Retour à tous les cas d'usage

AuditMultisectoriel

La plupart des factures Lambda paient de la mémoire que personne n'a mesurée

Entreprise d'abonnements grand public

Mesure de la mémoire, de la durée et de la concurrence sur un vaste parc Lambda afin de redimensionner des fonctions provisionnées au jugé.

Présentation

Le coût de Lambda correspond à la mémoire multipliée par la durée, et les deux sont liés : plus de mémoire signifie proportionnellement plus de CPU, si bien qu'une fonction plus grosse se termine souvent assez vite pour coûter moins cher. Presque aucun parc n'est dimensionné à partir de mesures : les fonctions héritent de ce que le premier développeur a saisi, et le parc se fige autour de ces valeurs.

Défi

La facture Lambda était devenue un poste de dépense significatif sans hausse correspondante du trafic. L'échantillonnage a révélé des fonctions provisionnées avec beaucoup de mémoire n'en utilisant qu'une petite fraction, des fonctions limitées par le CPU bridées par de faibles réglages de mémoire et s'exécutant bien plus longtemps que nécessaire, des fonctions inactives en attente d'appels synchrones en aval mais facturées pendant cette attente, et un ensemble de fonctions planifiées exécutées fréquemment sans rien faire lors de la plupart de leurs invocations.

Environnement

Vaste parc AWS Lambda couvrant des charges exposées via API, événementielles et planifiées. AceMQ conseille le client sur la configuration et l'architecture de ses fonctions ; AWS exploite la plateforme.

Approche

AceMQ a extrait des métriques de la plateforme la distribution de l'utilisation mémoire et de la durée pour chaque fonction, puis a testé de manière contrôlée différents réglages de mémoire sur les fonctions les plus coûteuses afin de trouver le coût minimal réel de chacune, plutôt que de supposer que moins de mémoire coûte toujours moins cher. Le gaspillage lié à l'architecture a été présenté séparément du gaspillage lié à la configuration, car ils ne se corrigent pas de la même manière.

Solution

  1. Construction d'un modèle de coût par fonction à partir de la distribution mesurée de l'utilisation mémoire et de la durée
  2. Balayage des réglages de mémoire sur les fonctions les plus coûteuses pour localiser le véritable coût minimal de chacune
  3. Identification des fonctions limitées par le CPU pour lesquelles augmenter la mémoire réduit le coût total
  4. Signalement des fonctions facturées alors qu'elles sont bloquées sur des appels synchrones en aval, candidates à une refonte asynchrone
  5. Remplacement des planifications d'interrogation à haute fréquence par des déclencheurs événementiels lorsque la source le permet
  6. Livraison d'une liste de modifications priorisée, avec les économies attendues et le risque associé à chacune

Résultat obtenu

Le redimensionnement des fonctions les plus coûteuses a nettement réduit les dépenses Lambda sans aucune régression de latence, et plusieurs fonctions limitées par le CPU sont devenues à la fois moins chères et plus rapides une fois leur mémoire augmentée.

Technologies

AWS LambdaAmazon SQSDockerPostgreSQL

Prêt pour un bilan de santé AWS Lambda ?

Les ingénieurs AWS Lambda seniors d'AceMQ ont déjà mené exactement ce type de mission. Que vous ayez besoin de conseils d'architecture, d'une remédiation concrète ou d'un partenariat managé dans la durée, nous sommes prêts à vous aider.