Powrót do wszystkich studiów przypadków

Ocena środowiskaWiele branż

Większość rachunków za Lambda to opłata za pamięć, której nikt nie zmierzył

Firma oferująca subskrypcje konsumenckie

Pomiar pamięci, czasu wykonania i współbieżności w dużym środowisku Lambda w celu właściwego doboru rozmiaru funkcji, które skonfigurowano na wyczucie.

Przegląd

Koszt Lambda to pamięć pomnożona przez czas wykonania, a obie wielkości są ze sobą powiązane — więcej pamięci oznacza proporcjonalnie więcej CPU, więc większa funkcja często kończy pracę na tyle szybko, że kosztuje mniej. Prawie żadne środowisko nie jest wymiarowane na podstawie pomiarów; funkcje dziedziczą to, co wpisał pierwszy programista, i całe środowisko z czasem kostnieje wokół tych wartości.

Wyzwanie

Rachunek za Lambda urósł do istotnej pozycji kosztowej bez odpowiadającego mu wzrostu ruchu. Próbkowanie wykazało funkcje skonfigurowane z dużą ilością pamięci, z której wykorzystywały niewielki ułamek, funkcje ograniczone przez CPU, zagłodzone przy niskich ustawieniach pamięci i działające znacznie dłużej niż to konieczne, funkcje bezczynnie czekające na synchroniczne wywołania downstream, a mimo to rozliczane za czas oczekiwania, oraz grupę funkcji harmonogramowanych, uruchamianych często, choć przy większości wywołań nie robiły nic.

Środowisko

Duże środowisko AWS Lambda obejmujące obciążenia obsługiwane przez API, sterowane zdarzeniami i harmonogramowane. AceMQ doradza w zakresie konfiguracji funkcji i architektury klienta; platformę obsługuje AWS.

Podejście

AceMQ pobrało z metryk platformy rozkłady wykorzystania pamięci i czasu wykonania dla każdej funkcji, a dla funkcji generujących największe wydatki przeprowadziło kontrolowane przeglądy ustawień pamięci, aby znaleźć rzeczywiste minimum kosztowe każdej z nich, zamiast zakładać, że mniej pamięci zawsze oznacza niższy koszt. Marnotrawstwo na poziomie architektury raportowano oddzielnie od marnotrawstwa konfiguracyjnego, ponieważ usuwa się je w inny sposób.

Rozwiązanie

  1. Zbudowanie modelu kosztów dla każdej funkcji na podstawie zmierzonych rozkładów wykorzystania pamięci i czasu wykonania
  2. Przeglądy ustawień pamięci dla funkcji o największych wydatkach w celu znalezienia rzeczywistego minimum kosztowego każdej z nich
  3. Wskazanie funkcji ograniczonych przez CPU, w których zwiększenie pamięci obniża łączny koszt
  4. Oznaczenie funkcji rozliczanych za czas blokady na synchronicznych wywołaniach downstream jako kandydatów do przeprojektowania na model asynchroniczny
  5. Zastąpienie harmonogramów częstego odpytywania wyzwalaczami sterowanymi zdarzeniami tam, gdzie źródło to obsługuje
  6. Przekazanie uszeregowanej listy zmian z oczekiwanymi oszczędnościami i ryzykiem dla każdej z nich

Efekt

Właściwy dobór rozmiaru funkcji o największych wydatkach znacząco obniżył koszty Lambda bez pogorszenia opóźnień, a kilka funkcji ograniczonych przez CPU po zwiększeniu pamięci stało się jednocześnie tańszych i szybszych.

Technologie

AWS LambdaAmazon SQSDockerPostgreSQL

Czas na przegląd Health Check AWS Lambda?

Starsi inżynierowie AWS Lambda w AceMQ realizowali już dokładnie taki rodzaj projektu. Niezależnie od tego, czy potrzebują Państwo doradztwa architektonicznego, praktycznego usunięcia problemów, czy stałego partnerstwa w modelu usług zarządzanych – jesteśmy gotowi pomóc.