Langkah 1: Buat pipeline Langkah 2: Buat fungsi Lambda Langkah 3: Tambahkan fungsi Lambda diCodePipeline konsol Langkah 4: Uji pipa Lambda Langkah 5: Langkah selanjutnya Contoh acara JSON Contoh fungsi sampel tambahan

MemanggilAWS Lambda fungsi dalam pipa diCodePipeline

AWS Lambda adalah layanan komputasi yang memungkinkan Anda menjalankan kode tanpa perlu menyediakan atau mengelola server. Anda dapat membuat fungsi Lambda dan menambahkannya sebagai tindakan di pipeline Anda. Karena Lambda memungkinkan Anda menulis fungsi untuk melakukan hampir semua tugas, Anda dapat menyesuaikan cara kerja pipeline Anda.

penting

Jangan mencatat peristiwa JSON yangCodePipeline dikirim ke Lambda karena hal ini dapat mengakibatkan kredensi pengguna dicatat dalamCloudWatch Log. CodePipelinePeran tersebut menggunakan event JSON untuk meneruskan kredensi sementara ke Lambda diartifactCredentials lapangan. Untuk contoh acara, lihatContoh acara JSON.

Berikut adalah beberapa cara fungsi Lambda dapat digunakan dalam jaringan pipa:

Untuk membuat sumber daya sesuai permintaan dalam satu tahap pipa menggunakanAWS CloudFormation dan menghapusnya di tahap lain.
Untuk menerapkan versi aplikasi dengan nol downtimeAWS Elastic Beanstalk dengan fungsi Lambda yang menukar nilai CNAME.
Untuk menerapkan instans Docker Amazon ECS.
Untuk mencadangkan sumber daya sebelum membangun atau menerapkan dengan membuat snapshot AMI.
Untuk menambahkan integrasi dengan produk pihak ketiga ke pipeline Anda, seperti memposting pesan ke klien IRC.

catatan

Membuat dan menjalankan fungsi Lambda dapat menimbulkan tagihan untukAWS akun Anda. Untuk informasi selengkapnya, lihat Harga.

Topik ini mengasumsikan Anda sudah familiar denganAWS CodePipelineAWS Lambda dan dan tahu cara membuat pipeline, fungsi, serta kebijakan dan peran IAM yang menjadi gantungnya. Topik ini menunjukkan cara:

Buat fungsi Lambda yang menguji apakah halaman web berhasil diterapkan.
Konfigurasikan peran eksekusiCodePipeline dan Lambda serta izin yang diperlukan untuk menjalankan fungsi sebagai bagian dari pipeline.
Mengedit pipeline untuk menambahkan fungsi Lambda sebagai tindakan.
Uji tindakan dengan merilis perubahan secara manual.

catatan

Saat menggunakan aksi Lambda Lambda lintas wilayahCodePipeline, status eksekusi lambda menggunakan PutJobSuccessResultdan PutJobFailureResultharus dikirim keAWS Wilayah tempat fungsi Lambda hadir dan bukan ke Wilayah di manaCodePipeline ada.

Topik ini mencakup fungsi sampel untuk menunjukkan fleksibilitas bekerja dengan fungsi Lambda dalamCodePipeline:

Basic Lambda function
- Membuat fungsi Lambda untuk digunakanCodePipeline.
- Mengembalikan hasil kesuksesan atau kegagalan ke tautan Detail untuk tindakan tersebut.CodePipeline
Contoh fungsi Python yang menggunakanAWS CloudFormation template
- Menggunakan JSON-dikodekan parameter pengguna untuk lulus beberapa nilai konfigurasi ke function (get_user_params).
- Berinteraksi dengan.zip artefak dalam ember artefak (get_template).
- Menggunakan token kelanjutan untuk memantau proses asinkron (continue_job_later) yang berjalan lama. Hal ini memungkinkan tindakan untuk melanjutkan dan fungsi untuk berhasil bahkan jika itu melebihi runtime lima belas menit (batas di Lambda).

Setiap fungsi sampel mencakup informasi tentang izin yang harus Anda tambahkan ke peran. Untuk informasi tentang batasanAWS Lambda, lihat Batasan di PanduanAWS Lambda Pengembang.

penting

Contoh kode, peran, dan kebijakan yang disertakan dalam topik ini hanya contoh, dan disediakan apa adanya.

Topik

Langkah 1: Buat pipeline
Langkah 2: Buat fungsi Lambda
Langkah 3: Tambahkan fungsi Lambda diCodePipeline konsol
Langkah 4: Uji pipa Lambda
Langkah 5: Langkah selanjutnya
Contoh acara JSON
Contoh fungsi sampel tambahan

Langkah 1: Buat pipeline

Dalam langkah ini, Anda membuat pipeline yang kemudian Anda akan menambahkan fungsi Lambda. Ini adalah pipa yang sama yang Anda buatCodePipeline tutorial. Jika pipeline tersebut masih dikonfigurasi untuk akun Anda dan berada di Wilayah yang sama di mana Anda berencana untuk membuat fungsi Lambda, Anda dapat melewati langkah ini.

