要确保一次只运行一个作业定义的实例，可以使用 AWS Batch 的作业队列和作业定义的概念来实现。下面是一个使用 AWS SDK for Python（Boto3）的示例代码，用于创建作业队列和作业定义，并在作业队列中提交作业。

首先，安装 AWS SDK for Python（Boto3）并配置 AWS 认证凭据。然后，使用以下代码示例：

import boto3

# 创建 AWS Batch 客户端
batch_client = boto3.client('batch')

# 创建作业队列
queue_name = 'my-job-queue'
response = batch_client.create_job_queue(
    jobQueueName=queue_name,
    state='ENABLED',
    priority=1,
    computeEnvironmentOrder=[
        {
            'order': 1,
            'computeEnvironment': 'my-compute-environment'
        },
    ]
)
job_queue_arn = response['jobQueueArn']

# 创建作业定义
job_definition_name = 'my-job-definition'
response = batch_client.register_job_definition(
    jobDefinitionName=job_definition_name,
    type='container',
    containerProperties={
        'image': 'my-container-image',
        'vcpus': 1,
        'memory': 1024,
        'command': ['my-command'],
        'jobRoleArn': 'my-job-role-arn'
    }
)
job_definition_arn = response['jobDefinitionArn']

# 提交作业到作业队列
job_name = 'my-job'
response = batch_client.submit_job(
    jobName=job_name,
    jobQueue=job_queue_arn,
    jobDefinition=job_definition_arn
)
job_id = response['jobId']

在上述代码中，我们首先使用 create_job_queue 方法创建一个作业队列，并指定其名称、状态、优先级和计算环境。然后，使用 register_job_definition 方法创建一个作业定义，并指定其名称、类型（这里使用容器类型）、容器属性（例如镜像、vCPUs、内存、命令和作业角色 ARN）。最后，使用 submit_job 方法将作业提交到作业队列中，指定作业名称、作业队列 ARN 和作业定义 ARN。

使用上述代码，AWS Batch 将确保一次只运行一个作业定义的实例，因为我们只提交了一个作业，并将其放入了作业队列中。如果要提交多个作业，可以在循环中调用 submit_job 方法。

请注意，上述代码示例仅用于演示目的，需要根据实际情况进行适当的修改和配置，例如替换作业队列名称、计算环境、容器镜像和作业角色 ARN。