRun",
      "ResultPath": "$.error",
      "Parameters": {
        "JobName": "glue job test"
      },
      "End": true
    }
  }
}

内容的提问来源于stack exchange，提问作者Dan