- Workload pattern
-
Das Verständnis des Betriebsmusters Ihrer Anwendung ist der wichtigste Faktor bei der Auswahl serverloser Dienste. Verschiedene Workload-Muster erfordern unterschiedliche Servicekombinationen. Die serverlose Datenverarbeitung entspricht weitgehend den folgenden Mustern:
Asynchrone Verarbeitung: Dateiverarbeitung, Bildbearbeitung, Batch-Transformationen und Webhooks. Diese Workloads verarbeiten Ereignisse, die keine sofortige Reaktion erfordern, und profitieren von Warteschlangen zur Pufferung und Fan-Out für die parallele Verarbeitung.
Synchron request/response: Web-APIs, mobile Backends und Microservices. Für diese Workloads ist eine Rechenleistung mit niedriger Latenz erforderlich, die auf einzelne HTTP-Anfragen reagiert und bei gleichzeitigem Datenverkehr skaliert wird.
Streaming: IoT-Telemetrie, Clickstream-Analyse, Echtzeitanalyse und Transaktionsverarbeitung. Diese Workloads nehmen kontinuierlich schnelle Daten auf, die nahezu in Echtzeit verarbeitet werden müssen.
Orchestrierung: Multi-step Genehmigungsabläufe, ETL-Pipelines und Saga-Muster. Diese Workloads koordinieren Aufgaben mithilfe von Verzweigungslogik, Fehlerbehandlung und Statusverwaltung.
Jedes Muster verwendet eine andere Kombination von serverlosen Diensten. Detaillierte Beispiele und empfohlene Servicekombinationen für jedes Muster finden Sie im Abschnitt Auswählen.
- Execution duration and concurrency
-
Serverlose Rechendienste unterscheiden sich erheblich darin, wie lange sie die Ausführung einer einzelnen Ausführung zulassen und wie sie mit Parallelität umgehen. Im Gegensatz zu herkömmlichen Servern werden Lambda-Eventfunktionen nicht ständig ausgeführt. Wenn eine Funktion durch ein Ereignis ausgelöst wird, nennt man dies einen Aufruf. Lambda-Eventfunktionen sind auf eine Dauer von 15 Minuten begrenzt, aber im Durchschnitt dauern bei allen AWS Kunden die meisten Aufrufe weniger als eine Sekunde.
Short-lived, ereignisgesteuerte Aufrufe werden am besten von Lambda verarbeitet. Lambda unterstützt Ausführungsdauern von bis zu 15 Minuten und skaliert automatisch pro Anforderung auf Tausende von gleichzeitigen Aufrufen. Der Lambda-Service führt Instanzen Ihrer Funktion nur bei Bedarf aus und skaliert automatisch von null Anfragen pro Tag auf Tausende pro Sekunde. Sie zahlen nur für die tatsächlich genutzte Rechenzeit. Es fallen also keine Gebühren an, wenn Ihr Code nicht ausgeführt wird. Die Abrechnung von Lambda pro Millisekunde kann die Kosten für kurzzeitige Workloads senken.
Es gibt viele Arten von Aufrufereignissen, die kurzlebige Funktionen auslösen können. Einige Beispiele hierfür sind eine HTTP-Anfrage von API Gateway, ein durch eine EventBridge Regel verwalteter Zeitplan, eine Nachricht von einem IoT-Gerät oder eine Benachrichtigung, dass eine Datei in einen Amazon S3-Bucket hochgeladen wurde.
