View a markdown version of this page

Auswahl eines AWS Serverloser Dienst - AWS Leitfäden für Entscheidungen

Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

Auswahl eines AWS Serverloser Dienst

Zweck

Ermitteln Sie mit, welche AWS serverlosen Dienste für Ihre Arbeitslast am besten geeignet sind.

Letzte Aktualisierung

4. September 2026

Publikum

Entwickler und Architekten, die AWS serverlose Dienste für neue oder bestehende Workloads evaluieren.

Abgedeckte Dienste

Einführung

Mit AWS serverlosen Diensten können Sie Anwendungen erstellen und ausführen, ohne Server bereitstellen oder verwalten zu müssen. Sie zahlen nur für die Ressourcen, die Sie tatsächlich nutzen, und die Services werden automatisch je nach Bedarf skaliert.

AWS bietet serverlose Optionen für Datenverarbeitung, API-Management, Anwendungsintegration, Orchestrierung und Datenspeicherung, mit denen Sie komplette Anwendungen aus verwalteten Diensten zusammenstellen können. Sie können Anwendungen erstellen, die von Microservices reichen, die eine diskrete Geschäftslogik als Teil Ihres Anwendungs-Backends verarbeiten, bis hin zu ereignisgesteuerten Workflows, die Datentransformationen oder -verarbeitung durchführen.

Serverlose Kerndienste, gruppiert nach Kategorien: Datenverarbeitung, API-Ebene, Anwendungsintegration, Datenspeicherung, Bereitstellung und Beobachtbarkeit.

Herkömmliche Anwendungsframeworks bündeln Routing, Datenzugriff und Integrationen in einer einzigen Codebasis, die Sie als eine Einheit skalieren und verwalten. Dieser Ansatz eignet sich gut für einen schnellen Einstieg, und Frameworks wie Express, Django und Spring Boot bieten vertraute Tools, die die anfängliche Produktivität steigern. Wenn Anwendungen jedoch wachsen und immer mehr externe Systeme benötigen, steigt die Komplexität. Das monolithische Modell erschwert die Skalierung einzelner Funktionen und verlangsamt sowohl die Entwicklung als auch die Fehlerbehebung. Die serverlose Entwicklung begegnet diesen Herausforderungen, indem sie unabhängige Dienste zusammenstellt, die jeweils eine bestimmte Funktion ausführen. Anstatt gängige verteilte Muster von Grund auf neu zu erstellen, verwenden Sie speziell entwickelte AWS Dienste für Warteschlangen, Eventbusse publish/subscribe, Orchestrierung und APIs.

In verteilten Architekturen gibt es etablierte Muster, darunter Warteschlangen, Eventbusse, Orchestrierung, APIs und Eventstreams publish/subscribe, die Sie mithilfe von speziell entwickelten Diensten implementieren können, anstatt sie von Grund auf neu zu erstellen. AWS Wenn Ihre Anwendung eines dieser Muster benötigt, verwenden Sie den entsprechenden Dienst: AWS

Muster

AWS Dienst

Warteschlange

Amazon SQS

Ereignisbus

Amazon EventBridge

Publish/subscribe (ausgefacht)

Amazon SNS

Orchestrierung

Step-Funktionen

API

Amazon API Gateway

Ereignis-Streams

Amazon Kinesis

Dieser Leitfaden hilft Ihnen bei der Auswahl der AWS serverlosen Dienste und Tools, die am besten zu Ihren Workload-Mustern und organisatorischen Anforderungen passen.

