Lapisan Lambda dan Paket Penerapan

Paket penerapan Lambda harus mandiri—semua dependensi (pustaka, SDK, biner) harus disertakan dalam ZIP. Hal ini dengan cepat memperbesar ukuran paket: fungsi ilmu data Python dengan NumPy, Pandas, dan SciPy dapat melebihi 200 MB setelah diekstrak. Setiap pembaruan pada kode fungsi mengharuskan Anda mengunggah ulang seluruh bundel, termasuk pustaka yang tidak berubah. Lapisan Lambda mengatasi masalah ini dengan memisahkan dependensi bersama dari kode fungsi Anda.

Lambda Layer adalah arsip ZIP yang berisi pustaka, runtime khusus, data, atau file konfigurasi. Layer disimpan terpisah dari kode fungsi Anda dan dipasang ke lingkungan eksekusi fungsi di /opt. Beberapa fungsi dapat menggunakan layer yang sama—perbarui layer sekali, dan setiap fungsi yang menggunakannya akan mendapatkan manfaatnya. Setiap fungsi Lambda dapat memiliki hingga 5 layer, dan ukuran gabungan setelah diekstrak harus tetap di bawah 250 MB.

Untuk membuat layer, kemas dependensi Anda dalam struktur direktori yang sesuai dengan runtime yang digunakan (misalnya, python/lib/python3.12/site-packages/ untuk Python), kompres menjadi ZIP, lalu terbitkan. Setelah diterbitkan, layer akan mendapatkan ARN versi. Gunakan ARN ini saat memasang layer ke fungsi. Versi baru dibuat setiap kali Anda memperbarui layer; fungsi akan terus menggunakan versi yang telah dikonfigurasikan untuknya sampai Anda memperbaruinya secara eksplisit.

Tambahkan layer ke fungsi menggunakan parameter --layers saat membuat atau memperbarui fungsi. Lambda memasang semua layer yang dilampirkan ke /opt sebelum fungsi dimulai. Paket Python di bawah /opt/python otomatis tersedia di jalur Python; modul Node.js di bawah /opt/nodejs/node_modules otomatis ditemukan. Kode fungsi Anda dapat menggunakan import atau require untuk memanggil paket layer seolah-olah paket tersebut dipasang secara lokal.

AWS menerbitkan layer resmi yang dapat Anda gunakan tanpa membuatnya sendiri. Contohnya mencakup layer AWS Lambda Powertools (logging terstruktur, pelacakan, tanda fitur), layer driver basis data, dan layer AWS Parameters and Secrets Lambda Extension untuk menyimpan nilai SSM/Secrets Manager secara lokal dalam tembolok. Vendor pihak ketiga seperti Datadog dan New Relic juga menerbitkan layer publik untuk agen pemantauan mereka. Periksa Repositori Aplikasi Tanpa Server dan konsol Lambda untuk melihat layer publik yang tersedia.

Ekstensi Lambda berjalan sebagai proses terpisah bersama kode fungsi Anda dalam lingkungan eksekusi yang sama. Ekstensi terhubung ke peristiwa siklus hidup Lambda (inisialisasi, pemanggilan, penghentian) untuk melakukan tugas seperti pengumpulan telemetri, pemindaian keamanan, atau penyimpanan konfigurasi dalam tembolok. Ekstensi didistribusikan sebagai Lambda Layer. AWS menyediakan ekstensi CloudWatch Lambda Insights dan ekstensi AWS AppConfig; vendor menyediakan agen pemantauan khusus sebagai ekstensi.

Lambda mendukung dua format deployment:

• ZIP (hingga 50 MB terkompresi, 250 MB setelah diekstrak): unggah dengan cepat, mendukung layer, dan berfungsi dengan semua runtime.
• Image Kontainer (hingga 10 GB): disimpan di Amazon ECR, menggunakan perkakas Docker standar, tidak mendukung layer, dan ideal untuk dependensi yang sangat besar (model ML, biner berukuran besar).

Image kontainer harus mengimplementasikan Lambda Runtime Interface (menggunakan image dasar yang disediakan AWS) agar Lambda mengetahui cara memanggil penangan Anda.

Membangun dan men-deploy image kontainer Lambda mengikuti alur kerja kontainer standar: bangun dengan docker build, kirim ke Amazon ECR, lalu rujuk URI image saat membuat atau memperbarui fungsi Lambda. Image kontainer bersifat tidak dapat diubah—setiap label image sesuai dengan versi fungsi tertentu. Lambda menyimpan image kontainer dalam tembolok infrastrukturnya, sehingga cold start berikutnya setelah cold start pertama berlangsung lebih cepat.

Versi Lambda adalah snapshot kode fungsi dan konfigurasi Anda yang tidak dapat diubah. Setiap kali Anda menerbitkan versi, Lambda membekukan paket deployment, variabel lingkungan, dan layer. Alias adalah penunjuk bernama ke versi tertentu—prod mungkin menunjuk ke versi 5, sedangkan staging ke versi 6. Anda juga dapat menggunakan alias berbobot untuk mengarahkan persentase lalu lintas tertentu ke versi baru dalam deployment canary (misalnya, 10% ke v6 dan 90% ke v5).

Layer juga memiliki versi. Saat Anda menerbitkan versi layer baru, fungsi yang sudah ada akan terus menggunakan versi yang ditetapkan untuknya sampai Anda memperbaruinya. Dengan demikian, Anda dapat memperbarui layer bersama dengan aman tanpa mengganggu semua fungsi secara bersamaan—luncurkan versi baru secara bertahap. Pada akhirnya, hentikan penggunaan versi layer lama untuk mengurangi beban penyimpanan dan pemeliharaan. Lambda tetap menyimpan versi layer meskipun Anda menghapusnya dari konsol, sampai tidak ada fungsi yang merujuknya.

Gunakan Layer jika ukuran total setelah diekstrak berada di bawah 250 MB, Anda ingin berbagi dependensi di antara beberapa fungsi, dan Anda menginginkan iterasi yang cepat (perbarui layer sekali, semua fungsi mendapatkan manfaatnya). Gunakan Image Kontainer jika dependensi melebihi 250 MB, Anda perlu menggunakan paket OS dasar khusus, Anda sudah memiliki alur kerja Docker, atau Anda ingin menyertakan aset berukuran besar (model ML, basis data referensi). Image kontainer tidak kompatibel dengan Lambda Layer, tetapi menawarkan fleksibilitas yang lebih besar.

Uji pemahaman Anda tentang konsep AWS Solutions Architect (SAA-C03) dari pelajaran ini.

Dalam pelajaran ini Anda telah mempelajari bahwa Lambda Layer mengemas dependensi bersama secara terpisah dari kode fungsi, sehingga mengurangi ukuran paket dan memungkinkan penggunaan ulang di beberapa fungsi; Image Kontainer (hingga 10 GB melalui ECR) merupakan pilihan yang tepat saat dependensi melebihi batas ZIP 250 MB atau saat alur kerja Docker sudah digunakan; serta Pemberian Versi dan Alias memungkinkan rilis yang tidak dapat diubah dan deployment canary dengan pembagian lalu lintas berbobot. Selanjutnya, kita akan membahas Lambda@Edge dan pola berbasis peristiwa.