Zustandsbehaftete, interaktive Sitzungen, wie KI-Programmier-Sandboxen, interaktive Notebooks und CI-Umgebungen mit mehreren Mandanten, benötigen isolierte Umgebungen, die den Status über Benutzerinteraktionen hinweg beibehalten. Lambda-MicroVMs haben einen anderen Rechenformfaktor als Event Functions: Sie verwenden ein Dockerfile-based Programmiermodell, weisen pro Sitzung (nicht pro Anfrage) eine Umgebung zu und rechnen nach einem Baseline- plus Burst-Modell ab und nicht pro Millisekunde. MicroVMs bieten VM-level Isolierung mit vollen Betriebssystemfunktionen, einen Snapshot-basierten Schnellstart, eine Lebensdauer von bis zu 8 Stunden und zur Reduzierung der Leerlaufkosten. suspend/resume
Long-running Für stationäre Prozesse wie Batch-Jobs, persistente WebSocket Verbindungen oder Dienste, die eine kontinuierliche Verarbeitung von mehr als 15 Minuten erfordern, ist Fargate besser geeignet, da es unbegrenzt ausgeführt werden kann. Einzelheiten dazu, wie Fargate und Lambda unterschiedlich skalieren, finden Sie auf der Registerkarte Skalierungsmodell und Latenz. Fargate bietet eine konsistente Ressourcenzuweisung für Workloads, die die Timeout- oder Rechenlimits von Lambda überschreiten. Darüber hinaus ermöglichen langlebige Lambda-Funktionen mehrstufige, lang andauernde Ausführungen, deren Zustand über mehrere Aufrufe hinweg unverändert bleibt. Bei jedem einzelnen Aufruf wird weiterhin das 15-Minuten-Limit eingehalten. Dauerhafte Funktionen überprüfen automatisch den Fortschritt und setzen dort fort, wo er aufgehört hat, sodass die Gesamtdauer des Workflows 15 Minuten weit überschreiten kann, ohne dass Fargate oder eine externe Orchestrierung erforderlich sind.
Berücksichtigen Sie sowohl die durchschnittliche als auch die maximale Ausführungszeit Ihrer Workloads. Eine Lambda-Funktion, die gelegentlich länger als 15 Minuten dauert, schlägt unvorhersehbar fehl und erfordert eine Neugestaltung der Architektur. Ihre Anwendungsarchitektur und Ihre Anforderungen bestimmen, wie eine Funktion aufgerufen wird. Für Muster der Stapelverarbeitung gelten beispielsweise andere Anforderungen als für die Datenverarbeitung auf Abruf. Fargate eignet sich für einen Microservice, der hauptsächlich die Batch-Datenverarbeitung abwickelt. Lambda lässt sich für die On-Demand-Verarbeitung einfacher bereitstellen und warten.
- Cost model and predictability
-
Einer der Hauptvorteile der serverlosen Entwicklung besteht darin, dass Sie nur für die Ressourcen bezahlen, die Sie verbrauchen. Serverlose Technologien sind nutzungsabhängig, was bedeutet, dass Sie bei sich ändernden Anwendungsanforderungen nach oben oder unten skalieren können, ohne für ungenutzte Kapazitäten bezahlen zu müssen. Verschiedene AWS serverlose Dienste verwenden jedoch unterschiedliche Preismodelle, die unterschiedliche Nutzungsmuster begünstigen.
Pay-per-use Die Preisgestaltung (Lambda, Step Functions Express EventBridge) basiert auf den tatsächlichen Aufrufen und der Dauer, ohne dass im Leerlauf Kosten anfallen. Für Lambda werden Ihnen die Gebühren auf der Grundlage der Anzahl der Anforderungen für Ihre Funktionen und der Dauer der Ausführung Ihres Codes berechnet. Es werden keine Gebühren berechnet, solange Ihr Code nicht ausgeführt wird. Dieses Modell eignet sich für unvorhersehbare oder hohe Workloads, bei denen der Datenverkehr auf Null sinken kann, und für Anwendungen in der Anfangsphase, bei denen die Nachfrage ungewiss ist.
