基于CloudWatch实现Lambda批量失败告警并获取具体故障信息

方案1：Metric Math聚合告警+辅助Lambda定位故障 #

保持现有聚合告警的基础上，通过SNS触发辅助Lambda来定位具体故障函数：

• 配置原SNS主题触发一个辅助Lambda函数，当告警触发时，该函数调用CloudWatch get-metric-data API，查询最近周期内所有Lambda的Errors指标。
• 筛选出错误数大于0的函数，整理成明细通知转发到目标渠道。
• 示例Python代码片段：

  import boto3
  import json
  
  cloudwatch = boto3.client('cloudwatch')
  sns = boto3.client('sns')
  
  def lambda_handler(event, context):
      # 查询最近5分钟内所有Lambda的错误指标
      metric_response = cloudwatch.get_metric_data(
          MetricDataQueries=[
              {
                  'Id': 'error_query',
                  'MetricStat': {
                      'Metric': {
                          'Namespace': 'AWS/Lambda',
                          'MetricName': 'Errors',
                          'Dimensions': [{'Name': 'FunctionName'}]
                      },
                      'Period': 300,
                      'Stat': 'Sum'
                  },
                  'ReturnData': True
              }
          ],
          StartTime=context.get_remaining_time_in_millis()/1000 - 300,
          EndTime=context.get_remaining_time_in_millis()/1000
      )
  
      # 提取故障函数列表
      faulty_funcs = []
      for result in metric_response['MetricDataResults']:
          if result['Values'] and result['Values'][0] > 0:
              func_name = next(d['Value'] for d in result['Labels'] if d['Name'] == 'FunctionName')
              faulty_funcs.append(f"{func_name}: {result['Values'][0]} 次错误")
  
      # 发送明细通知
      if faulty_funcs:
          message = f"Lambda错误告警触发，故障函数列表：\n- {chr(10)}- ".join(faulty_funcs)
          sns.publish(
              TopicArn='arn:aws:sns:your-region:your-account-id:your-target-topic',
              Message=message
          )
      return {'statusCode': 200}
  

方案2：CloudWatch Logs Insights告警直接关联故障函数 #

利用日志查询能力直接生成带明细的告警：

• 创建Logs Insights查询，从Lambda日志中筛选错误并按函数分组：

  fields @timestamp, @message, @logStream
  | filter @message like /ERROR|Exception|Traceback/
  | parse @logStream /aws\/lambda\/(?<functionName>[^\/]+)/
  | stats count(*) as errorCount by functionName
  | filter errorCount > 0
  

• 基于该查询创建告警，阈值设为1。告警触发时，通知内容会自动包含故障函数名称和错误计数，还能直接跳转到日志详情查看错误内容。

方案3：EventBridge规则实时捕捉Lambda错误事件 #

直接监听Lambda执行失败事件，获取最完整的故障信息：

• 创建EventBridge规则，事件模式选择AWS Lambda，事件类型指定为Lambda Function Invocation Result - Failure。
• 规则触发时，事件内容包含故障函数名、错误信息、堆栈跟踪、请求ID等完整上下文。
• 将规则目标设为SNS主题或直接对接通知渠道，实时接收明细告警。

方案对比 #

内容的提问来源于stack exchange，提问作者Ajay