- 運算›
- AWS Lambda›
- 入門
AWS Lambda 入門
選擇自己的道路
AWS Lambda 是一種無伺服器運算服務,可執行程式碼來回應事件並自動為您管理基礎運算資源,讓您更輕鬆地建置可快速回應新資訊的應用程式。
無論您是 AWS Lambda 新手還是已經有了一個使用案例,都可以選擇自己的路徑,並按照經策管的學習步驟開始使用 AWS Lambda。
路徑 1:互動式 Web 和 API 型微型服務或應用程式
概觀
單獨使用 AWS Lambda 或結合其他 AWS 服務,建置強大的 Web 應用程式、微型服務和 API,協助您享有靈活性、降低操作複雜性、降低成本並自動擴展。
步驟 1:開始使用 Lambda HTTP
了解如何透過單一 Lambda 函數建立動態網頁。首先,您會將 HTTPS 端點指派給 Lambda 函數,該函數使用 Lambda 函數 URL 直接調用您的函數,而無需學習、設定和操作其他服務。這是單功能微型服務的理想選擇。進一步了解
步驟 2:搭配使用 Amazon API Gateway 與 Lambda
接下來,您將透過 Amazon API Gateway 建立 REST API 和一項資源 (Amazon DynamoDB)。當您透過 HTTPS 端點呼叫 API 時,API 閘道會調用 Lambda 函數。這是多功能微型服務的理想選擇,利用 Amazon API Gateway 將每個函數對應到 API 端點、方法和資源。進一步了解
步驟 3:建置基本 Web 應用程式
現在,您已準備好透過 AWS Lambda、Amazon API Gateway、Amazon DynamoDB 和 AWS Amplify 主控台建立基本的 Web 應用程式。首先,您會建立呈現 "Hello World" 的靜態 Web 應用程式。 接著您會學習如何對 Web 應用程式新增互動性,成為根據您提供的自訂輸入顯示文字。進一步了解
步驟 4:建置多微型服務 Web 應用程式
最後,您將建立具多項微型服務的無服務器 Web 應用程式。您將使用 AWS Amplify 主控台、Amazon Cognito、AWS Lambda、Amazon API Gateway 和 Amazon DynamoDB 來託管靜態網站、管理使用者驗證並建立無伺服器後端。進一步了解
參考架構
這個 Web 參考架構示範如何使用 AWS Lambda 搭配其他 AWS 服務,以建立無伺服器 Web 應用程式。這個儲存庫包含組成應用程式後端所有 Lambda 函數的範本程式碼。進一步了解
路徑 2:資料處理應用程式
概觀
無伺服器的特性可讓您快速有效地擷取、處理和分析大量資料。了解如何建立可擴展無伺服器資料處理解決方案。使用 Amazon Simple Storage Service ( Amazon S3) 觸發資料處理,或將機器學習 (ML) 模型從 Amazon Elastic File System (EFS) 載至 AWS Lambda,以即時執行 ML 推論。
步驟 1:使用 Amazon S3 觸發程式建立縮圖影像
首先建立 Lambda 函數,並為 Amazon S3 設定觸發程式。針對上傳至 S3 儲存貯體的影像檔案,Amazon S3 會調用函數,從來源 S3 儲存貯體讀取影像物件,並建立縮圖影像儲存在目標 S3 儲存貯體。進一步了解
步驟 2:大規模平行資料處理
此外,了解如何協調大規模平行工作負載,這些工作負載將 S3 的 .mp4 和 .mov 檔案轉為多個 Gif 動畫,以清除時間軸。藉由 AWS Step Functions 的分散式映射,系統可以快速擴展工作,調用數千個平行 Lambda 函數,以更快速地完成工作。進一步了解
步驟 3:無伺服器影像處理實作研討會
接下來,您將學習如何使用簡單、強大、全受管的 AWS Step Functions 與 AWS Lambda、Amazon DynamoDB 和 Amazon Simple Notification Service (SNS) 建立影像處理工作流程,以回應上傳到 Amazon S3 的影像。進一步了解
步驟 4:建置可擴展的資料處理應用程式
從部落格系列文章中,進一步了解如何設計和部署根據 Amazon S3 到 AWS Lambda 架構模式所設計的無伺服器應用程式。此處提供的解決方案使用 AWS 服務和最少量的自訂程式碼來建立可擴展無伺服器架構。進一步了解
步驟 5:使用 AWS Lambda 進行按使用量付費機器學習推論
了解如何使用 AWS Lambda 函數部署即時推論的機器學習模型;這些函數現在可以掛載 Amazon Elastic File System (EFS)。如此一來,您就能建立 Lambda 函數,從 EFS 載入 Python 套件和模型,並根據測試事件執行預測。進一步了解
參考架構
此即時檔案處理參考架構是使用 AWS Lambda 的通用事件驅動型平行資料處理架構。對於需要多個物件資料衍生的工作負載,此架構是理想的選擇。進一步了解
路徑 3:即時串流應用程式
概觀
串流資料可讓您收集分析洞見並據以採取行動,但也帶來一系列特殊的設計和架構挑戰。了解如何使用 AWS Lambda 和 Amazon Kinesis 來擷取訊息、處理和彙總記錄、最後將結果載入其他下游系統進行分析或進一步處理,進而實現串流資料工作負載的一般目標。
步驟 1:使用 AWS Lambda 搭配 Amazon Kinesis
Amazon Kinesis 是一項服務,可以輕鬆即時收集、處理以及分析影片和資料串流。您將先建立 Lambda 函數以從 Kinesis 串流中使用事件。進一步了解
步驟 2:串流資料處理實作研討會
接下來,您將建立全面的無伺服器資料處理應用程式,以透過 Amazon Kinesis 建立資料流,並使用 AWS Lambda 即時處理資料串流。進一步了解
步驟 3:使用串流資料建置無伺服器應用程式
最後,請閱讀本部落格系列文章,了解如何使用無伺服器方法為居家健身系統建立串流資料後端。您將學習重要串流概念,以及如何在無伺服器工作負載中實用這些概念。進一步了解
參考架構
這個參考架構將使用 AWS Lambda 和 Amazon Kinesis 處理即時串流資料,以便追蹤應用程式活動、處理交易訂單、處理點擊串流、分析點擊串流、清理資料、產生指標、篩選記錄、編製索引,以及物聯網裝置遙測和量測。進一步了解