Tag: AWS Lambda

这篇博客是“适用于开发人员的无服务器入门”的第 2 部分，可帮助开发人员从其 IDE 中开始构建无服务器应用程序。

对于 AWS 的初学者来说，高效管理 Amazon Route 53 托管区域记录集面临不少挑战。当托管区域含有一条记录后，控制台“导入区域文件”按钮变得不可用，增加了批量导入的难度。此外，记录的关联资源（如实例，负载均衡器等）发生变化时，记录本身并不会联动，导致信息不一致，增加维护难度。本文探讨如何自动化管理及维护托管区域记录集的问题。主要思路是跟踪相关资源的变化事件（创建资源、删除资源、添加标签、删除标签等），自动修改托管区域记录并与资源保持一致，减少运维压力，提高效率与准确性。

本文将展示如何基于官方镜像（public.ecr.aws/lambda/python:3.8）基于AWS Lambda，Amazon ECR 服务构建一个低成本，高并发的轻量级分布式压测引擎。

Serverless的核心价值是“零运维成本” + “零资源浪费”，使能开发者在聚焦业务实现的同时无需过多关注运维与基础设施。本博客会结合金蝶发票云的真实业务场景，分享从需求设计到开发上线的全过程中，如何在2周内利用AWS serverless来快速构建并上线PDF缩略图生成服务。

AWS Lambda函数现已支持打包和部署容器镜像，开发者通过官方提供或自己构建镜像文件，可以非常方便利用现有的开发工具，工作流轻松构建基于AWS Lambda的应用程序。基于容器打包的应用通过AWS Lambda可以实现更为简便的操作部署，更为快速的启动时间，更为强大的并发扩展以及高可用，同时无缝与140余种AWS服务集成。

AWS IoT Greengrass很容易部署在设备侧/网关侧，同时也提供良好的运行时环境，针对安防监控厂商Camera设备可以结合AWS IoT Greengrass来实现边缘侧AI/ML场景。这里通过树莓派部署AWS IoT Greengrass跑dlib库从摄像机实时视频流中抽取视频帧来实现人脸识别和比对。

本博客向大家介绍了在利用中国区在没有Control Tower的情况下，如何利用现有AWS服务，自动化的构建弹性、安全的多账号架构。

为了平衡成本，同时确保满足业务需求所需的服务级别，一些客户选择持续监控和优化其 AWS Lambda 函数。他们收集和分析指标和日志以监控性能，并隔离错误以进行故障排除。此外，他们还试图通过测量函数持续时间、CPU 使用率和内存分配来调整函数配置的大小。使用各种工具和数据源来完成此操作可能非常耗时，有些甚至要构建自己的自定义控制面板来显示和分析这些数据。

借助 AWS Lambda，您可以在不考虑服务器的情况下上传代码并运行。许多客户喜欢这种工作方式，但是如果您为开发工作流投资了容器工具，那么使用同样的方法来通过 Lambda 构建应用程序并不容易。

为了帮助您实现这一目标，您现在可以将 Lambda 函数打包和部署为最大容量为 10 GB 的容器映像。通过这种方式，您还可以轻松构建和部署依赖于大量依赖项的更大型工作负载，例如机器学习或数据密集型工作负载。就像作为 ZIP 存档打包的函数一样，作为容器映像部署的函数也可以获益于操作简单性、自动扩展、高可用性以及与许多服务的原生集成。

我之所以喜欢 AWS Lambda ，是因为它可以让您在无需预配置或管理服务器的情况下运行代码，而且只需为实际使用量付费。自我们 2014 年推出 Lambda 以来，其收费是基于代码触发次数（请求数）和代码执行时间（四舍五入到最接近的 100 毫秒，即持续时间）。
即日起，我们将持续时间四舍五入到最接近的毫秒数，不设最小执行时间。