Serverløs utvikling med AWS Lambda · leksjon

Kostnadsoptimalisering i serverless-arkitekturer

Lær praktiske teknikker for å kontrollere og redusere kostnadene for serverless-applikasjoner på AWS Lambda, fra finjustering av minne til arkitekturvalg.

Leksjon 4 av 413 trinn

Kostnadsoptimalisering i serverless-arkitekturer er en gratis leksjon i Serverløs utvikling med AWS Lambda på CoddyKit. Dette er leksjon 4 av 4. Du kan lese hele leksjonen gratis nedenfor – og deretter øve praktisk i nettleseren med en innebygd kodeeditor og en AI-veileder som er tilgjengelig døgnet rundt. Den er en del av læringsløpet i Serverløs utvikling med AWS Lambda, og fremdriften din synkroniseres mellom nettet og CoddyKit-appen. Kurset i Serverløs utvikling med AWS Lambda inneholder totalt 4 leksjoner.

Hvorfor kostnader er viktige i serverless

Serverless fjerner kostnader for inaktive servere, men det fjerner ikke behovet for kostnadsbevissthet. Du betaler per forespørsel og per GB-sekund med databehandling.

Små ineffektiviteter blir mange når de multipliseres over millioner av kjøringer, så det å forstå prismodellen er første steg for å få kontroll over kostnadene.

Prismodellen for Lambda

AWS Lambda fakturerer etter to dimensjoner:

Forespørsler: en fast pris per million kjøringer
Varighet: faktureres i GB-sekunder (allokert minne multiplisert med kjøretid)

Hvis du reduserer enten varigheten eller mengden allokert minne, blir regningen direkte lavere.

Tilpass minnestørrelsen

Minne og CPU skaleres sammen i Lambda. Paradoksalt nok kan mer minne bli billigere fordi funksjonen blir ferdig raskere.

Du bør alltid sammenligne flere minneinnstillinger i stedet for å velge minimumsverdien som standard.

memory  | avg duration | GB-seconds
128 MB   | 900 ms       | 0.1125
512 MB   | 220 ms       | 0.1100
1024 MB  | 120 ms       | 0.1200

AWS Lambda Power Tuning

Verktøyet Lambda Power Tuning med åpen kildekode kjører funksjonen din med mange ulike minnenivåer og viser kostnad opp mot hastighet i et diagram, slik at du automatisk kan velge den optimale innstillingen.

arn: arn:aws:states:us-east-1:123:stateMachine:powerTuning
input: { "powerValues": [128, 256, 512, 1024], "strategy": "cost" }

Reduser kalde starter kostnadseffektivt

Kalde starter øker ventetiden, men Provisioned Concurrency øker kostnadene. Rimeligere alternativer:

Reduser størrelsen på distribusjonspakken
Bruk lettere kjøretidsmiljøer
Initialiser SDK-klienter utenfor handleren

Initialiser utenfor handleren

Kode utenfor handleren kjører én gang per container og gjenbrukes på tvers av kjøringer. Hvis du flytter tungt oppsett dit, slipper du å betale for det ved hvert kall.

const db = new Database();
exports.handler = async (event) => {
  return db.query(event.id);
};

Velg riktig utløser

Valget av hendelseskilde påvirker kostnadene. Med batching i SQS eller Kinesis behandles mange poster per kjøring, noe som kraftig reduserer antallet fakturerbare forespørsler sammenlignet med mønstre der ett kall behandler én melding.

Graviton2-funksjoner (arm64)

Hvis du bytter en Lambda-funksjon til arm64-arkitekturen (AWS Graviton2), kan du redusere kostnaden for kjøretid med opptil 20 % med tilsvarende eller bedre ytelse – ofte krever det bare en konfigurasjonsendring på én linje.