Verstehen

Diese Dienste kommunizieren über Ereignisse, bei denen es sich um Nachrichten handelt, die eine Zustandsänderung darstellen. Wenn beispielsweise ein Kunde ein Foto auf Amazon S3 hochlädt, veröffentlicht Amazon S3 ein Ereignis, das eine Lambda-Funktion auslöst, um ein Vorschaubild zu generieren, ohne dass der Upload-Service über den Thumbnail-Service Bescheid wissen muss. Sie können Aufgaben mit langer Laufzeit auch asynchron erledigen. Beispielsweise können Sie mithilfe von Amazon SQS eine Warteschlange implementieren, um Auftragseingaben zu verwalten. Verwenden Sie dann Step Functions, um einen Workflow zu verwalten, der Benutzerinformationen und Inventarzahlen nach der Bearbeitung jeder Bestellung aktualisiert. Unterwegs verwenden Sie Amazon, um Aktionen CloudWatch zu protokollieren, Anwendungsaktivitäten AWS X-Ray zu überwachen und Datenflüsse für das Debuggen nachzuverfolgen. Eventproduzenten müssen nicht wissen, welche Downstream-Dienste reagieren werden. Diese Entkopplung ermöglicht es jeder Komponente, unabhängig zu skalieren, bereitzustellen und weiterzuentwickeln. Informationen zu den Vorteilen einer entkoppelten Architektur finden Sie unter Was ist EDA (Architektur)? Event-Driven .

Serverlose, ereignisgesteuerte Architektur mit Lambda im Mittelpunkt, die über Ereignisse mit dem gesamten Ökosystem serverloser Dienste verbunden ist.

In den folgenden Abschnitten werden die Dienste beschrieben, die in den einzelnen Kategorien einer serverlosen Architektur verfügbar sind, und wofür sie optimiert sind.

Serverless compute
  • Lambda-Ereignisfunktionen: Führen Sie Code als Reaktion auf Ereignisse aus, ohne Server bereitzustellen. Eventfunktionen skalieren automatisch von Null auf Tausende gleichzeitiger Ausführungen und berechnen pro Anforderung und Ausführungsdauer. Optimiert für ereignisgesteuerte, kurzlebige Workloads mit einer maximalen Dauer von 15 Minuten pro Aufruf. Lambda unterstützt auch Response-Streaming für die schrittweise Bereitstellung von Ergebnissen, was für generative KI und Antworten mit großen Nutzlasten nützlich ist. Bei Workflows, die länger laufen müssen, behalten die dauerhaften Lambda-Funktionen den Status automatisch über mehrere Aufrufe hinweg bei, sodass lang andauernde Ausführungen möglich sind und gleichzeitig das Zeitlimit pro Aufruf eingehalten wird.

  • Lambda MicroVMs: Ein anderer Rechenformfaktor für den Lambda-Service, der sich von Event Functions in Bezug auf Timeout, Programmiermodell, Parallelitätsmodell und Abrechnung unterscheidet. MicroVMs führen isolierte, statusbehaftete Ausführungsumgebungen für Benutzer oder Code aus. AI-generated Jede MicroVM bietet eine von Firecracker betriebene VM-level Isolierung mit vollen Betriebssystemfunktionen (Installation von Paketen, Mounten von Dateisystemen), schnellem Start auf Snapshot-Basis und einer Lebensdauer von bis zu 8 Stunden. MicroVMs unterstützen Standby und Resume, um die Kosten im Leerlauf zu reduzieren und gleichzeitig den Speicher- und Festplattenstatus, die Port-Listening-Protokolle (, gRPC, WebSocket) und eine flexible Ressourcenzuweisung mit einer HTTP/2 Basiskapazität, die bei Spitzenaktivitäten auf das Vierfache steigen kann, beizubehalten. Im Gegensatz zu Event Functions verwenden MicroVMs ein Dockerfile-based Programmiermodell und weisen pro Sitzung eine Umgebung zu, anstatt sie pro Anforderung zu skalieren. Geeignet für KI-Programmier-Sandboxen, interaktive Entwicklungsumgebungen, Datenanalyse-Notebooks, mehrinstanzenfähige CI-Executoren, Sicherheitsscans, Reinforcement-Learning-Umgebungen und Spieleserver. Jede MicroVM erhält einen dedizierten HTTPS-Endpunkt, ohne dass Load Balancer oder Ingress-Infrastruktur erforderlich sind, und unterstützt konfigurierbare Ausgangsnetzwerke für VPC-Zugriff und öffentliche Internetkonnektivität.

