AWS Lambda Powertools for TypeScript 中的 SQS FIFO 消息重试机制问题解析

在 AWS Lambda Powertools for TypeScript 项目中，开发者发现了一个关于 SQS FIFO 队列消息处理的重要问题。当使用批处理功能处理 SQS FIFO 队列消息时，如果启用了 skipGroupOnError 选项，之前处理失败的消息在重试时会被错误地跳过，而不会被重新处理。

问题背景

AWS Lambda 提供了批处理 SQS 消息的能力，而 Powertools 库进一步简化了这一过程。在处理 FIFO 队列时，skipGroupOnError 是一个重要选项，它允许在组内某个消息处理失败时跳过整个消息组，而不是停止处理整个批次。

问题现象

开发者发现，当一条 SQS 消息第一次处理失败后，如果由同一个 Lambda 实例再次处理这条消息（在可见性超时后重试），消息会被直接标记为失败而不会经过处理器函数。只有当消息被并发 Lambda 实例处理时，才会被正确处理。

技术分析

这个问题源于 SqsProcessor 类中 failedGroupIds 集合的管理方式。该集合用于跟踪已经失败的消息组ID，但在每次 Lambda 调用后没有被正确清除。因此，当同一条消息被同一个 Lambda 实例重试时，处理器会检查到该消息组ID已经在 failedGroupIds 中，从而跳过处理。

解决方案

修复方案相对直接：

1. 在 SqsProcessor 类中添加清除 failedGroupIds 的方法
2. 在 SqsFifoPartialProcessorAsync 类中重写 prepare 方法，在每次批处理准备阶段调用清除方法

这种设计确保了每次 Lambda 调用都从一个干净的状态开始处理消息，无论是否是重试的消息。

影响与启示

这个问题揭示了批处理状态管理中一个容易被忽视的边界情况。在分布式系统中，正确处理重试机制至关重要，特别是对于 FIFO 队列这种需要严格顺序处理的场景。开发者在使用批处理功能时，应当充分测试各种失败和重试场景，确保消息处理逻辑符合预期。

这个修复已经在 2.16.0 版本中发布，使用该功能的开发者应当升级到最新版本以获得修复。