Produktion testen und überwachen
Implementieren Sie Strategien zum Testen Ihrer Serverless-Anwendung und richten Sie robustes Monitoring und Alerting für Produktionsumgebungen ein.
Produktion testen und überwachen ist eine kostenlose Serverless Backend with AWS Lambda & API Gateway-Lektion auf CoddyKit. Dies ist Lektion 3 von 4. Du kannst die komplette Lektion unten kostenlos lesen – dann übst du sie direkt im Browser mit einem integrierten Code-Editor und einem KI-Tutor rund um die Uhr. Sie ist Teil des Serverless Backend with AWS Lambda & API Gateway-Lernpfads, und dein Fortschritt wird über Web und CoddyKit-App synchronisiert. Der Serverless Backend with AWS Lambda & API Gateway-Kurs umfasst insgesamt 4 Lektionen.
Teile dieser Lektion wurden noch nicht übersetzt und werden auf Englisch angezeigt.
Beyond Dev: Production Monitoring
When your serverless application goes live, testing in development isn't enough. You need robust production monitoring to ensure it's always available, performing well, and serving your users correctly.
Production monitoring focuses on real-time insights, detecting issues before they impact users, and understanding the system's health in a live environment.
Observability: Logs, Metrics, Traces
To effectively monitor a serverless application, we rely on three key pillars of observability:
- Logs: Detailed records of events and errors from your functions.
- Metrics: Numerical data points that show performance and usage trends.
- Traces: End-to-end views of requests as they flow through multiple services.
These pillars help you understand what is happening, how well it's performing, and where problems are occurring.
Essential CloudWatch Metrics
AWS CloudWatch automatically collects metrics for your Lambda functions and API Gateway. Key metrics to monitor for Lambda include:
- Invocations: How many times your function is called.
- Errors: The number of times your function returns an error.
- Duration: How long your function runs (latency).
- Throttles: When Lambda rejects invocations due to concurrency limits.
Monitoring these helps you quickly spot performance degradation or failures.
Get Notified: CloudWatch Alarms
Metrics alone aren't enough; you need to be alerted when something goes wrong. CloudWatch Alarms allow you to set thresholds on your metrics.
When a metric breaches its threshold (e.g., Error count > 0 for 5 minutes), an alarm can trigger actions like sending notifications via Amazon SNS (Simple Notification Service) to your email or a chat application.
Deep Dive with CloudWatch Logs
When an alarm goes off, or you notice an issue, CloudWatch Logs are your go-to for debugging. Every print() statement or logger message from your Lambda function is sent here.
You can search, filter, and analyze these logs to understand the exact sequence of events that led to an error. Good logging practices are crucial for production debugging.
Try running this example and check its logs in CloudWatch:
import json
import logging
logger = logging.getLogger()
logger.setLevel(logging.INFO)
def lambda_handler(event, context):
logger.info(f"Received event: {json.dumps(event)}")
# Simulate some processing
try:
if 'fail' in event:
raise ValueError("Simulated error for logging")
message = "Processing successful!"
status_code = 200
except Exception as e:
logger.error(f"Error during processing: {e}")
message = f"Error: {e}"
status_code = 500
return {
'statusCode': status_code,
'body': json.dumps(message)
}Trace Requests with AWS X-Ray
Serverless applications often involve multiple services (API Gateway, Lambda, DynamoDB). When a request fails, it's hard to pinpoint where the issue occurred.
AWS X-Ray provides distributed tracing, giving you an end-to-end view of how requests travel through your application. It helps identify performance bottlenecks and errors across different services.
X-Ray: Enabling & Instrumenting
To use X-Ray, you enable it for your Lambda function and API Gateway. For Lambda, you can optionally instrument your code using the X-Ray SDK to add custom annotations or subsegments.
This allows you to capture specific details about your function's execution steps or business logic within the trace.
Run this Python Lambda with X-Ray SDK enabled:
import json
import os
from aws_xray_sdk.core import xray_recorder
from aws_xray_sdk.core.lambda_context import LambdaContext
xray_recorder.configure(service='MyServerlessApp')
xray_recorder.set_stream_strategy(LambdaContext())
def lambda_handler(event, context):
# X-Ray automatically captures basic Lambda info
# We can add custom subsegments or annotations
with xray_recorder.in_segment('my_custom_processing'):
xray_recorder.put_annotation('transaction_id', 'xyz123')
xray_recorder.put_metadata('input_event', event)
print("Function processing with X-Ray...")