  • AWS Fargate: Führen Sie Container aus, ohne Server oder Cluster zu verwalten. Fargate kümmert sich um die Bereitstellung und Skalierung von Rechenleistung für containerisierte Workloads. Geeignet für Dienste mit langer Laufzeit, Batch-Verarbeitung oder Workloads, die benutzerdefinierte Laufzeiten und eine fein abgestimmte Ressourcensteuerung benötigen.

Tipp

Einen detaillierteren Vergleich der Optionen für serverloses Computing finden Sie unter oder? AWS FargateAWS Lambda

API layer
  • Amazon API Gateway HTTP API: Leichtes, kostengünstiges API-Routing, optimiert für Lambda- und HTTP-Backends mit automatischen Bereitstellungen.

  • Amazon API Gateway Full-featured REST-API: API-Management mit Anforderungsvalidierung, Antwortstreaming, Caching, AWS WAF-Integration, Nutzungsplänen, API-Schlüsseln und privaten Endpunkten.

  • AWS AppSync: Verwalteter GraphQL-Service mit Abonnements in Echtzeit, Offline-Synchronisierung und automatischer Datenquellenintegration (DynamoDB, Lambda, HTTP). Am besten geeignet für Mobil- und Web-Apps mit komplexen Datenanforderungen. AWS AppSync Events bietet serverlose WebSocket APIs für publish/subscribe Echtzeit-Messaging, sodass Anwendungen Ereignisse über eine einzige WebSocket Verbindung mit Datenquellenintegrationen für die Verarbeitung veröffentlichter Ereignisse sowohl veröffentlichen als auch abonnieren können.

  • Lambda-Funktions-URLs: Dedizierte HTTPS-Endpunkte für einzelne Lambda-Funktionen ohne API Gateway. Geeignet für Microservices mit einer Funktion oder Webhooks, bei denen keine API-Verwaltungsfunktionen benötigt werden.

  • Amazon API WebSocket Gateway-APIs: Persistente, bidirektionale Verbindungen zwischen Clients und Backend-Services. Wird für Chat-Anwendungen, Echtzeit-Dashboards, Multiplayer-Spiele oder Finanzhandelsplattformen verwendet, bei denen der Server Daten ohne Abfragen an Kunden weitergeben muss.

Application integration
  • Amazon Simple Queue Service: Vollständig verwaltete Nachrichtenwarteschlange zur Entkopplung von Diensten. Unterstützt Standardwarteschlangen (mindestens einmal, Best-Effort-Bestellung) und FIFO-Warteschlangen (Exactly-Once, strikte Reihenfolge). Wird für Pufferung, Load Leveling und asynchrone Verarbeitung verwendet.

  • Amazon Simple Notification Service: Publish/subscribe Nachrichten für Fan-Out an mehrere Abonnenten (Lambda, Amazon SQS, HTTP, E-Mail, SMS). Wird verwendet, wenn ein Ereignis mehrere nachgelagerte Aktionen auslösen muss. Unterstützt die Nachrichtenfilterung mit Abonnementfilterrichtlinien, einschließlich Platzhalter- und Präfixabgleich, sodass Abonnenten nur relevante Nachrichten ohne benutzerdefinierte Filterlogik erhalten können.

  • Amazon EventBridge: Serverloser Event-Bus zum Weiterleiten von Ereignissen aus AWS Diensten, SaaS-Apps und benutzerdefinierten Quellen mithilfe inhaltsbasierter Filterregeln. Geeignet für ereignisgesteuerte Architekturen mit komplexem Routing oder Integrationen von Drittanbietern.

Tipp

Einen tieferen Vergleich finden Sie unter Amazon SQS, Amazon SNS oder Amazon? EventBridge

Orchestration
  • AWS Step Functions Standard-Workflows: Koordinieren Sie mehrstufige Prozesse mit exakt einmaliger Ausführung, vollständiger Ausführungshistorie und einer Dauer von bis zu einem Jahr. Wird für Auftragsabwicklung, menschliche Genehmigungen und ETL-Pipelines verwendet.