Untuk membuat alur

Ikuti tiga langkah pertamaTutorial: Buat pipeline sederhana (bucket S3) untuk membuat bucket Amazon S3,CodeDeploy sumber daya, dan pipeline dua tahap. Pilih opsi Amazon Linux untuk jenis instans Anda. Anda dapat menggunakan nama apa pun yang Anda inginkan untuk pipeline, tetapi langkah-langkah dalam topik ini digunakanMyLambdaTestPipeline.
Pada halaman status untuk pipeline Anda, dalamCodeDeploy tindakan, pilih Detail. Pada halaman detail penyebaran untuk grup penyebaran, pilih ID instans dari daftar.
Di konsol Amazon EC2, pada tab Detail untuk instans, salin alamat IP di alamat IPv4 Publik (misalnya,192.0.2.4). Anda menggunakan alamat ini sebagai target fungsi diAWS Lambda.

catatan

Kebijakan peran layanan default untukCodePipeline menyertakan izin Lambda yang diperlukan untuk menjalankan fungsi tersebut. Namun, jika Anda telah mengubah peran layanan default atau memilih yang lain, pastikan kebijakan untuk peran mengizinkanlambda:InvokeFunction danlambda:ListFunctions izin. Jika tidak, jaringan pipa yang mencakup tindakan Lambda gagal.

Langkah 2: Buat fungsi Lambda

Dalam langkah ini, Anda membuat fungsi Lambda yang membuat permintaan HTTP dan memeriksa baris teks di halaman web. Sebagai bagian dari langkah ini, Anda juga harus membuat kebijakan IAM dan Lambda. Untuk informasi selengkapnya, lihat Model Izin di PanduanAWS Lambda Pengembang.

Untuk membuat peran eksekusi

Masuk ke AWS Management Console dan buka konsol IAM di https://console.aws.amazon.com/iam/.

Pilih Kebijakan, lalu pilih Buat Kebijakan. Pada tab JSON, lalu tempelkan kebijakan berikut ini ke bidang.


{
  "Version": "2012-10-17", 
  "Statement": [
    {
      "Action": [ 
        "logs:*"
      ],
      "Effect": "Allow", 
      "Resource": "arn:aws:logs:*:*:*"
    },
    {
      "Action": [
        "codepipeline:PutJobSuccessResult",
        "codepipeline:PutJobFailureResult"
        ],
        "Effect": "Allow",
        "Resource": "*"
     }
  ]
}

Pilih Tinjau kebijakan.
Pada halaman Kebijakan ulasan, di Nama, ketik nama untuk kebijakan (misalnya,CodePipelineLambdaExecPolicy). Dalam Deskripsi, masukkanEnables Lambda to execute code.

Pilih Buat Kebijakan.

catatan
Ini adalah izin minimum yang diperlukan untuk fungsi Lambda untuk beroperasi denganCodePipeline dan AmazonCloudWatch. Jika Anda ingin memperluas kebijakan ini untuk mengizinkan fungsi yang berinteraksi denganAWS sumber daya lain, Anda harus mengubah kebijakan ini untuk mengizinkan tindakan yang diperlukan oleh fungsi Lambda tersebut.
Pada halaman dasbor kebijakan, pilih Peran, lalu pilih Buat peran.
Pada halaman Buat peran, pilih Layanan AWS. Pilih Lambda, lalu pilih Berikutnya: Izin.
Pada halaman Lampirkan kebijakan izin, centang kotak di samping CodePipelineLambdaExecPolicy, lalu pilih Berikutnya: Tag. Pilih Next: Review (Selanjutnya: Tinjauan).
Pada halaman Tinjau, di Nama peran, masukkan nama, lalu pilih Buat peran.

Untuk membuat contoh fungsi Lambda untuk digunakan denganCodePipeline

Masuk ke AWS Management Console dan buka konsol AWS Lambda di https://console.aws.amazon.com/lambda/.
Pada halaman Functions, pilih Create function.

catatan
Jika Anda melihat halaman Selamat Datang dan bukan halaman Lambda, pilih Mulai Sekarang.
Pilih halaman Buat fungsi, pilih Penulis dari scratch. Pada Nama fungsi Lambda Anda (misalnya,MyLambdaFunctionForAWSCodePipeline). Di Runtime, pilih Node.js 14.x.
Di bawah Peran, pilih Pilih peran yang ada. Di Peran yang ada, pilih peran Anda, lalu pilih Buat fungsi.

Halaman detail untuk fungsi yang Anda buat terbuka.

