AWS Batch：无法取消处于RUNNABLE状态的作业

问题现象 #

使用AWS Batch运行蒙特卡洛模拟时，提交的一批RUNNABLE状态作业需要清理，但通过以下操作均无法将作业从队列中移除：

• 控制台手动取消/终止作业，提示成功但状态无变化
• 执行CLI命令aws batch cancel-job和aws batch terminate-job，作业仍保持RUNNABLE状态

可行解决步骤 #

1. 检查作业依赖配置 #

若作业设置了依赖关系，未完成的依赖会阻止取消流程执行。通过CLI查看作业详情确认依赖：

aws batch describe-jobs --jobs <你的作业ID>

查看返回结果中的dependsOn字段，若存在未完成的依赖作业，需先处理这些依赖。

2. 验证IAM权限完整性 #

确保执行操作的IAM实体（用户/角色）拥有对应权限，权限策略需包含：

{
    "Effect": "Allow",
    "Action": [
        "batch:CancelJob",
        "batch:TerminateJob"
    ],
    "Resource": [
        "arn:aws:batch:<区域ID>:<账号ID>:job/<作业ID>",
        "arn:aws:batch:<区域ID>:<账号ID>:job-queue/<队列名称>"
    ]
}

即使控制台提示操作成功，权限缺失可能导致实际未生效。

3. 临时禁用作业队列后清理 #

先禁用队列阻止新作业调度，再执行取消操作：

# 禁用目标作业队列
aws batch update-job-queue --job-queue <队列名称> --state DISABLED
# 取消单条作业（批量处理可结合脚本遍历作业ID）
aws batch cancel-job --job-id <作业ID> --reason "强制清理卡住的作业"
# 清理完成后恢复队列状态
aws batch update-job-queue --job-queue <队列名称> --state ENABLED

4. 提交AWS支持工单 #

若以上方法均无效，说明可能是服务端异常状态，需提交AWS Support工单，提供作业ID、队列名称、操作时间戳等信息，请求官方协助清理。

内容的提问来源于stack exchange，提问作者miguel-bm