  • AWS Step Functions Express-Workflows: High-volume Orchestrierung von kurzer Dauer (bis zu 5 Minuten) mit mindestens einmaliger Ausführung. Wird für die IoT-Datenaufnahme, Streaming-Transformationen und die Verarbeitung von Ereignissen mit hoher Geschwindigkeit verwendet.

Step Functions unterstützt Variablen für die Zuweisung von Daten in einem Zustand und deren Verwendung in nachfolgenden Zuständen sowie JSONATA-Transformationen für erweiterte Datenmanipulationen, einschließlich Datumsformatierung und mathematischer Operationen. Diese Funktionen vereinfachen den Datenaustausch zwischen Bundesstaaten und reduzieren den Bedarf an Zwischenverarbeitungsschritten. Für die umfangreiche Batch-Verarbeitung führt Distributed Map denselben Prozess für Millionen von Elementen aus Amazon S3-, Athena- oder JSON-Datensätzen parallel aus, ohne dass eine Recheninfrastruktur bereitgestellt werden muss.

Data storage
  • Amazon DynamoDB: Serverlose NoSQL-Schlüsselwert- und Dokumentendatenbank mit einstelligen Millisekunden-Antwortzeiten in jeder Größenordnung. Kein Verbindungspooling erforderlich. Wird für den Datenzugriff mit hohem Durchsatz und niedriger Latenz mit flexiblen Schemata verwendet.

  • Amazon Simple Storage Service: Objektspeicher mit unbegrenzter Kapazität. Wird für Dateispeicher, Data Lakes, statische Assets und ereignisgesteuerte Verarbeitung verwendet (Amazon S3 löst Lambda beim Upload aus).

  • Amazon Aurora Serverless: automatisch skalierende relationale Datenbank On-demand, kompatibel mit MySQL und PostgreSQL. Verwenden Sie es, wenn Sie SQL-Semantik, komplexe Joins oder ACID-Transaktionen mit serverloser Skalierung benötigen.

Deployment and infrastructure as code
  • AWS Serverless Application Model: CloudFormation Erweiterung mit Kurzsyntax für Lambda, API Gateway, DynamoDB und Step Functions. Beinhaltet lokale Tests über die SAM-CLI. Am besten geeignet für Anwendungen, bei denen der Schwerpunkt auf Servern liegt.

  • AWS Cloud Development Kit (AWS CDK): Definieren Sie die Infrastruktur mithilfe von Programmiersprachen (PythonTypeScript, Java, C#, Go). Ideal für komplexe Anwendungen, die von Schleifen, Bedingungen und wiederverwendbaren Konstrukten profitieren.

  • Terraform: Multi-cloud IaC wird verwendet. HashiCorp Configuration Language (HCL) Ideal für Plattformteams, die die Infrastruktur anbieterübergreifend verwalten.

Observability
  • Amazon CloudWatch: Metriken, Protokolle, Alarme und Dashboards zur Überwachung von Lambda-Funktionen, API Gateway und anderen Diensten.

  • AWS X-Ray: Verteiltes Tracing zum Verständnis des Anforderungsflusses zwischen Lambda-Funktionen und integrierten Diensten. Unverzichtbar für das Debuggen ereignisgesteuerter Architekturen.

Tipp

Einen detaillierteren Vergleich finden Sie unter Auswahl eines AWS Überwachungs- und Observability-Dienstes.

Erwägen Sie

Hier sind einige wichtige Faktoren, die Sie bei der Auswahl AWS serverloser Dienste berücksichtigen sollten. Bei der Auswahl der richtigen Kombination müssen diese Faktoren so abgewogen werden, dass sie Ihren Arbeitslastmustern, technischen Anforderungen und Unternehmenszielen entsprechen. Dies hilft Ihnen bei der Optimierung von Leistung, Kosten und einfacher Bedienung.

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

Klicken Sie auf

Die folgenden Informationen können Ihnen bei der Bewertung helfen, welche AWS serverlosen Dienste Ihren Workload-Anforderungen entsprechen.

