CDK堆栈处于UPDATE_ROLLBACK_FAILED状态如何继续部署？

CDK原生不支持直接执行该操作。cdk deploy的核心逻辑是生成CloudFormation模板后向CloudFormation提交栈更新请求，而CloudFormation会直接拦截所有处于UPDATE_ROLLBACK_FAILED状态栈的更新请求，CDK本身没有封装触发续跑回滚的相关命令，无法直接通过CDK CLI完成该操作。

• 先定位根因再操作：第一时间到CloudFormation控制台查看对应栈的事件流，找到回滚失败的具体资源和报错原因。注意不要只修复部署流程需要的权限，回滚过程中对资源做删除、修改操作同样需要对应IAM权限，很多人补权限时会漏掉这部分导致续跑仍然失败。
• 非生产环境优先走删栈重部署路径：如果栈没有不可丢失的资源，直接删除状态异常的栈后重新执行cdk deploy，是效率最高、不会残留状态异常的处理方式，不用纠结修复回滚流程。
• 续跑回滚前先核对资源实际状态：如果回滚过程中已经手动调整过部分资源的配置，要提前记录这些变更，避免续跑时资源状态和CloudFormation预期不符再次报错。
• 回滚完成后先做漂移检测：等栈回到UPDATE_ROLLBACK_COMPLETE状态后，不要立刻执行部署，先通过CloudFormation的漂移检测功能、配合cdk diff命令核对CDK定义的期望状态、栈模板记录的状态、云上资源实际状态三者一致，再走后续部署流程。

生产环境遇到该问题绝对不要直接删栈，按以下步骤操作风险最低：

1. 修复根因：根据CloudFormation事件流的报错，先把导致回滚失败的问题（比如权限缺失类错误）彻底修复，保证回滚流程执行时不会再遇到相同报错。
2. 触发续跑回滚：可选择两种方式触发：
   • 控制台操作：打开CloudFormation控制台找到对应栈，在栈操作菜单里选择「继续更新回滚」，按照向导提示操作即可
   • CLI操作：执行命令aws cloudformation continue-update-rollback --stack-name <你的CDK栈完整名称>

   注意：如果某一个资源持续报错、且你已经手动把该资源调整到了回滚完成后的预期状态，可以追加--resources-to-skip <资源逻辑ID>参数跳过该资源的回滚校验，这个参数不要随意使用，跳过的资源会被CloudFormation标记为状态合规，后续不会再被回滚流程修改，错用会导致持久化的配置漂移。

3. 等待回滚完成：全程观察栈事件流，直到栈状态稳定为UPDATE_ROLLBACK_COMPLETE，如果中途再次报错，回到根因修复步骤处理完再重试，不要在报错状态下反复提交部署请求。
4. 部署前校验：先对栈执行漂移检测，确认所有资源状态和栈模板记录一致，再在本地执行cdk diff确认本次要部署的代码变更没有预期外的资源操作。
5. 灰度执行部署：首次重新部署建议先生成变更集而不直接执行，运行cdk deploy --no-execute-changeset，等CDK创建好变更集后，到CloudFormation控制台人工审核所有变更操作，确认没有误删、误改生产资源的操作后，再手动执行变更集完成部署。

内容的提问来源于stack exchange，提问作者Moshe Shaham