Salin kode berikut ke dalam kotak kode Function:

catatan

Objek event, di bawahCodePipeline kunci.job, berisi detail pekerjaan. Untuk contoh lengkap acara JSONCodePipeline kembali ke Lambda, lihatContoh acara JSON.


var assert = require('assert');
var AWS = require('aws-sdk');
var http = require('http');

exports.handler = function(event, context) {

    var codepipeline = new AWS.CodePipeline();
    
    // Retrieve the Job ID from the Lambda action
    var jobId = event["CodePipeline.job"].id;
    
    // Retrieve the value of UserParameters from the Lambda action configuration in CodePipeline, in this case a URL which will be
    // health checked by this function.
    var url = event["CodePipeline.job"].data.actionConfiguration.configuration.UserParameters; 
    
    // Notify CodePipeline of a successful job
    var putJobSuccess = function(message) {
        var params = {
            jobId: jobId
        };
        codepipeline.putJobSuccessResult(params, function(err, data) {
            if(err) {
                context.fail(err);      
            } else {
                context.succeed(message);      
            }
        });
    };
    
    // Notify CodePipeline of a failed job
    var putJobFailure = function(message) {
        var params = {
            jobId: jobId,
            failureDetails: {
                message: JSON.stringify(message),
                type: 'JobFailed',
                externalExecutionId: context.awsRequestId
            }
        };
        codepipeline.putJobFailureResult(params, function(err, data) {
            context.fail(message);      
        });
    };
    
    // Validate the URL passed in UserParameters
    if(!url || url.indexOf('http://') === -1) {
        putJobFailure('The UserParameters field must contain a valid URL address to test, including http:// or https://');  
        return;
    }
    
    // Helper function to make a HTTP GET request to the page.
    // The helper will test the response and succeed or fail the job accordingly 
    var getPage = function(url, callback) {
        var pageObject = {
            body: '',
            statusCode: 0,
            contains: function(search) {
                return this.body.indexOf(search) > -1;    
            }
        };
        http.get(url, function(response) {
            pageObject.body = '';
            pageObject.statusCode = response.statusCode;
            
            response.on('data', function (chunk) {
                pageObject.body += chunk;
            });
            
            response.on('end', function () {
                callback(pageObject);
            });
            
            response.resume(); 
        }).on('error', function(error) {
            // Fail the job if our request failed
            putJobFailure(error);    
        });           
    };
    
    getPage(url, function(returnedPage) {
        try {
            // Check if the HTTP response has a 200 status
            assert(returnedPage.statusCode === 200);
            // Check if the page contains the text "Congratulations"
            // You can change this to check for different text, or add other tests as required
            assert(returnedPage.contains('Congratulations'));  
            
            // Succeed the job
            putJobSuccess("Tests passed.");
        } catch (ex) {
            // If any of the assertions failed then fail the job
            putJobFailure(ex);    
        }
    });     
};

Biarkan Handler pada nilai default, dan biarkan Role pada default,CodePipelineLambdaExecRole.
Di Pengaturan dasar, untuk Timeout, masukkan20 detik.
Pilih Save (Simpan).

Langkah 3: Tambahkan fungsi Lambda diCodePipeline konsol

Pada langkah ini, Anda menambahkan tahap baru ke pipeline Anda, dan kemudian menambahkan tindakan Lambda yang memanggil fungsi Anda ke tahap itu.

Untuk menambahkan tahapan

Masuk keAWS Management Console dan bukaCodePipeline konsol di http://console.aws.amazon.com/codesuite/codepipeline/home.
Pada halaman Selamat Datang, pilih pipeline yang Anda buat.
Pada halaman tampilan pipeline, pilih Edit.
Pada halaman Edit, pilih+Tambahkan panggung untuk menambahkan tahap setelah tahap penyebaran denganCodeDeploy tindakan. Masukkan nama untuk stage (misalnya,LambdaStage), dan pilih Add stage.

catatan
Anda juga dapat memilih untuk menambahkan tindakan Lambda Anda ke tahap yang sudah ada. Untuk tujuan demonstrasi, kami menambahkan fungsi Lambda sebagai satu-satunya tindakan dalam satu tahap untuk memungkinkan Anda melihat kemajuannya dengan mudah saat artefak berkembang melalui pipeline.
Pilih+Tambahkan grup aksi. Di Edit tindakan, dalam Nama tindakan, masukkan nama untuk tindakan Lambda Anda (misalnya,MyLambdaAction). Di Provider, pilih AWS Lambda. Pada Nama fungsi Lambda Anda (misalnya,MyLambdaFunctionForAWSCodePipeline). Dalam Parameter pengguna, tentukan alamat IP untuk instans Amazon EC2 yang Anda salin sebelumnya (misalnya,http://192.0.2.4), lalu pilih Selesai.

catatan
Topik ini menggunakan alamat IP, tetapi dalam skenario dunia nyata, Anda dapat memberikan nama situs web terdaftar sebagai gantinya (misalnya,http://www.example.com). Untuk informasi selengkapnya tentang data peristiwa dan penanganAWS Lambda, lihat Model Pemrograman di PanduanAWS Lambda Pengembang.
Pada halaman Edit tindakan, pilih Simpan.