Die folgende Tabelle zeigt, welche Dienste für welche Umstände optimiert sind.

Kategorie „Serverlos“

Wofür ist sie optimiert?

Serverlose Dienste

Datenverarbeitung

Ausführung von Code als Reaktion auf Ereignisse mit minimalem Betriebsaufwand, Skalierung pro Anfrage ohne Leerlaufkosten. Ausführung isolierter, zustandsbehafteter Ausführungsumgebungen für Benutzer oder AI-generated Code.

Lambda-Ereignisfunktionen

Lambda-MicroVMS

AWS Fargate

API-Schicht

Routing von HTTP und WebSocket Anfragen an Backend-Dienste, Verwaltung von Authentifizierung, Drosselung und Caching.

Amazon API Gateway HTTP-API

Amazon API Gateway-REST-API

AWS AppSync

Lambda-Funktions-URLs

Amazon API WebSocket Gateway-APIs

Integration von Anwendungen

Entkopplung von Diensten durch Messaging und Event-Routing für asynchrone publish/subscribe, lose gekoppelte Architekturen.

Amazon Simple Queue Service

Amazon Simple Notification Service

Amazon EventBridge

Orchestrierung

Koordination mehrstufiger Workflows mit Verzweigung, Fehlerbehandlung, Wiederholungsversuchen und Statusverwaltung.

AWS Step Functions Standard-Arbeitsabläufe

AWS Step Functions Express-Arbeitsabläufe

Datenspeicher

Speichern und Abrufen von Daten mit automatischer Skalierung, ohne Serververwaltung und nutzungsabhängiger Abrechnung.

Amazon-DynamoDB

Amazon Simple Storage Service

Amazon Aurora Serverlos

Bereitstellung und IaC

Definition, Bereitstellung und Verwaltung der serverlosen Infrastruktur und des Anwendungscodes als Code.

AWS Serverless Application Model

AWS Cloud Development Kit (AWS CDK)

TerraformTutorial für die ersten Schritte auf der Website HashiCorp

Beobachtbarkeit

Leistungsüberwachung, dienstübergreifende Nachverfolgung von Anfragen und Diagnose von Problemen in ereignisgesteuerten Architekturen.

Amazon CloudWatch

AWS X-Ray

Auf den folgenden Registerkarten finden Sie detaillierte Anleitungen, die auf Ihren spezifischen Workload-Anforderungen basieren. Wählen Sie die Registerkarte, die am besten beschreibt, was Sie erstellen müssen, und sehen Sie sich die empfohlenen Dienste und Beispiele für diesen Anwendungsfall an.

Synchronous API backend

Sie müssen HTTP-Anfragen von Web- oder Mobilclients bearbeiten, verarbeiten und Antworten mit niedriger Latenz zurückgeben.

Für Web-APIs und mobile Backends leitet API Gateway HTTP-Anfragen an Lambda-Funktionen weiter. DynamoDB verarbeitet den Datenzugriff mit niedriger Latenz. Die HTTP-API bietet einfaches Routing zu geringeren Kosten, während die REST-API Caching, Anforderungsvalidierung und WAF-Integration hinzufügt. Sie können die Authentifizierung mit Amazon Cognito durchführen und AWS Serverless Application Model diese Ressourcen mit Kurzsyntax definieren.

Um die synchrone Verarbeitung zu implementieren, verwenden Sie AWS Lambda für die Datenverarbeitung und Amazon API Gateway Gateway für das Routing von Anfragen. Wird verwendet AWS Step Functions , um Microservice-Workflows zu orchestrieren. Speichern Sie Daten und Dateien mit DynamoDB und Amazon S3 und authentifizieren Sie Benutzer mit Amazon Amazon Cognito.