Capacity-based Bei der Preisgestaltung (Fargate, Amazon Aurora Serverless, DynamoDB Provisioned Mode) fallen Gebühren für reservierte Rechen- oder Durchsatzkapazität an. Während dies in Zeiten mit geringem Datenaufkommen Kosten verursachen kann, ist es kostengünstiger, wenn ein dauerhafter, vorhersehbarer Umfang erreicht wird, in dem die Preise pro Anfrage die entsprechende reservierte Kapazität übersteigen würden. Im Bereitstellungsmodus von DynamoDB können Sie beispielsweise die Durchsatzkapazität Ihrer Tabellen nach Bedarf anpassen, was bei Workloads mit konsistenten Datenverkehrsmustern wirtschaftlicher sein kann.
Hybridpreise (DynamoDB auf Abruf, API Gateway) bieten Preise pro Anfrage, die linear ohne Vorabverpflichtung skaliert werden. Dadurch sind die Kosten vorhersehbar, ohne dass die Kapazität prognostiziert werden muss, kann aber bei einem sehr hohen Durchsatz im Vergleich zu bereitgestellten Alternativen teuer werden.
Baseline plus Burst Pricing (Lambda microVMS) berechnet für konfigurierte Basisressourcen, während die MicroVM läuft. Bei Spitzenauslastung können die Kosten auf das Vierfache des Basiswerts erhöht werden. Ausgesetzte MicroVMs senken die Kosten und sorgen gleichzeitig für einen gleichbleibenden Zustand. Dieses Modell eignet sich für interaktive Workloads mit variabler Aktivität und Leerlaufzeiten.
Modellieren Sie Ihre erwarteten Verkehrsmuster in täglichen, wöchentlichen und saisonalen Zyklen. Workloads mit einem hohen Verhältnis von Spitzenwerten zu Durchschnittswerten begünstigen die Abrechnung pro Nutzung. Steady-state Workloads könnten von einer kapazitätsbasierten Preisgestaltung profitieren. Sie können auch eine Kombination verwenden: zum Beispiel Lambda mit Pay-per-Use für variable Rechenleistung und DynamoDB-Bereitstellungsmodus für vorhersehbare Datenzugriffsmuster.
- Operational complexity
-
Herkömmliche Frameworks für Webanwendungen bündeln Routing, Datenzugriff, Verbindungspools und Integrationen in einer einzigen Codebasis, die Sie als eine Einheit bereitstellen und verwalten. Die Einrichtung, Konfiguration und Wartung der Frameworks, Laufzeitumgebungen und Infrastruktur verlangsamt die Bereitstellung von Funktionen und Bugfixes. Da Anwendungen wachsen und immer mehr externe Systeme benötigen, erhöht diese Komplexität die Anlaufzeit für neue Entwickler, erschwert das Aufspüren der Fehlerquellen und verzögert die Bereitstellung neuer Funktionen.
Serverlose Dienste verfügen über ein breites Spektrum an Betriebsverantwortung, wodurch dieser Aufwand reduziert oder ganz vermieden wird. Anstatt alles in einem Paket zu verwalten, stellen Sie lose miteinander verbundene Dienste zusammen, bei denen jeder eine Sache gut macht und dabei so wenig Abhängigkeiten wie möglich hat.
Minimaler Verwaltungsaufwand: Lambda, API Gateway, DynamoDB, Amazon SQS, Amazon SNS und Step Functions erfordern keine Serverbereitstellung EventBridge, Patches oder Kapazitätsplanung. Sie müssen keine Verbindungspools einrichten, Laufzeitumgebungen konfigurieren oder die Skalierungsinfrastruktur verwalten. Sie können sich voll und ganz darauf konzentrieren, Code zu schreiben oder zu generieren, der Geschäftsprobleme löst.
Containermanagement: Fargate erfordert die Erstellung und Pflege von Container-Images, die Konfiguration von Aufgabendefinitionen und die Verwaltung von Bereitstellungspipelines. Sie verwalten nicht die zugrunde liegende Infrastruktur, aber Sie sind für den Container-Lebenszyklus verantwortlich. Dieses Modell eignet sich für Teams, die benutzerdefinierte Laufzeiten benötigen oder bereits über containerisierte Workloads verfügen, die sie ausführen möchten, ohne Cluster zu verwalten.