Langkah 4: Uji pipa Lambda

Untuk menguji fungsi, lepaskan perubahan terbaru melalui pipeline.

Untuk menggunakan konsol untuk menjalankan versi terbaru dari artefak melalui pipa

Pada halaman detail pipeline, pilih Rilis perubahan. Ini menjalankan revisi terbaru yang tersedia di setiap lokasi sumber yang ditentukan dalam aksi sumber melalui pipeline.
Saat tindakan Lambda selesai, pilih tautan Detail untuk melihat aliran log untuk fungsi di AmazonCloudWatch, termasuk durasi kejadian yang ditagih. Jika fungsi gagal,CloudWatch log memberikan informasi tentang penyebabnya.

Langkah 5: Langkah selanjutnya

Sekarang setelah Anda berhasil membuat fungsi Lambda dan menambahkannya sebagai tindakan di pipeline, Anda dapat mencoba yang berikut ini:

Tambahkan lebih banyak tindakan Lambda ke panggung Anda untuk memeriksa halaman web lainnya.
Ubah fungsi Lambda untuk memeriksa string teks yang berbeda.
Jelajahi fungsi Lambda dan buat serta tambahkan fungsi Lambda Anda sendiri ke jaringan pipa.

AWS LambdaTindakan yang berjalan melalui pipa.

Setelah selesai bereksperimen dengan fungsi Lambda, pertimbangkan untuk menghapusnya dari pipeline, menghapusnyaAWS Lambda, dan menghapus peran dari IAM untuk menghindari kemungkinan biaya. Untuk informasi selengkapnya, lihatMengedit pipeline di CodePipeline Menghapus pipa di CodePipeline, dan Menghapus Peran atau Profil Instans.

Contoh acara JSON

Contoh berikut menunjukkan acara JSON yang dikirim ke Lambda olehCodePipeline. Struktur acara ini mirip dengan respon terhadapGetJobDetails API, tapi tanpaactionTypeId dan tipepipelineContext data. Dua detail konfigurasi tindakanUserParameters,FunctionName dan, disertakan dalam event JSON dan respons terhadapGetJobDetails API. Nilai-nilai dalam teks miring merah adalah contoh atau penjelasan, bukan nilai nyata.


{
    "CodePipeline.job": {
        "id": "11111111-abcd-1111-abcd-111111abcdef",
        "accountId": "111111111111",
        "data": {
            "actionConfiguration": {
                "configuration": {
                    "FunctionName": "MyLambdaFunctionForAWSCodePipeline",
                    "UserParameters": "some-input-such-as-a-URL"
                }
            },
            "inputArtifacts": [
                {
                    "location": {
                        "s3Location": {
                            "bucketName": "the name of the bucket configured as the pipeline artifact store in Amazon S3, for example codepipeline-us-east-2-1234567890",
                            "objectKey": "the name of the application, for example CodePipelineDemoApplication.zip"
                        },
                        "type": "S3"
                    },
                    "revision": null,
                    "name": "ArtifactName"
                }
            ],
            "outputArtifacts": [],
            "artifactCredentials": {
                "secretAccessKey": "wJalrXUtnFEMI/K7MDENG/bPxRfiCYEXAMPLEKEY",
                "sessionToken": "MIICiTCCAfICCQD6m7oRw0uXOjANBgkqhkiG9w
 0BAQUFADCBiDELMAkGA1UEBhMCVVMxCzAJBgNVBAgTAldBMRAwDgYDVQQHEwdTZ
 WF0dGxlMQ8wDQYDVQQKEwZBbWF6b24xFDASBgNVBAsTC0lBTSBDb25zb2xlMRIw
 EAYDVQQDEwlUZXN0Q2lsYWMxHzAdBgkqhkiG9w0BCQEWEG5vb25lQGFtYXpvbi5
 jb20wHhcNMTEwNDI1MjA0NTIxWhcNMTIwNDI0MjA0NTIxWjCBiDELMAkGA1UEBh
 MCVVMxCzAJBgNVBAgTAldBMRAwDgYDVQQHEwdTZWF0dGxlMQ8wDQYDVQQKEwZBb
 WF6b24xFDASBgNVBAsTC0lBTSBDb25zb2xlMRIwEAYDVQQDEwlUZXN0Q2lsYWMx
 HzAdBgkqhkiG9w0BCQEWEG5vb25lQGFtYXpvbi5jb20wgZ8wDQYJKoZIhvcNAQE
 BBQADgY0AMIGJAoGBAMaK0dn+a4GmWIWJ21uUSfwfEvySWtC2XADZ4nB+BLYgVI
 k60CpiwsZ3G93vUEIO3IyNoH/f0wYK8m9TrDHudUZg3qX4waLG5M43q7Wgc/MbQ
 ITxOUSQv7c7ugFFDzQGBzZswY6786m86gpEIbb3OhjZnzcvQAaRHhdlQWIMm2nr
 AgMBAAEwDQYJKoZIhvcNAQEFBQADgYEAtCu4nUhVVxYUntneD9+h8Mg9q6q+auN
 KyExzyLwaxlAoo7TJHidbtS4J5iNmZgXL0FkbFFBjvSfpJIlJ00zbhNYS5f6Guo
 EDmFJl0ZxBHjJnyp378OD8uTs7fLvjx79LjSTbNYiytVbZPQUQ5Yaxu2jXnimvw
 3rrszlaEXAMPLE=",
                "accessKeyId": "AKIAIOSFODNN7EXAMPLE"
            },
            "continuationToken": "A continuation token if continuing job",
            "encryptionKey": { 
              "id": "arn:aws:kms:us-west-2:111122223333:key/1234abcd-12ab-34cd-56ef-1234567890ab",
              "type": "KMS"
            }
        }
    }
}