Nehmen wir zum Beispiel an, Sie möchten eine Microservices-Anwendung erstellen, die Wetterdaten anhand der Postleitzahl sucht. Der Client löst den Hostnamen über Amazon Route 53 auf. Die HTTP GET-Anfrage wird an API Gateway weitergeleitet, das ein Zugriffstoken über Amazon Cognito verifiziert und die Anfrage dann an eine Lambda-Funktion sendet. Die Funktion fragt DynamoDB ab, passt die Daten an, sendet ein Ereignis zur Analyse an Amazon SQS und ein weiteres an Amazon SNS für Warnmeldungen. Wenn sich der Verkehr verlangsamt, zerstört Lambda die Ausführungsumgebung. Sie zahlen nur für die tatsächliche Nutzung der Funktionen.

Wetter-Microservice-Architektur: Die Anfrage eines mobilen Clients wird über Route 53, API Gateway, Cognito, Lambda, DynamoDB, SQS und SNS geleitet und durchgehend überwacht. CloudWatch
Tipp

Eine ausführlichere Anleitung zur Computerauswahl finden Sie unter oder? AWS FargateAWS Lambda

Asynchronous event processing

Sie müssen Ereignisse bewältigen, die keine sofortige Reaktion erfordern, mit einer zuverlässigen Bereitstellung und der Fähigkeit, Verkehrsspitzen abzufangen.

Bei Workloads, die Ereignisse ohne sofortige Reaktion verarbeiten, übernimmt Amazon SQS die Pufferung und den Lastausgleich. Amazon SNS kann ein einzelnes Ereignis parallel an mehrere Abonnenten weitergeben. EventBridge filtert Ereignisse nach Inhalt und lässt sich in SaaS-Anwendungen integrieren. Step Functions koordiniert die mehrstufige Verarbeitung mit DynamoDB oder Amazon S3 zum Speichern der Ergebnisse.

Um die asynchrone Verarbeitung zu implementieren, verwenden Sie es für die Berechnung und AWS Lambda für die Orchestrierung. AWS Step Functions Leiten Sie Nachrichten mit Amazon Simple Notification Service für Fan-Out und Amazon Simple Queue Service für dauerhafte Warteschlangen weiter. Speichern Sie die Ergebnisse in DynamoDB und Amazon S3.

Wenn beispielsweise ein Benutzer ein Foto auf Amazon S3 hochlädt, veröffentlicht Amazon S3 ein Ereignis, das eine Lambda-Funktion aufruft, um ein Vorschaubild zu generieren. Wenn Sie das Bild auch kategorisieren und den Benutzer benachrichtigen müssen, verwenden Sie Amazon SNS, um dieses einzelne Upload-Ereignis an mehrere Lambda-Funktionen weiterzuleiten, die parallel verarbeitet werden.

Tipp

Eine ausführlichere Anleitung zu Integrationsservices finden Sie unter Amazon SQS, Amazon SNS oder Amazon? EventBridge

Multi-step workflow orchestration

Sie müssen eine Abfolge von Aufgaben mit Verzweigungslogik, Fehlerbehandlung, Wiederholungsversuchen und menschlichen Genehmigungsschritten koordinieren.

Standard-Workflows verarbeiten Prozesse, die bis zu einem Jahr dauern, mit exakt einmaliger Ausführung und vollständiger Audithistorie. Für die Verarbeitung mit hohem Volumen und kurzer Dauer (bis zu 5 Minuten) arbeiten Express-Workflows mit niedrigeren Kosten pro Ausführung.

Step Functions ist nützlich, wenn Sie Workflows mit mehr als einem Status haben, Aufgaben verzweigen oder parallel ausführen müssen. Der Step Functions-Dienst dient als Zustandsmodell für Ihre Anwendung. Standard-Workflows ermöglichen eine exakte Ausführung mit einer vollständigen, überprüfbaren Ausführungshistorie und eignen sich daher gut für die Auftragsabwicklung, menschliche Genehmigungsworkflows und ETL-Pipelines. Express-Workflows ermöglichen eine mindestens einmalige Ausführung bei höherem Volumen und niedrigeren Kosten und eignen sich daher gut für die IoT-Datenaufnahme, Streaming-Transformationen und die Verarbeitung von Ereignissen mit hoher Geschwindigkeit.