Resources:
  MyFn:
    Type: AWS::Serverless::Function
    Properties:
      Architectures:
        - arm64

Følg med på de skjulte kostnadene

Databehandling utgjør sjelden hele regningen. Følg med på:

Inntak og lagring av CloudWatch-logger
Dataoverføring ut av AWS
Kostnader for forespørsler til API Gateway
Avgifter for NAT Gateway for funksjoner som er tilkoblet en VPC

Angi oppbevaringsperiode for logger

Som standard oppbevarer CloudWatch logger for alltid, slik at lagringskostnadene øker ubemerket. Angi en begrenset oppbevaringspolicy for hver logggruppe.

aws logs put-retention-policy \
  --log-group-name /aws/lambda/myFn \
  --retention-in-days 14

Overvåk kostnader med kostnadsverktøy

Tagg funksjoner etter team eller funksjon, og bruk AWS Cost Explorer og Budgets med varsler. Innsyn er det som gjør engangsjusteringer til kontinuerlige besparelser.

Kort test

Test kunnskapen din om kostnadsoptimalisering.

Besvar den i den interaktive leksjonen

Oppsummering

Du har lært å optimalisere kostnadene i serverless:

Forstå prismodellen med forespørsler og GB-sekunder
Tilpass minnestørrelsen og bruk Power Tuning
Initialiser klienter utenfor handleren, og grupper utløsere i batcher
Ta i bruk arm64 og angi oppbevaringsperiode for logger
Følg med på kostnadene med tagger, Cost Explorer og Budgets

Kostnadsoptimalisering er en kontinuerlig arkitektonisk disiplin.

Gratis å komme i gang

Lær deg Serverløs utvikling med AWS Lambda med en AI-veileder – gratis

Skriv og kjør ekte kode i nettleseren, få umiddelbar hjelp fra en AI-veileder som er tilgjengelig døgnet rundt, og fortsett der du slapp – på nettet eller i appen.

Kurs: 12
Leksjoner: 48

Start læringen gratis Se hele kurset

Ofte stilte spørsmål

Er leksjonen «Kostnadsoptimalisering i serverless-arkitekturer» gratis?

Ja – hele teksten i «Kostnadsoptimalisering i serverless-arkitekturer» er gratis å lese her på nettet. For å øve interaktivt med en innebygd kodeeditor og en AI-veileder som er tilgjengelig døgnet rundt, og for å låse opp resten av Serverløs utvikling med AWS Lambda-kurset, kan du oppgradere til CoddyKit PRO. Kurset i Serverløs utvikling med AWS Lambda inneholder totalt 4 leksjoner.

Hva lærer jeg i «Kostnadsoptimalisering i serverless-arkitekturer»?

Lær praktiske teknikker for å kontrollere og redusere kostnadene for serverless-applikasjoner på AWS Lambda, fra finjustering av minne til arkitekturvalg. Du øver på Serverløs utvikling med AWS Lambda med praktisk kode som du kjører direkte i nettleseren, mens en AI-veileder som er tilgjengelig døgnet rundt, svarer på spørsmålene dine mens du jobber deg gjennom leksjonen.

Trenger jeg erfaring for å begynne med Serverløs utvikling med AWS Lambda?

Ingen tidligere erfaring er nødvendig. Serverløs utvikling med AWS Lambda på CoddyKit er lagt opp for både nybegynnere og viderekomne, så De kan begynne her eller helt fra start og lære i Deres eget tempo. Dette er leksjon 4 av 4.

Hvor lang tid tar leksjonen «Kostnadsoptimalisering i serverless-arkitekturer»?

De fleste CoddyKit-leksjoner tar omtrent 5–10 minutter. Hver leksjon er kort og interaktiv, slik at De gjør jevne fremskritt og kan fortsette akkurat der De slapp – både på nettet og i appen.

Kan jeg skrive og kjøre kode i denne Serverløs utvikling med AWS Lambda-leksjonen?

Ja. Alle Serverløs utvikling med AWS Lambda-leksjoner har en innebygd kodeeditor, slik at De kan skrive og kjøre ekte kode direkte i nettleseren og få umiddelbar tilbakemelding fra AI – uten lokal konfigurering.

Alle leksjonene i dette kurset

Canary- og blue/green-distribusjoner
Bygge robuste serverløse systemer
Serverløse arkitekturmønstre
Kostnadsoptimalisering i serverless-arkitekturer

← Tilbake til Serverløs utvikling med AWS Lambda