AWS Batch作业状态未在CloudWatch Metrics中显示的问题排查

排查CloudWatch指标缺失的步骤 #

• 验证Batch服务角色权限
  确保AWS Batch的服务角色（默认是AWSBatchServiceRole）拥有cloudwatch:PutMetricData权限。检查角色的附加策略，确认包含以下权限片段：

  {
      "Effect": "Allow",
      "Action": "cloudwatch:PutMetricData",
      "Resource": "*"
  }
  

  若自定义了策略，需补充该权限，否则Batch无法将指标推送至CloudWatch。

• 查询指定维度的指标
  全局查询返回空时，尝试指定作业队列维度缩小范围，执行命令：

  aws cloudwatch list-metrics --namespace AWS/Batch --dimensions Name=JobQueue,Value=TeamIdJobQueue-xx --region us-east-2
  

  若返回结果，说明指标存在但未在全局列表中显示（可能是缓存或维度过滤问题）。

• 等待指标同步延迟
  CloudWatch指标通常有5-10分钟的同步延迟，若作业刚完成不久，等待一段时间后再重试list-metrics命令。

• 提交测试作业触发指标推送
  手动提交一个简单测试作业（如echo "test"），等待作业进入SUCCEEDED状态后，再次检查CloudWatch指标，强制触发Batch的指标推送逻辑。

• 确认作业队列区域一致性
  执行以下命令确认作业队列所在区域与查询区域完全匹配：

  aws batch describe-job-queues --job-queues TeamIdJobQueue-xx --region us-east-2
  

配置CloudWatch+SNS告警步骤 #

当指标正常显示后，按以下步骤配置告警：

1. 登录CloudWatch控制台，切换至us-east-2区域，进入指标 > 全部指标 > AWS/Batch。
2. 选择对应维度（如JobQueue），选中需监控的指标（如JobFailed、JobSucceeded）。
3. 点击创建告警，设置告警阈值（例如：5分钟内JobFailed计数大于0）。
4. 在通知部分，选择已有的SNS主题，或创建新主题并添加接收告警的邮箱/终端。
5. 完成配置并保存，触发阈值时即可收到SNS通知。

内容的提问来源于stack exchange，提问作者Matt Winer