Tipp

Eine ausführlichere Anleitung finden Sie unter Auswahl eines Anwendungsintegrationsdienstes. AWS

Real-time streaming data

Sie müssen kontinuierliche Hochgeschwindigkeitsdaten nahezu in Echtzeit aufnehmen, verarbeiten und analysieren. Lambda und Amazon Kinesis können Streaming-Daten in Echtzeit verarbeiten. Zu den Anwendungsfällen gehören Aktivitätsverfolgung, Clickstream-Analyse, Protokollfilterung, IoT-Telemetrie und Messung.

Für die native AWS Integration übernimmt Kinesis Data Streams die Aufnahme von Streams. Amazon MSK kann Streams mit Kompatibilität aufnehmen. Apache Kafka Entweder Lambda oder Fargate verarbeitet die Stream-Daten mit DynamoDB oder Amazon S3 zum Speichern der Ergebnisse.

Um serverloses Streaming zu implementieren, verwenden Sie AWS Lambda für die Datenverarbeitung und Amazon Kinesis für die Erfassung und Analyse von Echtzeitdaten. Speichern Sie Ergebnisse mit DynamoDB und Amazon S3.

Wenn beispielsweise Elemente in eine DynamoDB-Tabelle geschrieben werden, veröffentlicht DynamoDB Streams Ereignisse, die eine Lambda-Funktion aufrufen, um Echtzeitanalysen zu generieren. Verwenden Sie Kinesis Data Streams, um die Daten vor der Verarbeitung zu sammeln und zu puffern, um größere Datenmengen wie IoT-Telemetrie von Millionen von Geräten zu erfassen.

Long-running or batch processing

Sie benötigen eine Verarbeitung, die das 15-Minuten-Limit von Lambda überschreitet, persistente Verbindungen erfordert oder von benutzerdefinierten Container-Laufzeiten profitiert.

Bei Workflows, die länger als 15 Minuten dauern, aber aus einzelnen Schritten bestehen, überprüfen die dauerhaften Lambda-Funktionen den Fortschritt und setzen sie bei allen Aufrufen fort. Step Functions Distributed Map kann Millionen von Elementen aus Amazon S3, Athena oder JSON parallel verarbeiten, ohne Rechenleistung bereitstellen zu müssen. Fargate unterstützt kontinuierliche Verarbeitung, persistente Verbindungen und feinkörnige Steuerung. CPU/memory

Beispielsweise verwendet eine nächtliche Datenpipeline, die 10 Millionen Amazon S3-Objekte verarbeitet, Step Functions Distributed Map, um die Arbeit zu parallelisieren. Ein Video-Transcodierungsdienst, der Dateien für mehr als 30 Minuten verarbeitet, verwendet Fargate. Ein mehrstufiger Arbeitsablauf zur Kreditgenehmigung, der sich über mehrere Tage erstreckt, nutzt die dauerhaften Funktionen von Lambda, um den Status zwischen den einzelnen Prüfschritten beizubehalten.

Tipp

Eine ausführlichere Anleitung zur Computerauswahl finden Sie unter oder? AWS FargateAWS Lambda

Isolated execution environments

Sie müssen vom Benutzer bereitgestellten AI-generated Code in isolierten Umgebungen mit starker Mandantentrennung und Zustandserhaltung ausführen.

Lambda MicroVMs bieten eine von Firecracker betriebene VM-level Isolierung mit vollen Betriebssystemfunktionen, schnellem Start auf Snapshot-Basis und einer Lebensdauer von bis zu 8 Stunden. Jede MicroVM erhält eine dedizierte HTTPS-URL, die gRPC und Protokolle unterstützt. HTTP/2 WebSocket MicroVMs können im Leerlauf angehalten werden, um die Kosten zu senken und gleichzeitig den Speicher- und Festplattenstatus beizubehalten. Im Gegensatz zu Event Functions verwenden MicroVMs ein Dockerfile-based Programmiermodell, weisen pro Sitzung eine Umgebung zu und rechnen nach einem Baseline- plus Burst-Modell ab (bis zu 4-mal Baseline bei Spitzenaktivität). Jede MicroVM unterstützt konfigurierbare Ausgangsnetzwerke für VPC-Zugriff und öffentliche Internetkonnektivität, ohne dass Load Balancer oder Ingress-Infrastruktur erforderlich sind.

