プロフェッショナルな現場において、CloudFormation（CFn）は「宣言的インフラの聖域」です。しかし、その聖域にも魔物が棲んでいます。スタックが「ROLLBACK_FAILED」の状態で凍りつき、コンソールから何をしても動かなくなるあの絶望的な瞬間。
今日は、そんな「スタックの死」に直面したとき、どのようにしてその呪縛を解き、再びインフラを正常な状態へ導くか。現場で震えるほど役に立つ、外科手術レベルの復旧術を伝授します。
—
なぜ「ロールバック失敗」が起きるのか？
まず、この現象の正体を理解しましょう。CFnは、リソースの作成や更新が失敗したとき、自動的に「以前の状態に戻そう」とします。これをロールバックと呼びます。
しかし、手動でリソースを変更してしまったり、IAMの権限が途中で剥奪されたりすると、CFnはこの「戻す作業」すら失敗し、スタックは身動きが取れなくなります。これが「ROLLBACK_FAILED」の正体です。
—
究極の復旧手順：外科的手術のステップ
焦ってコンソールを連打してはいけません。スタックがデッドロック状態にあるときは、以下の手順で冷静に対処します。
1. 犯人を特定する
まず、どのリソースが「死因」なのかを突き止めます。CLIでスタックのイベントを詳細に追いましょう。
スタックのイベントを直近から追いかける
aws cloudformation describe-stack-events –stack-name <スタック名> –query ‘StackEvents[0:10]’
ここで`ROLLBACK_FAILED`の原因となっているリソースの論理IDを特定します。
2. 「ContinueUpdateRollback」という名の特効薬
スタックがまだ「ROLLBACK_FAILED」であれば、CFnには「もう一度ロールバックを試みろ、ただし今回はこのリソースを無視していい」と指示する強力なコマンドがあります。
失敗したリソースを特定し、それを「スキップ（除去）」してロールバックを続行する
aws cloudformation continue-update-rollback \
–stack-name <スタック名> \
–resources-to-skip <論理ID1> <論理ID2>
このコマンドは、いわば「負傷兵を置き去りにして撤退する」判断です。これを実行することで、スタックは再び正常な状態（ROLLBACK_COMPLETE）まで遷移できるようになります。
3. 手動でのリソース切り離し（最終手段）
どうしてもロールバックが完了しない場合、クラウド上のリソースとCFnの紐付けを強制的に断ち切る必要があります。
- AWSコンソールでの手順:
1. スタックの削除を選択し、「削除オプション」で「保持（Retain）」を選択します。
2. これにより、CFnの管理下からは外れますが、AWS上に残った実リソースは破壊されません。
3. あとは手動で実リソースを削除（あるいはリネーム）し、スタックを空の状態で削除します。
—
これが「最強のHelloWorld」だ
CloudFormationに慣れていない方は、まず「冪等性（べきとうせい）」の概念を体感するために、以下のシンプルなテンプレートを試してください。
`infra.yaml`（HelloWorld）
AWSTemplateFormatVersion: ‘2010-09-09’
Description: SREの第一歩 – 冪等性を理解するS3バケット
Resources:
MyS3Bucket:
Type: ‘AWS::S3::Bucket’
Properties:
# バケット名は全世界で一意である必要があるため、環境や日付を付与する設計が現場の定石
BucketName: !Sub ‘my-s3-bucket-unique-${AWS::AccountId}’
実行コマンド:
スタックの作成
aws cloudformation deploy –template-file infra.yaml –stack-name my-first-stack
動作確認：何度実行してもエラーにならない（これが冪等性）
aws cloudformation deploy –template-file infra.yaml –stack-name my-first-stack
このコマンドを2回実行してみてください。2回目は「No changes to deploy」と返ってきます。これが「何度実行しても同じ結果になる」という、インフラ自動化の神髄です。
—
先輩からの一言
「スタックが壊れた！」とパニックになるのは、あなたが真剣にインフラに向き合っている証拠です。でも、大丈夫。クラウドの世界では、コードで定義されたものは必ずコードで修正できます。
もし今回のようなスタックのフリーズに出会ったら、まずは「そのリソースをスタックから切り離せるか？」を考えてみてください。それができれば、どんな巨大なシステムも、あなたの手元で完全にコントロールできるようになります。
インフラ管理は、破壊と創造の繰り返しです。そのプロセスを恐れず、むしろ楽しんでください。それが、一流のSREへの近道ですよ。