Volver a todos los casos de uso

EvaluaciónMultisectorial

La mayoría de las facturas de Lambda pagan memoria que nadie ha medido

Empresa de suscripciones para consumidores

Medición de la memoria, la duración y la concurrencia en un gran parque de funciones Lambda para redimensionar funciones que se habían aprovisionado a ojo.

Descripción general

El coste 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 lo bastante rápido como para costar menos. Casi ningún parque se dimensiona a partir de mediciones; las funciones heredan lo que tecleó el primer desarrollador y el parque se anquilosa en torno a esos valores.

Reto

La factura de Lambda se había convertido en una partida importante sin un aumento de tráfico equivalente. El muestreo mostró funciones aprovisionadas con mucha memoria que solo usaban una pequeña parte, funciones limitadas por CPU asfixiadas con poca memoria y que tardaban mucho más de lo necesario, funciones esperando en 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 parque de AWS Lambda que abarca cargas de trabajo detrás de API, orientadas a eventos y programadas. AceMQ asesora sobre la configuración y la arquitectura de las funciones del cliente; AWS opera la plataforma.

Enfoque

AceMQ extrajo de las métricas de la plataforma las distribuciones de uso de memoria y de duración por función, y ejecutó barridos controlados de configuraciones de memoria en las funciones de mayor gasto para encontrar el mínimo de coste real de cada una, en lugar de dar por hecho que menos memoria siempre sale más barato. El despilfarro de arquitectura se presentó por separado del de configuración, porque se corrigen de forma distinta.

Solución

  1. Elaboración de un modelo de costes por función a partir de las distribuciones medidas de uso de memoria y de duración
  2. Barridos de memoria en las funciones de mayor gasto para localizar el verdadero mínimo de coste de cada una
  3. Identificación de las funciones limitadas por CPU en las que aumentar la memoria reduce el coste total
  4. Señalización, como candidatas a un rediseño asíncrono, de las funciones que se facturan mientras esperan bloqueadas en llamadas síncronas aguas abajo
  5. Sustitución de las programaciones de sondeo de alta frecuencia por disparadores basados en eventos cuando el origen lo admite
  6. Entrega de una lista priorizada de cambios con el ahorro esperado y el riesgo de cada uno

Resultado final

Redimensionar las funciones de mayor gasto redujo de forma notable el gasto en Lambda sin ninguna regresión de latencia, y varias funciones limitadas por CPU pasaron a ser a la vez más baratas y más rápidas al aumentar su memoria.

Tecnologías

AWS LambdaAmazon SQSDockerPostgreSQL

¿Preparado para un health check de AWS Lambda?

Los ingenieros sénior de AWS Lambda de AceMQ ya han llevado a cabo antes este mismo tipo de proyecto. Tanto si necesita asesoramiento de arquitectura como remediación práctica o una colaboración continua de servicios gestionados, estamos preparados para ayudarle.