Beispielsweise gibt ein KI-Codierungsassistent jeder Benutzersitzung eine eigene MicroVM, um generierten Code sicher auszuführen. Eine interaktive Notebook-Plattform führt den Code jedes Schülers in einer isolierten MicroVM aus, die den Status zwischen Interaktionen beibehält.

Verwenden Sie

Sie sollten jetzt ein klares Verständnis der einzelnen AWS serverlosen Dienste haben und wissen, welcher Dienst für Ihr Unternehmen und Ihren Anwendungsfall am besten geeignet ist. Der folgende Abschnitt enthält Links zu ausführlicher Dokumentation, praktischen Tutorials und Ressourcen, die Ihnen den Einstieg erleichtern, um mehr über die einzelnen verfügbaren Dienste zu erfahren und mehr über sie zu erfahren.

Serverless compute

AWS Lambda

AWS Fargate

  • Erste Schritte mit Fargate auf Amazon ECS Erfahren Sie, wie Sie Container auf Fargate ausführen, ohne Server zu verwalten. Fargate-Leitfaden für die ersten Schritte

  • Erstellen eines Clusters mit einer Fargate-Linux-Aufgabe mithilfe der AWS CLI Richten Sie einen Cluster ein, registrieren Sie eine Aufgabendefinition und führen Sie eine Aufgabe aus. Fargate CLI-Tutorial

Lambda-MikroVMS

API layer

Amazon API Gateway REST-API

Amazon API Gateway HTTP-API

  • Erstellen Sie eine HTTP-API mit Lambda und DynamoDB Erstellen Sie eine kostengünstige HTTP-API mit niedriger Latenz und einem Lambda-Backend. Tutorial zur HTTP-API mit DynamoDB

  • Wahl zwischen REST-APIs und HTTP-APIs Machen Sie sich mit den Funktions- und Preisunterschieden zwischen den beiden API-Typen vertraut. Vergleich der REST- und HTTP-API

AWS AppSync

Lambda-Funktions-URLs

Application integration

Amazon Simple Queue Service

  • Erste Schritte mit Amazon SQS Erstellen Sie eine Warteschlange, senden Sie Nachrichten und empfangen Sie Nachrichten mithilfe der Konsole. Leitfaden für die ersten Schritte mit SQS

  • Queue-based Microservices orchestrieren Entwerfen Sie einen serverlosen Workflow, der einen auf Nachrichtenwarteschlangen basierenden Microservice orchestriert. Queue-based Tutorial zu Microservices auf der Website AWS

Amazon Simple Notification Service

Amazon EventBridge

Orchestration

AWS Step Functions

Data storage

Amazon-DynamoDB

Amazon Simple Storage Service

Amazon Aurora Serverlos

  • Verwenden von Amazon Aurora Serverless v2 Erfahren Sie, wie Amazon Aurora Serverless die Kapazität automatisch an den Bedarf anpasst. Aurora Serverless v2-Leitfaden

Deployment and IaC

AWS Serverless Application Model

AWS Cloud Development Kit (AWS CDK)

  • Erste Schritte mit dem AWS Cloud Development Kit (AWS CDK) Erstellen Sie Ihre erste CDK-App und stellen Sie die Infrastruktur in Ihrer bevorzugten Programmiersprache bereit. Tutorial für die ersten Schritte mit CDK

Terraform

Observability

Amazon CloudWatch

AWS X-Ray

Erkunden

Nachdem Sie herausgefunden haben, welcher Ansatz am besten zu Ihrer Arbeitslast passt, sollten Sie sich diese Ressourcen ansehen, um mit der Implementierung zu beginnen. Servicespezifische Ressourcen finden Sie im vorherigen Abschnitt und allgemeine Ressourcen zur serverlosen Architektur im folgenden Abschnitt.