Contoh fungsi sampel tambahan

Contoh fungsi Lambda berikut menunjukkan fungsionalitas tambahan yang dapat Anda gunakan untuk jaringan pipa AndaCodePipeline. Untuk menggunakan fungsi-fungsi ini, Anda mungkin harus mengubah kebijakan untuk peran eksekusi Lambda, seperti yang tercantum dalam pengantar untuk setiap sampel.

Topik

Contoh fungsi Python yang menggunakanAWS CloudFormation template

Contoh fungsi Python yang menggunakanAWS CloudFormation template

Contoh berikut menunjukkan fungsi yang membuat atau memperbarui tumpukan berdasarkanAWS CloudFormation template yang disediakan. Templat membuat bucket Amazon S3. Ini hanya tujuan demonstrasi, untuk meminimalkan biaya. Idealnya, Anda harus menghapus tumpukan sebelum mengunggah apa pun ke bucket. Jika Anda mengunggah file ke bucket, Anda tidak dapat menghapus bucket saat Anda menghapus tumpukan. Anda harus menghapus semua yang ada di bucket secara manual sebelum Anda dapat menghapus bucket itu sendiri.

Contoh Python ini mengasumsikan Anda memiliki pipeline yang menggunakan bucket Amazon S3 sebagai tindakan sumber, atau bahwa Anda memiliki akses ke bucket Amazon S3 berversi yang dapat Anda gunakan dengan pipeline. Anda membuatAWS CloudFormation template, mengompresnya, dan mengunggahnya ke bucket itu sebagai file.zip. Anda kemudian harus menambahkan tindakan sumber ke pipeline Anda yang mengambil file.zip ini dari bucket.

catatan

Ketika Amazon S3 adalah penyedia sumber untuk pipeline Anda, Anda dapat meng-zip file sumber atau file ke dalam satu.zip dan mengunggah.zip ke bucket sumber Anda. Anda juga dapat mengunggah satu file unzip; namun, tindakan hilir yang mengharapkan file.zip akan gagal.

Sampel ini menunjukkan:

Penggunaan parameter pengguna JSON-dikodekan untuk melewati beberapa nilai konfigurasi ke fungsi (get_user_params).
Interaksi dengan.zip artefak dalam ember artefak (get_template).
Penggunaan token kelanjutan untuk memantau proses asinkron (continue_job_later) yang berjalan lama. Hal ini memungkinkan tindakan untuk melanjutkan dan fungsi untuk berhasil bahkan jika itu melebihi runtime lima belas menit (batas di Lambda).

Untuk menggunakan contoh fungsi Lambda ini, kebijakan untuk peran eksekusi Lambda harus memilikiAllow izinAWS CloudFormation, Amazon S3, danCodePipeline, seperti yang ditunjukkan dalam kebijakan sampel ini:


{
    "Version": "2012-10-17",
    "Statement": [
        {
            "Action": [
                "logs:*"
            ],
            "Effect": "Allow",
            "Resource": "arn:aws:logs:*:*:*"
        },
        {
            "Action": [
                "codepipeline:PutJobSuccessResult",
                "codepipeline:PutJobFailureResult"
            ],
            "Effect": "Allow",
            "Resource": "*"
        },
        {
            "Action": [
                "cloudformation:DescribeStacks",
                "cloudformation:CreateStack",
                "cloudformation:UpdateStack"
            ],
            "Effect": "Allow",
            "Resource": "*"
        },
        {
            "Action": [
                "s3:*"
            ],
            "Effect": "Allow",
            "Resource": "*"
        }
    ]
}

Untuk membuatAWS CloudFormation template, buka editor teks biasa dan salin dan tempel kode berikut:


{
  "AWSTemplateFormatVersion" : "2010-09-09",
  "Description" : "CloudFormation template which creates an S3 bucket",
  "Resources" : {
    "MySampleBucket" : {
      "Type" : "AWS::S3::Bucket",
      "Properties" : {
      }
    }
  },
  "Outputs" : {
    "BucketName" : {
      "Value" : { "Ref" : "MySampleBucket" },
      "Description" : "The name of the S3 bucket"
    }
  } 
}

