AWS Step Functions中Fargate任务容器运行时错误未触发流水线失败排查

这个问题其实不是AWS的Bug，而是ecs:runTask.sync集成的默认设计逻辑导致的——我来帮你拆解清楚：

为什么Step Functions没捕获到容器失败？ #

Step Functions的arn:aws:states:::ecs:runTask.sync默认只关注ECS任务的整体生命周期状态：只要任务能成功启动、最终进入STOPPED状态（不管容器是正常退出还是报错退出），Step Functions就会标记该任务为成功。只有当任务无法启动（比如任务定义不存在、资源不足）或者被强制终止时，才会触发Step Functions的失败流程。

你的Python代码抛出异常导致容器退出码非零，但ECS任务本身只是正常停止（因为essential容器退出后任务就会停止），所以Step Functions认为整个任务执行完成，继续走后续流程。

两种解决方法 #

方法一：检查容器退出码（最直接） #

修改你的Step Functions定义，在Fargate任务执行后添加一个Choice状态，显式检查容器的退出码。如果退出码非零，直接进入Fail状态；否则继续到Done。

修改后的状态机定义如下：

{
  "Comment": "My state machine",
  "StartAt": "MyFargateTask",
  "States": {
    "MyFargateTask": {
      "Type": "Task",
      "Resource": "arn:aws:states:::ecs:runTask.sync",
      "InputPath": "$",
      "Parameters": {
        "Cluster": "my-cluster",
        "TaskDefinition": "arn:aws:ecs:us-east-1:617090640476:task-definition/my-task:1",
        "LaunchType": "FARGATE",
        "NetworkConfiguration": {
          "AwsvpcConfiguration": {
            "Subnets": [ "subnet-xxxxxxxxxxxxxxxxx", "subnet-yyyyyyyyyyyyyyyyy" ],
            "AssignPublicIp": "ENABLED"
          }
        }
      },
      "ResultPath": "$.ecsResult",
      "Next": "CheckContainerStatus"
    },
    "CheckContainerStatus": {
      "Type": "Choice",
      "Choices": [
        {
          "Variable": "$.ecsResult.containers[0].exitCode",
          "NumericEquals": 0,
          "Next": "Done"
        }
      ],
      "Default": "TaskFailed"
    },
    "TaskFailed": {
      "Type": "Fail",
      "Error": "ContainerNonZeroExit",
      "Cause": "Container exited with non-zero exit code."
    },
    "Done": {
      "Type": "Succeed"
    }
  }
}

注意点：

• 用ResultPath保留ECS任务的执行结果，方便后续检查
• 如果你的任务包含多个容器，需要调整containers[0]的索引，指向运行Python代码的容器
• 确保你的容器在ECS任务定义中是essential: true（默认就是true，无需额外配置），这样容器退出时整个任务会停止

方法二：利用ECS任务停止原因（可选） #

如果你的容器是essential容器，当它以非零码退出时，ECS任务的stopReason会包含Essential container in task exited。你也可以在Choice状态中检查这个字段，来判定任务是否失败，逻辑和方法一类似，只是检查的变量换成$.ecsResult.stopReason。

总结 #

这是正常的设计行为，不是Bug——Step Functions的ECS同步任务默认不感知容器内部的应用错误，需要你显式添加检查逻辑来捕获这类失败场景。

内容的提问来源于stack exchange，提问作者revy