Infrastruktur als Codekomplexität: AWS Serverless Application Model
Minimiert die IaC-Komplexität für reine serverlose Architekturen mit Kurzsyntax und lokalen Tests. AWS Cloud Development Kit (AWS CDK) und Terraform bieten mehr Leistung für komplexe Anwendungen auf Kosten steilerer Lernkurven und mehr zu wartender Code.
Berücksichtigen Sie die vorhandenen Fähigkeiten Ihres Teams, die Anzahl der zu verwaltenden Dienste und die Betriebsstandards Ihres Unternehmens. Wenn Ihre Teams mehr Zeit mit der Wartung der Infrastruktur als mit der Entwicklung von Funktionen verbringen, können durch die Umstellung auf das minimale Management-Ende des Spektrums Ressourcen für höherwertige Aufgaben freigesetzt werden.
- Scaling model and latency
-
Die Art und Weise, wie ein Service skaliert wird, wirkt sich direkt auf die Reaktionsfähigkeit Ihrer Anwendung unter Last aus. In serverlosen Architekturen erfolgt die Skalierung automatisch, aber verschiedene Dienste verwenden unterschiedliche Mechanismen, die sich auf Latenz und Durchsatz auswirken.
Per-request Die Skalierung (Lambda) erstellt eine neue Ausführungsumgebung für jede gleichzeitige Anforderung. Lambda ruft Ihre Funktion in einer Ausführungsumgebung auf, die eine sichere und isolierte Laufzeitumgebung bietet, in der die für die Ausführung der Funktion erforderlichen Prozesse und Ressourcen verwaltet werden. Dies ermöglicht eine nahezu sofortige Reaktion auf Datenverkehrsspitzen und skaliert innerhalb von Sekunden von Null auf Tausende gleichzeitiger Ausführungen.
Die Skalierung pro Anforderung führt jedoch zu Kaltstarts, bei denen es sich um Initialisierungsverzögerungen handelt, die auftreten, wenn Lambda eine neue Ausführungsumgebung erstellt. Den größten Beitrag zur Kaltstartzeit leistet die Zeit, die Lambda mit der Initialisierung der Funktion verbringt. Dazu gehören das Laden des Funktionscodes, das Starten der Laufzeit und das Initialisieren des Funktionscodes. Bei Java-, Python- und .NET-Workloads SnapStart kann Lambda die Startleistung ohne zusätzliche Kosten um das bis zu 10-fache verbessern, indem ein Snapshot der initialisierten Ausführungsumgebung erstellt und für den Zugriff mit niedriger Latenz zwischengespeichert wird. Bei anderen Laufzeiten können Sie Kaltstarts mit Provisioned Concurrency gegen Aufpreis verhindern.
Task-level Bei der Skalierung (Fargate) werden Container-Instances auf der Grundlage von Metriken wie CPU-Auslastung, Speicherauslastung oder Anzahl der Anfragen hinzugefügt oder entfernt. Bei der Skalierung werden neue Aufgaben innerhalb von Sekunden oder Minuten hinzugefügt und Kaltstarts für Anfragen vermieden, die von vorhandenen Aufgaben bearbeitet werden. Sobald eine Aufgabe ausgeführt wird, bleibt sie während ihrer gesamten Lebensdauer warm und sorgt so für eine konsistente Latenz für alle Anfragen, die sie bearbeitet.
Throughput-based Bei der Skalierung (DynamoDB, Kinesis) wird die read/write Kapazität oder die Anzahl der Shards je nach Bedarf angepasst. Der DynamoDB-On-Demand-Modus skaliert sofort, um den Datenverkehrsmustern Ihrer Arbeitslast gerecht zu werden. Der bereitgestellte Modus erfordert eine Konfiguration mit automatischer Skalierung, bietet jedoch einen vorhersehbaren Durchsatz bei niedrigeren Kosten pro Anfrage. Bei der serverlosen Architektur und DynamoDB sind keine Verbindungspools erforderlich, um die Datenbank schnell zu verbinden und zu skalieren. Stattdessen passen Sie die Durchsatzkapazität Ihrer Tabellen nach Bedarf an.