Simpan ini sebagai file JSON dengan namatemplate.json dalam direktori bernamatemplate-package. Buat file terkompresi (.zip) dari direktori dan file ini bernamatemplate-package.zip, dan unggah file terkompresi ke bucket Amazon S3 berversi. Jika Anda sudah memiliki bucket yang dikonfigurasi untuk pipeline Anda, Anda dapat menggunakannya. Selanjutnya, edit pipeline Anda untuk menambahkan tindakan sumber yang mengambil file.zip. Beri nama output untuk tindakan ini MyTemplate. Untuk informasi selengkapnya, lihat Mengedit pipeline di CodePipeline.

catatan

Contoh fungsi Lambda mengharapkan nama file ini dan struktur terkompresi. Namun, Anda dapat menggantiAWS CloudFormation template Anda sendiri untuk sampel ini. Jika Anda menggunakan template Anda sendiri, pastikan Anda memodifikasi kebijakan untuk peran eksekusi Lambda untuk mengizinkan fungsionalitas tambahan apa pun yang diperlukan olehAWS CloudFormation template Anda.

Untuk menambahkan kode berikut sebagai fungsi di Lambda

Buka konsol Lambda dan pilih Buat fungsi.
Pilih halaman Buat fungsi, pilih Penulis dari scratch. Pada Nama fungsi Lambda Anda.
Dalam Runtime, pilih Python 2.7.
Di bawah Memilih atau membuat peran eksekusi, pilih Gunakan peran yang ada. Di Peran yang ada, pilih peran Anda, lalu pilih Buat fungsi.

Halaman detail untuk fungsi yang Anda buat terbuka.

Salin kode berikut ke dalam kotak kode Function:


from __future__ import print_function
from boto3.session import Session

import json
import urllib
import boto3
import zipfile
import tempfile
import botocore
import traceback

print('Loading function')

cf = boto3.client('cloudformation')
code_pipeline = boto3.client('codepipeline')

def find_artifact(artifacts, name):
    """Finds the artifact 'name' among the 'artifacts'
    
    Args:
        artifacts: The list of artifacts available to the function
        name: The artifact we wish to use
    Returns:
        The artifact dictionary found
    Raises:
        Exception: If no matching artifact is found
    
    """
    for artifact in artifacts:
        if artifact['name'] == name:
            return artifact
            
    raise Exception('Input artifact named "{0}" not found in event'.format(name))

def get_template(s3, artifact, file_in_zip):
    """Gets the template artifact
    
    Downloads the artifact from the S3 artifact store to a temporary file
    then extracts the zip and returns the file containing the CloudFormation
    template.
    
    Args:
        artifact: The artifact to download
        file_in_zip: The path to the file within the zip containing the template
        
    Returns:
        The CloudFormation template as a string
        
    Raises:
        Exception: Any exception thrown while downloading the artifact or unzipping it
    
    """
    tmp_file = tempfile.NamedTemporaryFile()
    bucket = artifact['location']['s3Location']['bucketName']
    key = artifact['location']['s3Location']['objectKey']
    
    with tempfile.NamedTemporaryFile() as tmp_file:
        s3.download_file(bucket, key, tmp_file.name)
        with zipfile.ZipFile(tmp_file.name, 'r') as zip:
            return zip.read(file_in_zip)   
   
def update_stack(stack, template):
    """Start a CloudFormation stack update
    
    Args:
        stack: The stack to update
        template: The template to apply
        
    Returns:
        True if an update was started, false if there were no changes
        to the template since the last update.
        
    Raises:
        Exception: Any exception besides "No updates are to be performed."
    
    """
    try:
        cf.update_stack(StackName=stack, TemplateBody=template)
        return True
        
    except botocore.exceptions.ClientError as e:
        if e.response['Error']['Message'] == 'No updates are to be performed.':
            return False
        else:
            raise Exception('Error updating CloudFormation stack "{0}"'.format(stack), e)

def stack_exists(stack):
    """Check if a stack exists or not
    
    Args:
        stack: The stack to check
        
    Returns:
        True or False depending on whether the stack exists
        
    Raises:
        Any exceptions raised .describe_stacks() besides that
        the stack doesn't exist.
        
