Serverless AWS Lambda Development · บทเรียน

รูปแบบสถาปัตยกรรมไร้เซิร์ฟเวอร์

รูปแบบสถาปัตยกรรมไร้เซิร์ฟเวอร์ เป็นบทเรียน Serverless AWS Lambda Development ฟรีบน CoddyKit นี่คือบทเรียนที่ 3 จากทั้งหมด 4 บทเรียน คุณสามารถอ่านบทเรียนทั้งหมดด้านล่างฟรี — จากนั้นลองปฏิบัติด้วยตัวคุณเองในเบราว์เซอร์พร้อมตัวแก้ไขโค้ดในตัวและติวเตอร์ AI ตลอด 24/7 บทเรียนนี้เป็นส่วนหนึ่งของเส้นทางการเรียน Serverless AWS Lambda Development และความก้าวหน้าของคุณจะซิงค์ข้ามเว็บและแอป CoddyKit คอร์ส Serverless AWS Lambda Development มีบทเรียนทั้งหมด 4 บทเรียน

บางส่วนของบทเรียนนี้ยังไม่ได้รับการแปล และแสดงเป็นภาษาอังกฤษ

What are Serverless Patterns?

In serverless development, we often encounter similar challenges. Architectural patterns are proven, reusable solutions to these common problems.

They help us design scalable, resilient, and maintainable serverless applications by providing a blueprint for interaction between different services.

The Fan-Out Pattern

The Fan-Out pattern is when a single input event triggers multiple parallel processes or actions. Think of it like a ripple effect from one stone thrown into water.

This pattern is excellent for decoupling services and performing concurrent tasks. For example, a new file upload might need to be processed in several different ways at once.

Fan-Out: Image Processing Example

Imagine uploading an image. A Lambda function could 'fan out' this event, triggering separate processes for creating a thumbnail, adding a watermark, and extracting metadata—all in parallel.

Here's a conceptual Python example simulating this fan-out logic:

def process_image_event(image_id):
    print(f"Processing image: {image_id}")
    # Simulate publishing to different services
    print(f"  - Publishing to Thumbnail Service for {image_id}")
    print(f"  - Publishing to Watermark Service for {image_id}")
    print(f"  - Publishing to Metadata Service for {image_id}")

def main():
    print("--- Fan-Out Simulation ---")
    image_id = "img-12345.jpg"
    process_image_event(image_id)
    print("--- Simulation Complete ---")

if __name__ == "__main__":
    main()

The Scatter-Gather Pattern

The Scatter-Gather pattern involves sending a request to multiple recipients (scatter), collecting all their responses, and then aggregating them into a single response (gather).

This is often used for operations like searching across multiple data sources or comparing prices from different vendors.

Scatter-Gather: Product Search Example

When you search for a product, a Lambda could 'scatter' the query to various vendor APIs, then 'gather' and combine their results to show you the best options.

This example simulates querying different vendors and finding the cheapest product:

def get_product_info(vendor_name, product_id):
    # Simulate calling a vendor API
    print(f"  - Querying {vendor_name} for product {product_id}...")
    if vendor_name == "VendorA":
        return {"vendor": "VendorA", "price": 100, "stock": 5}
    elif vendor_name == "VendorB":
        return {"vendor": "VendorB", "price": 95, "stock": 10}
    elif vendor_name == "VendorC":
        return {"vendor": "VendorC", "price": 110, "stock": 3}
    return None

def main():
    print("--- Scatter-Gather Simulation ---")
    product_id = "PROD-XYZ"
    vendors = ["VendorA", "VendorB", "VendorC"]
    
    all_results = []
    print(f"Searching for product {product_id} across vendors:")
    for vendor in vendors:
        result = get_product_info(vendor, product_id)
        if result:
            all_results.append(result)
    
    print("\n--- Aggregated Results ---")
    if all_results:
        for res in all_results:
            print(f"  Vendor: {res['vendor']}, Price: ${res['price']}, Stock: {res['stock']}")
        
        cheapest = min(all_results, key=lambda x: x['price'])
        print(f"\nCheapest option: {cheapest['vendor']} at ${cheapest['price']}")
    else:
        print("No results found.")
    print("--- Simulation Complete ---")

if __name__ == "__main__":
    main()

The Event Sourcing Pattern

Event Sourcing is an architectural pattern where all changes to application state are stored as a sequence of immutable events. Instead of just storing the current state, you store how you got to that state.

This provides a complete audit trail, allows rebuilding past states, and is foundational for complex event-driven systems.

Event Sourcing: Order Management Example

In an e-commerce system, instead of updating an Order record, you record events like OrderCreated, ItemAdded, OrderShipped. The current state is then derived from applying these events in order.

Here's a simulation of recording events for an order:

import datetime

def record_event(event_type, payload):
    timestamp = datetime.datetime.now().isoformat()
    event = {
        "eventId": f"evt-{datetime.datetime.now().timestamp()}",
        "eventType": event_type,
        "timestamp": timestamp,
        "payload": payload
    }
    # In a real system, this would write to a database stream (e.g., DynamoDB Streams, Kinesis)
    print(f"Recorded Event: {event['eventType']} at {event['timestamp']}")
    print(f"  Payload: {event['payload']}")
    return event

def main():
    print("--- Event Sourcing Simulation ---")
    
    # Simulate an order creation
    order_id = "ORD-001"
    record_event("OrderCreated", {"orderId": order_id, "customer": "Alice", "initialItems": []})
    