Bei strengen Latenzanforderungen (unter 100 ms P99) sollten Sie das Kaltstartverhalten sorgfältig evaluieren. Lambda mit Provisioned Concurrency oder Fargate mit vorgewärmten Aufgaben SnapStart bieten eine vorhersehbare Latenz für API-Workloads. Für Datenverarbeitungs-Workloads, bei denen die Latenz weniger kritisch ist, ist die Standard-Lambda-Skalierung in der Regel ausreichend.
- Integration and composability
-
Serverlose Architekturen bestehen aus mehreren Diensten, die über Ereignisse kommunizieren. Ein Ereignis steht für eine Statusänderung oder ein Update. Zum Beispiel ein Artikel, der in einen Einkaufswagen gelegt wurde, eine Datei, die in ein Speichersystem hochgeladen wurde, oder eine Bestellung, die gerade versandbereit ist. Die Tiefe der systemeigenen Integration zwischen Diensten wirkt sich darauf aus, wie schnell Sie erstellen können und wie viel benutzerdefinierten Code Sie schreiben müssen.
Tiefe native Integration: Lambda lässt sich in über 200 AWS Dienste als Ereignisquellen integrieren. Einige Dienste können Lambda-Funktionen direkt auslösen. Wenn beispielsweise ein Bild zu einem Amazon S3-Bucket hinzugefügt wird, kann Lambda veranlasst werden, die Größe zu ändern. Einige Dienste können Lambda nicht direkt aufrufen, aber Sie können eine Ereignisquellenzuordnung verwenden. Dabei handelt es sich um einen Polling-Mechanismus, der aus einer Ereignisquelle liest und eine Lambda-Funktion aufruft. Sie können Ereignisquellenzuordnungen verwenden, um Elemente aus einem Stream oder einer Warteschlange zu verarbeiten in: DynamoDB Streams, Amazon Kinesis, Amazon MQ, Amazon MSK, selbstverwaltet und Amazon SQS. Apache Kafka
Flexibilität beim Event-Routing: EventBridge bietet inhaltsbasiertes Routing mit Filterregeln, sodass ein einziger Event-Bus Ereignisse je nach Eventinhalt an verschiedene Ziele weiterleiten kann. Amazon SNS bietet themenorientiertes Fan-Out, um Nachrichten an mehrere Abonnenten gleichzeitig zu senden. Amazon SQS bietet Punkt-zu-Punkt-Pufferung, bei der Verbraucher aktiv Nachrichten aus der Warteschlange abfragen. Zu den gängigen Kombinationen gehören das Routing EventBridge von Amazon SNS-Ereignissen an eine Amazon SQS-Warteschlange als Puffer für nachgeschaltete Verbraucher, das Abrufen von Ereignissen aus einem Stream oder einer Warteschlange mit EventBridge Pipes und das Weiterleiten von Ereignissen zu Analysezwecken an Kinesis.
API-Integrationsmuster: API Gateway bietet zwei Integrationsansätze. Proxy-Integrationen leiten alle Anforderungsinformationen direkt zur Verarbeitung an eine Lambda-Funktion weiter, die einfacher zu konfigurieren ist. Non-proxy (benutzerdefinierte) Integrationen können Daten transformieren, bevor sie Ihre Funktion erreichen und bevor die Ausgabe an die Clients zurückkehrt. Dies ist nützlich, wenn Sie älteren Code migrieren oder den Funktionscode auf die Geschäftslogik konzentrieren möchten. Die REST-API bietet den umfassendsten Funktionsumfang, einschließlich Caching, Anforderungsvalidierung und WAF. Die HTTP-API bietet die niedrigste Latenz und die niedrigsten Kosten. AWS AppSync bietet Abonnements und GraphQL in Echtzeit. Lambda-Funktions-URLs bieten den einfachsten HTTPS-Endpunkt mit einer Funktion, ohne dass ein API-Gateway erforderlich ist. Für die bidirektionale Kommunikation, bei der der Server Daten an die Clients weitergeben muss, bieten WebSocket API-Gateway-APIs persistente Verbindungen, die sich für Chats, Echtzeit-Dashboards und Multiplayer-Spiele eignen.
