Descripción general
El costo de Lambda es la memoria multiplicada por la duración, y ambas están ligadas: más memoria implica proporcionalmente más CPU, así que una función más grande a menudo termina tan rápido que cuesta menos. Casi ningún entorno se dimensiona a partir de mediciones; las funciones heredan lo que haya escrito el primer desarrollador y todo el entorno se queda anclado en eso.
Desafío
La factura de Lambda se había convertido en una partida importante sin un aumento de tráfico que la justificara. El muestreo mostró funciones aprovisionadas con mucha memoria que usaban una pequeña fracción de ella, funciones limitadas por CPU que se quedaban cortas con configuraciones de poca memoria y tardaban mucho más de lo necesario, funciones inactivas esperando llamadas síncronas aguas abajo mientras se les facturaba la espera, y un conjunto de funciones programadas que se ejecutaban con frecuencia sin hacer nada en la mayoría de las invocaciones.
Entorno
Un gran entorno de AWS Lambda con cargas de trabajo detrás de APIs, orientadas a eventos y programadas. AceMQ asesora sobre la configuración y la arquitectura de las funciones del cliente; AWS opera la plataforma.
Enfoque
AceMQ obtuvo de las métricas de la plataforma la distribución de uso de memoria y de duración de cada función y ejecutó barridos controlados de configuraciones de memoria en las funciones de mayor gasto para encontrar el costo mínimo real de cada una, en lugar de suponer que menos memoria siempre es más barato. El desperdicio a nivel de arquitectura se reportó por separado del desperdicio de configuración, porque se corrigen de forma distinta.
Solución
- Modelo de costos por función a partir de la distribución medida del uso de memoria y de la duración
- Barridos de memoria en las funciones de mayor gasto para ubicar el verdadero costo mínimo de cada una
- Identificación de las funciones limitadas por CPU en las que aumentar la memoria reduce el costo total
- Señalamiento como candidatas a un rediseño asíncrono de las funciones que se facturan mientras esperan bloqueadas llamadas síncronas aguas abajo
- Reemplazo de los schedules de polling de alta frecuencia por triggers basados en eventos donde el origen lo admite
- Entrega de una lista de cambios priorizada con el ahorro esperado y el riesgo de cada uno
Resultado final
El right-sizing de las funciones de mayor gasto redujo de forma significativa el gasto en Lambda sin ninguna regresión de latencia, y varias funciones limitadas por CPU se volvieron más baratas y más rápidas a la vez una vez que se les aumentó la memoria.