전체 사례로 돌아가기

진단산업 공통

Lambda 청구액 대부분은 아무도 측정하지 않은 메모리에 지불되고 있습니다

소비자 구독 서비스 기업

대규모 Lambda 환경 전반의 메모리, 실행 시간, 동시성을 측정해 어림짐작으로 프로비저닝된 함수를 적정 규모로 조정했습니다.

개요

Lambda 비용은 메모리와 실행 시간의 곱이며, 두 값은 서로 연동되어 있습니다. 메모리를 늘리면 CPU도 비례해서 늘어나기 때문에, 더 큰 함수가 충분히 빨리 끝나 오히려 비용이 적게 드는 경우가 많습니다. 하지만 측정을 근거로 규모를 정한 환경은 거의 없습니다. 함수는 처음 개발자가 입력한 값을 그대로 물려받고, 환경은 그 값에 굳어 버립니다.

과제

Lambda 청구액은 트래픽이 그만큼 늘지 않았는데도 무시할 수 없는 비용 항목으로 커져 있었습니다. 샘플링 결과, 높은 메모리로 프로비저닝된 함수는 그중 극히 일부만 사용하고 있었고, CPU 집약적인 함수는 낮은 메모리 설정 때문에 자원이 부족해 필요 이상으로 오래 실행되었으며, 동기식 다운스트림 호출을 기다리며 유휴 상태로 있는 동안에도 대기 시간이 과금되는 함수가 있었고, 자주 실행되지만 대부분의 호출에서 아무 일도 하지 않는 예약 함수들도 있었습니다.

환경

API 기반, 이벤트 기반, 예약 워크로드에 걸친 대규모 AWS Lambda 환경. AceMQ는 고객의 함수 구성과 아키텍처에 대해 자문하며, 플랫폼 운영은 AWS가 담당합니다.

접근 방식

AceMQ는 플랫폼 지표에서 함수별 메모리 사용률과 실행 시간 분포를 수집하고, 지출이 가장 큰 함수들에 대해 메모리 설정을 바꿔 가며 통제된 테스트를 실행해 메모리가 적을수록 항상 저렴하다고 가정하지 않고 각 함수의 실제 최저 비용 지점을 찾았습니다. 아키텍처 수준의 낭비는 해결 방법이 다르기 때문에 구성상의 낭비와 별도로 보고했습니다.

해결책

  1. 실측 메모리 사용률과 실행 시간 분포를 바탕으로 함수별 비용 모델 구축
  2. 지출이 가장 큰 함수에 메모리 설정 스윕을 실행해 각 함수의 실제 최저 비용 지점 파악
  3. 메모리를 늘리면 총비용이 줄어드는 CPU 집약적 함수 식별
  4. 동기식 다운스트림 호출에 막혀 있는 동안 과금되는 함수를 비동기 재설계 후보로 표시
  5. 소스가 지원하는 경우 고빈도 폴링 일정을 이벤트 기반 트리거로 교체
  6. 항목별 예상 절감액과 위험을 담은 순위별 변경 목록 제시

성과

지출 상위 함수들의 규모를 조정한 결과 지연 시간 저하 없이 Lambda 지출이 의미 있게 줄었고, 몇몇 CPU 집약적 함수는 메모리를 올리자 더 저렴해지고 더 빨라지기까지 했습니다.

기술

AWS LambdaAmazon SQSDockerPostgreSQL

AWS Lambda 헬스 체크를 받을 준비가 되셨나요?

AceMQ의 시니어 AWS Lambda 엔지니어는 바로 이런 유형의 프로젝트를 수행한 경험이 있습니다. 아키텍처 가이드, 실무 문제 해결, 지속적인 매니지드 파트너십 등 무엇이 필요하든 도와드릴 준비가 되어 있습니다.