    """
    try:
        cf.describe_stacks(StackName=stack)
        return True
    except botocore.exceptions.ClientError as e:
        if "does not exist" in e.response['Error']['Message']:
            return False
        else:
            raise e

def create_stack(stack, template):
    """Starts a new CloudFormation stack creation
    
    Args:
        stack: The stack to be created
        template: The template for the stack to be created with
        
    Throws:
        Exception: Any exception thrown by .create_stack()
    """
    cf.create_stack(StackName=stack, TemplateBody=template)
 
def get_stack_status(stack):
    """Get the status of an existing CloudFormation stack
    
    Args:
        stack: The name of the stack to check
        
    Returns:
        The CloudFormation status string of the stack such as CREATE_COMPLETE
        
    Raises:
        Exception: Any exception thrown by .describe_stacks()
        
    """
    stack_description = cf.describe_stacks(StackName=stack)
    return stack_description['Stacks'][0]['StackStatus']
  
def put_job_success(job, message):
    """Notify CodePipeline of a successful job
    
    Args:
        job: The CodePipeline job ID
        message: A message to be logged relating to the job status
        
    Raises:
        Exception: Any exception thrown by .put_job_success_result()
    
    """
    print('Putting job success')
    print(message)
    code_pipeline.put_job_success_result(jobId=job)
  
def put_job_failure(job, message):
    """Notify CodePipeline of a failed job
    
    Args:
        job: The CodePipeline job ID
        message: A message to be logged relating to the job status
        
    Raises:
        Exception: Any exception thrown by .put_job_failure_result()
    
    """
    print('Putting job failure')
    print(message)
    code_pipeline.put_job_failure_result(jobId=job, failureDetails={'message': message, 'type': 'JobFailed'})
 
def continue_job_later(job, message):
    """Notify CodePipeline of a continuing job
    
    This will cause CodePipeline to invoke the function again with the
    supplied continuation token.
    
    Args:
        job: The JobID
        message: A message to be logged relating to the job status
        continuation_token: The continuation token
        
    Raises:
        Exception: Any exception thrown by .put_job_success_result()
    
    """
    
    # Use the continuation token to keep track of any job execution state
    # This data will be available when a new job is scheduled to continue the current execution
    continuation_token = json.dumps({'previous_job_id': job})
    
    print('Putting job continuation')
    print(message)
    code_pipeline.put_job_success_result(jobId=job, continuationToken=continuation_token)

def start_update_or_create(job_id, stack, template):
    """Starts the stack update or create process
    
    If the stack exists then update, otherwise create.
    
    Args:
        job_id: The ID of the CodePipeline job
        stack: The stack to create or update
        template: The template to create/update the stack with
    
    """
    if stack_exists(stack):
        status = get_stack_status(stack)
        if status not in ['CREATE_COMPLETE', 'ROLLBACK_COMPLETE', 'UPDATE_COMPLETE']:
            # If the CloudFormation stack is not in a state where
            # it can be updated again then fail the job right away.
            put_job_failure(job_id, 'Stack cannot be updated when status is: ' + status)
            return
        
        were_updates = update_stack(stack, template)
        
        if were_updates:
            # If there were updates then continue the job so it can monitor
            # the progress of the update.
            continue_job_later(job_id, 'Stack update started')  
            
        else:
            # If there were no updates then succeed the job immediately 
            put_job_success(job_id, 'There were no stack updates')    
    else:
        # If the stack doesn't already exist then create it instead
        # of updating it.
        create_stack(stack, template)
        # Continue the job so the pipeline will wait for the CloudFormation
        # stack to be created.
        continue_job_later(job_id, 'Stack create started') 

def check_stack_update_status(job_id, stack):
    """Monitor an already-running CloudFormation update/create
    
    Succeeds, fails or continues the job depending on the stack status.
    
    Args:
        job_id: The CodePipeline job ID
        stack: The stack to monitor
    
    """
    status = get_stack_status(stack)
    if status in ['UPDATE_COMPLETE', 'CREATE_COMPLETE']:
        # If the update/create finished successfully then
        # succeed the job and don't continue.
        put_job_success(job_id, 'Stack update complete')
        
    elif status in ['UPDATE_IN_PROGRESS', 'UPDATE_ROLLBACK_IN_PROGRESS', 
    'UPDATE_ROLLBACK_COMPLETE_CLEANUP_IN_PROGRESS', 'CREATE_IN_PROGRESS', 
    'ROLLBACK_IN_PROGRESS', 'UPDATE_COMPLETE_CLEANUP_IN_PROGRESS']:
        # If the job isn't finished yet then continue it
        continue_job_later(job_id, 'Stack update still in progress') 
       
    else:
        # If the Stack is a state which isn't "in progress" or "complete"
        # then the stack update/create has failed so end the job with
        # a failed result.
        put_job_failure(job_id, 'Update failed: ' + status)

def get_user_params(job_data):
    """Decodes the JSON user parameters and validates the required properties.
    
    Args:
        job_data: The job data structure containing the UserParameters string which should be a valid JSON structure
        
    Returns:
        The JSON parameters decoded as a dictionary.
        
    Raises:
        Exception: The JSON can't be decoded or a property is missing.
        