    # Simulate adding an item
    record_event("ItemAdded", {"orderId": order_id, "itemId": "SKU-A", "quantity": 1})
    
    # Simulate updating an item quantity
    record_event("ItemQuantityUpdated", {"orderId": order_id, "itemId": "SKU-A", "newQuantity": 2})
    
    # Simulate shipping the order
    record_event("OrderShipped", {"orderId": order_id, "shippingProvider": "UPS"})
    
    print("\n--- Event Stream Recorded ---")

if __name__ == "__main__":
    main()

Benefits of Serverless Patterns

These patterns offer significant advantages for serverless applications:

Scalability: Easily handle increased load by adding more parallel processes.
Decoupling: Services operate independently, reducing dependencies and improving resilience.
Resilience: Failures in one part of a fan-out or scatter-gather workflow don't necessarily stop the entire process.
Auditability (Event Sourcing): A complete history of changes is invaluable for debugging, compliance, and analytics.

Choosing the Right Pattern

Selecting the correct pattern depends on your specific problem:

Use Fan-Out when one event needs to trigger multiple independent, parallel actions.
Use Scatter-Gather when you need to query multiple sources and aggregate their responses.
Use Event Sourcing when you need a complete, immutable history of changes, or complex temporal queries.

Often, these patterns can be combined within a larger serverless architecture.

Pattern Challenge

A new e-commerce platform needs to process customer orders. When an order is placed, the system must:

Update inventory.
Send a confirmation email.
Generate a shipping label.
Process payment.

Which serverless architectural pattern is best suited for coordinating these independent tasks after an order is placed?

Patterns Recap

We've explored key serverless architectural patterns: Fan-Out for parallel processing from a single event, Scatter-Gather for aggregating responses from multiple sources, and Event Sourcing for maintaining an immutable history of state changes.

Understanding these patterns helps you design robust, scalable, and resilient serverless applications, choosing the right tool for each complex problem.

คำถามที่พบบ่อย

บทเรียน “รูปแบบสถาปัตยกรรมไร้เซิร์ฟเวอร์” ฟรีหรือไม่

ใช่ — ข้อความเต็มของ “รูปแบบสถาปัตยกรรมไร้เซิร์ฟเวอร์” ฟรีให้อ่านที่นี่บนเว็บ เพื่อปฏิบัติแบบโต้ตอบ (ตัวแก้ไขโค้ดในตัวและติวเตอร์ AI ตลอด 24/7) และปลดล็อคส่วนที่เหลือของคอร์ส Serverless AWS Lambda Development ให้อัปเกรดเป็น CoddyKit PRO คอร์ส Serverless AWS Lambda Development มีบทเรียนทั้งหมด 4 บทเรียน

คุณจะเรียนรู้อะไรในบทเรียน “รูปแบบสถาปัตยกรรมไร้เซิร์ฟเวอร์”

สำรวจและประยุกต์ใช้รูปแบบสถาปัตยกรรมไร้เซิร์ฟเวอร์ทั่วไป เช่น การกระจายงาน การรวบรวมผล และการบันทึกแหล่งที่มาของเหตุการณ์ เพื่อแก้ปัญหาทางธุรกิจที่ซับซ้อนได้อย่างมีประสิทธิภาพ คุณปฏิบัติ Serverless AWS Lambda Development ด้วยโค้ดที่ใช้งานได้จริงที่คุณเรียกใช้โดยตรงในเบราว์เซอร์ และติวเตอร์ AI ตลอด 24/7 ตอบคำถามของคุณขณะที่คุณไปผ่านบทเรียน

คุณต้องมีประสบการณ์ก่อนที่จะเริ่มเรียน Serverless AWS Lambda Development หรือไม่

ไม่จำเป็นต้องมีประสบการณ์มาก่อน Serverless AWS Lambda Development บน CoddyKit ออกแบบมาสำหรับผู้เริ่มต้นไปจนถึงผู้เรียนขั้นสูง คุณสามารถเริ่มต้นที่นี่หรือเริ่มจากตัวแรกและเรียนด้วยความเร็วของคุณเอง นี่คือบทเรียนที่ 3 จากทั้งหมด 4 บทเรียน

บทเรียน “รูปแบบสถาปัตยกรรมไร้เซิร์ฟเวอร์” ใช้เวลานานแค่ไหน

บทเรียน CoddyKit ส่วนใหญ่ใช้เวลาประมาณ 5–10 นาที แต่ละบทเรียนจึงสั้นและเป็นแบบโต้ตอบ คุณสามารถก้าวหน้าอย่างต่อเนื่องและกลับมาเรียนต่อจากตรงที่เพิ่งหยุดบนเว็บและแอปได้เลย

ฉันเขียนและรันโค้ดในบทเรียน Serverless AWS Lambda Development นี้ได้ไหม

ได้ บทเรียน Serverless AWS Lambda Development ทุกบทมีตัวแก้ไขโค้ดในตัว คุณจึงเขียนและรันโค้ดจริงได้เลยในเบราว์เซอร์ และได้รับข้อเสนอแนะจาก AI ในทันที — ไม่ต้องติดตั้งในเครื่องของคุณ

บทเรียนทั้งหมดในหลักสูตรนี้

การติดตั้งใช้งานแบบ Canary และ Blue/Green
การสร้างระบบไร้เซิร์ฟเวอร์ที่ทนทาน
รูปแบบสถาปัตยกรรมไร้เซิร์ฟเวอร์
การเพิ่มประสิทธิภาพค่าใช้จ่ายในสถาปัตยกรรมแบบไร้เซิร์ฟเวอร์

← กลับไปที่ Serverless AWS Lambda Development