# Simulate some work
result = {'message': 'Hello from X-Ray enabled Lambda!'}
return {
'statusCode': 200,
'body': json.dumps(result)
}Understanding X-Ray Service Map
Once X-Ray is collecting data, it visualizes your application's components and their connections in a Service Map. This map shows:
- The services involved (e.g., API Gateway, Lambda, DynamoDB).
- The average latency between them.
- Any errors or faults.
You can then drill down into individual traces to see the exact timeline of a request, including all subsegments and any errors.
Proactive Checks: CloudWatch Canaries
Beyond reactive monitoring, CloudWatch Synthetics Canaries offer proactive testing. Canaries are configurable scripts that run 24/7 from outside your application.
They simulate user interactions—like calling an API endpoint, loading a web page, or submitting a form—to check availability and performance. If a canary fails, it can trigger an alarm, alerting you to potential issues before your users notice them.
Monitoring Knowledge Check
Which of the following are key benefits of using AWS X-Ray in a serverless application?
Recap: Production Ready!
Congratulations! You've learned how to make your serverless applications production-ready through robust monitoring and testing strategies.
We covered the pillars of observability (logs, metrics, traces), using CloudWatch for metrics and alarms, deep-diving with CloudWatch Logs, and gaining end-to-end visibility with AWS X-Ray. Finally, we explored proactive testing with CloudWatch Synthetics Canaries.
Implementing these practices will significantly improve your application's reliability and your ability to respond to issues effectively.
Häufig gestellte Fragen
Ist die Lektion „Produktion testen und überwachen“ kostenlos?
Ja — der vollständige Text von „Produktion testen und überwachen“ ist hier im Web kostenlos zu lesen. Um sie interaktiv zu üben (integrierter Code-Editor und 24/7 KI-Tutor) und den Rest des Serverless Backend with AWS Lambda & API Gateway-Kurses freizuschalten, upgrade auf CoddyKit PRO. Der Serverless Backend with AWS Lambda & API Gateway-Kurs umfasst insgesamt 4 Lektionen.
Was lerne ich in „Produktion testen und überwachen“?
Implementieren Sie Strategien zum Testen Ihrer Serverless-Anwendung und richten Sie robustes Monitoring und Alerting für Produktionsumgebungen ein. Du übst Serverless Backend with AWS Lambda & API Gateway mit praktischem Code, den du direkt im Browser ausführst, und ein 24/7 KI-Tutor beantwortet deine Fragen während du die Lektion bearbeitest.
Brauche ich Erfahrung, um Serverless Backend with AWS Lambda & API Gateway zu starten?
Keine Vorkenntnisse erforderlich. Serverless Backend with AWS Lambda & API Gateway auf CoddyKit ist für Anfänger bis fortgeschrittene Lernende strukturiert, sodass du hier starten oder von Anfang an beginnen und in deinem eigenen Tempo voranschreiten kannst. Dies ist Lektion 3 von 4.
Wie lange dauert die Lektion „Produktion testen und überwachen“?
Die meisten CoddyKit-Lektionen dauern etwa 5–10 Minuten. Jede ist kompakt und interaktiv, sodass du stetig Fortschritte machst und genau dort weitermachst, wo du aufgehört hast – im Web und in der App.
Kann ich in dieser Serverless Backend with AWS Lambda & API Gateway-Lektion Code schreiben und ausführen?
Ja. Jede Serverless Backend with AWS Lambda & API Gateway-Lektion enthält einen integrierten Code-Editor, sodass du echten Code direkt in deinem Browser schreibst und ausführst und sofort KI-Feedback erhältst — ohne lokale Einrichtung erforderlich.
Alle Lektionen in diesem Kurs
- Einen Serverless-Microservice entwerfen
- API und Geschäftslogik implementieren
- Produktion testen und überwachen
- Produktions-APIs absichern und skalieren