Aufgrund der losen Kopplung zwischen den Komponenten eines ereignisgesteuerten Systems sind sich Ihre Rechenfunktionen anderer Aktivitäten in der Architektur nicht bewusst. Sie können Komponenten unabhängig voneinander skalieren, ein Dienst kann ausfallen, ohne dass sich dies auf andere Dienste auswirkt, und Ereignisse können flexibel weitergeleitet, gepuffert und als Protokoll für Audits bereitgestellt werden.
- Portability and standards
-
Ihre Wahl der serverlosen Dienste wirkt sich darauf aus, wie portabel Ihre Architektur in verschiedenen Umgebungen ist. Serverlose Anwendungen bestehen in der Regel aus mehreren AWS Diensten, die in benutzerdefinierten Code integriert sind, der in Lambda-Funktionen ausgeführt wird. Lambda kann zwar in die meisten AWS Dienste integriert werden, Sie sollten jedoch den Kompromiss zwischen einer tiefgreifenden Plattformintegration und der Möglichkeit, Workloads in anderen Umgebungen auszuführen, in Betracht ziehen.
AWS Native Dienste (Lambda, Step Functions EventBridge, DynamoDB) bieten die tiefste Integration und den geringsten Betriebsaufwand. Sie können jeden dieser Dienste über das AWS SDK nutzen, ohne Anwendungen installieren oder Server konfigurieren zu müssen. Ein wichtiger Schritt zur Erstellung gut gestalteter serverloser Anwendungen ist es, diese Dienste mithilfe von Code in Ihren Lambda-Funktionen kompetent zu nutzen. Diese Dienste stellen jedoch eine Kopplung mit AWS spezifischen APIs und Eventformaten her, sodass für die Migration in eine andere Cloud ein erhebliches Refactoring erforderlich ist.
Standards-based Dienste (Fargate mit Docker Containern, Amazon MQ mitAMQP, Amazon MSK mitApache Kafka) werden auf offenen Protokollen oder Open-Source-Technologien ausgeführt. Wenn Sie eine benutzerdefinierte Laufzeit benötigen, die nicht von bereitgestellt wird AWS, können Sie ein benutzerdefiniertes Container-Image auf Fargate erstellen und bereitstellen. Amazon MSK bietet Apache Kafka Kompatibilität für Teams mit vorhandener Kafka-Expertise. Diese Optionen erleichtern die Portabilität von Workloads auf Kosten einer höheren betrieblichen Komplexität und einer weniger engen Integration mit anderen Diensten. AWS
Bereitstellungs-Frameworks: AWS Serverless Application Model und AWS Cloud Development Kit (AWS CDK)
generieren CloudFormation Vorlagen und sind nur verfügbar AWS. AWS Serverless Application Model erweitert CloudFormation um eine Kurzsyntax, die sich auf die Beschleunigung der serverlosen Entwicklung konzentriert. Es bietet optimierte Definitionen für API Gateway-, Lambda- und Step Functions-Ressourcen sowie lokale Lambda-Tests über die SAM-CLI. Terraformbietet eine Multi-Cloud-Infrastrukturdefinition mithilfe eines einzigen anbieterübergreifenden Workflows, jedoch mit weniger serverlosen spezifischen Tools und begrenzten lokalen Lambda-Testfunktionen.
Container und standardbasiertes Messaging können die Portabilität für Multi-Cloud-Anforderungen verbessern. Native serverlose Dienste bieten eine enge Integration mit anderen AWS Diensten, was die Entwicklung vereinfachen kann, wenn Ihre Workloads hauptsächlich ausgeführt werden. AWS