创建dask-fargate-stack时CloudFormation报ROLLBACK_IN_PROGRESS错误

• 第一步先定位根因：进入CloudFormation控制台选中对应栈，切换到「事件」页，按时间倒序查找状态为CREATE_FAILED的事件记录，直接看具体失败的资源和报错码，不要先默认是模板问题，90%的回滚都是配置类错误：
  • 权限问题：执行部署的身份缺少Fargate、ECS、VPC、IAM相关资源的创建权限，或是模板预创建的IAM角色和账号内已有角色重名、超出角色配额
  • 网络配置错误：参数填写的VPC/子网和当前SageMaker实例不在同一VPC，或是所选可用区不支持Fargate、VPC内没有可用的公网NAT供集群拉取镜像
  • 配额问题：当前区域Fargate的vCPU/内存配额不足，无法启动模板预设规格的工作节点
  • 模板版本过时：官方旧模板里常引用已经下线的资源版本，比如Python3.7运行时的Lambda函数、废弃的ECS调度参数，这类问题直接把模板导出到本地，替换对应API版本、运行时版本后，再上传本地模板创建即可
• 手动创建分布式Dask栈没有特殊流程，和普通CloudFormation栈创建逻辑完全一致，只要把必填的集群名、节点规格、网络配置、权限关联参数填对就能正常部署。注意等栈回滚完成后再重新发起创建，回滚过程中不要强制删除栈，避免残留弹性网卡、角色碎片导致下次部署失败。

• 先排查网络连通性：如果是VPC模式部署的SageMaker实例，确认VPC配置了公网NAT网关、实例关联的安全组放通出站公网流量，token校验请求无法发出是最常见的报错原因
• 避开交互式输入的流透传问题：不要在Notebook单元格或者内置终端里手动输入token，改用环境变量注入的方式配置：
  1. 在Notebook开头运行代码写入环境变量

  import os
  os.environ["COILED_TOKEN"] = "你的Coiled账号token"
  

  2. 后续直接调用coiled.login()会自动读取环境变量完成认证，不会触发交互式输入的流异常
• 依赖冲突排查：先执行pip install -U coiled dask distributed升级相关包到最新版本，旧版本Coiled和SageMaker预装的IAM认证插件存在依赖冲突，会直接导致token校验逻辑异常。

内容的提问来源于stack exchange，提问作者Jorge