    """
    try:
        # Get the user parameters which contain the stack, artifact and file settings
        user_parameters = job_data['actionConfiguration']['configuration']['UserParameters']
        decoded_parameters = json.loads(user_parameters)
            
    except Exception as e:
        # We're expecting the user parameters to be encoded as JSON
        # so we can pass multiple values. If the JSON can't be decoded
        # then fail the job with a helpful message.
        raise Exception('UserParameters could not be decoded as JSON')
    
    if 'stack' not in decoded_parameters:
        # Validate that the stack is provided, otherwise fail the job
        # with a helpful message.
        raise Exception('Your UserParameters JSON must include the stack name')
    
    if 'artifact' not in decoded_parameters:
        # Validate that the artifact name is provided, otherwise fail the job
        # with a helpful message.
        raise Exception('Your UserParameters JSON must include the artifact name')
    
    if 'file' not in decoded_parameters:
        # Validate that the template file is provided, otherwise fail the job
        # with a helpful message.
        raise Exception('Your UserParameters JSON must include the template file name')
    
    return decoded_parameters
    
def setup_s3_client(job_data):
    """Creates an S3 client
    
    Uses the credentials passed in the event by CodePipeline. These
    credentials can be used to access the artifact bucket.
    
    Args:
        job_data: The job data structure
        
    Returns:
        An S3 client with the appropriate credentials
        
    """
    key_id = job_data['artifactCredentials']['accessKeyId']
    key_secret = job_data['artifactCredentials']['secretAccessKey']
    session_token = job_data['artifactCredentials']['sessionToken']
    
    session = Session(aws_access_key_id=key_id,
        aws_secret_access_key=key_secret,
        aws_session_token=session_token)
    return session.client('s3', config=botocore.client.Config(signature_version='s3v4'))

def lambda_handler(event, context):
    """The Lambda function handler
    
    If a continuing job then checks the CloudFormation stack status
    and updates the job accordingly.
    
    If a new job then kick of an update or creation of the target
    CloudFormation stack.
    
    Args:
        event: The event passed by Lambda
        context: The context passed by Lambda
        
    """
    try:
        # Extract the Job ID
        job_id = event['CodePipeline.job']['id']
        
        # Extract the Job Data 
        job_data = event['CodePipeline.job']['data']
        
        # Extract the params
        params = get_user_params(job_data)
        
        # Get the list of artifacts passed to the function
        artifacts = job_data['inputArtifacts']
        
        stack = params['stack']
        artifact = params['artifact']
        template_file = params['file']
        
        if 'continuationToken' in job_data:
            # If we're continuing then the create/update has already been triggered
            # we just need to check if it has finished.
            check_stack_update_status(job_id, stack)
        else:
            # Get the artifact details
            artifact_data = find_artifact(artifacts, artifact)
            # Get S3 client to access artifact with
            s3 = setup_s3_client(job_data)
            # Get the JSON template file out of the artifact
            template = get_template(s3, artifact_data, template_file)
            # Kick off a stack update or create
            start_update_or_create(job_id, stack, template)  

    except Exception as e:
        # If any other exceptions which we didn't expect are raised
        # then fail the job and log the exception message.
        print('Function failed due to exception.') 
        print(e)
        traceback.print_exc()
        put_job_failure(job_id, 'Function exception: ' + str(e))
      
    print('Function complete.')   
    return "Complete."

Tinggalkan Handler pada nilai default, dan biarkan Role pada nama yang Anda pilih atau buat sebelumnya,CodePipelineLambdaExecRole.
Di Pengaturan dasar, untuk Timeout, ganti default 3 detik dengan20.
Pilih Save (Simpan).
DariCodePipeline konsol, edit pipeline untuk menambahkan fungsi sebagai tindakan dalam tahap di pipeline Anda. Pilih Edit untuk tahap pipeline yang ingin Anda ubah, lalu pilih Tambahkan grup tindakan. Pada halaman Edit tindakan, di Nama tindakan, masukkan nama untuk tindakan Anda. Di Penyedia tindakan, pilih Lambda.

Di bawah Artefak masukan, pilihMyTemplate. Di UserParameters, Anda harus menyediakan string JSON dengan tiga parameter:
- Nama tumpukan
- AWS CloudFormationnama template dan path ke file
- artefak masukan
Gunakan kurung kurawal ({}) dan pisahkan parameter dengan koma. Misalnya, untuk membuat tumpukan bernama MyTestStack, untuk pipeline dengan artefak masukan MyTemplate, masuk UserParameters, masukkan: {"stack”:” MyTestStack“, "file” :"template-package/template.json”, "artefact”:” MyTemplate“}.

catatan
Meskipun Anda telah menentukan artefak masukan UserParameters, Anda juga harus menentukan artefak masukan ini untuk aksi di Artefak input.
Simpan perubahan Anda ke pipeline, lalu lepaskan perubahan secara manual untuk menguji aksi dan fungsi Lambda.

Awas Javascript dinonaktifkan atau tidak tersedia di browser Anda.

Untuk menggunakan Dokumentasi AWS, Javascript harus diaktifkan. Lihat halaman Bantuan browser Anda untuk petunjuk.

Konvensi Dokumen

Tandai tindakan kustom di CodePipeline

Coba lagi tindakan yang gagal