Mengonfigurasi fungsi Lambda

Aplikasi Serverless dengan AWS Lambda

Claudio Canales

Senior DevOps Engineer

Mengapa konfigurasi penting

Kode yang sama bisa berperilaku sangat berbeda dengan setelan berbeda.
Konfigurasi memengaruhi kinerja, biaya, dan keamanan.
Tujuannya perilaku yang dapat diprediksi di dev dan prod.

Kode sama, setelan berbeda

Kode vs konfigurasi

Paket kode

Paket kode
Logika handler + dependensi.
Perubahan memerlukan deploy.

Konfigurasi fungsi

Konfigurasi fungsi
Memori, timeout, variabel lingkungan.
Execution role + layer.

Kontrol yang Anda atur

Runtime + handler: kode apa yang dijalankan Lambda.
Memori + timeout: kinerja, biaya, keamanan.
Variabel lingkungan: konfigurasi tanpa hard-code.
Execution role: izin untuk API AWS.
Layer: dependensi bersama lintas fungsi.

Tombol konfigurasi Lambda

Dasar runtime dan handler

Runtime = lingkungan bahasa (misalnya, Python).
Handler = titik masuk yang dipanggil Lambda.
Format handler: file.function.
Contoh: lambda_function.lambda_handler.

Rincian string handler

String handler: potensi masalah

# lambda_function.py
def lambda_handler(event, context):
    return {"statusCode": 200}

Impor lalu pemanggilan handler

Execution role (IAM)

IAM = Identity and Access Management (izin).
Execution role menentukan apa yang boleh dilakukan fungsi Anda.
Ini mengontrol API AWS mana yang dapat dipanggil kode Anda.

Execution role seperti kartu akses

Apa itu Lambda layer?

Layer adalah file ZIP yang dilampirkan ke fungsi.
Lambda menyediakan file layer saat runtime di /opt.
Gunakan layer untuk library bersama dan utilitas umum.
Perbarui layer sekali; banyak fungsi dapat memakainya.

Layer terpasang di /opt

Lokasi layer saat runtime

Kode fungsi Anda dipasang di /var/task.
Layer terlampir dipasang di /opt.
Lambda juga menyediakan folder sementara di /tmp.

Folder runtime: /var/task, /opt, /tmp

Memori juga memengaruhi CPU

Lebih banyak memori -> lebih banyak CPU.
Dapat mengurangi waktu jalan untuk tugas CPU-bound.
Biaya total bergantung pada durasi dan memori.

Memori menaikkan CPU

Tuning memori berbasis pengukuran

Mulai dengan default yang wajar (misalnya, 256 MB).
Uji dengan event realistis.
Bandingkan durasi dan biaya antar ukuran memori.

Sapu memori: ukur durasi dan biaya

Timeout dan eksekusi aman

Timeout menghentikan eksekusi liar.
Periksa sisa waktu sebelum pekerjaan panjang.
Gagal cepat dan retry bila perlu.

Timeout sebagai pengaman waktu

Langkah: memeriksa sisa waktu

def lambda_handler(event, context):
    time_left = context.get_remaining_time_in_millis()
    if time_left < 500:
        raise TimeoutError("Not enough time left")
    return {"statusCode": 200}

Penjaga hitung mundur konteks

Variabel lingkungan

Pisahkan konfigurasi dari kode.
Pisahkan setelan dev/test/prod.
Gunakan Secrets Manager untuk nilai sensitif.

Variabel lingkungan mengonfigurasi perilaku

Langkah: membaca variabel lingkungan

import os

STAGE = os.getenv("STAGE", "dev")
LOG_LEVEL = os.getenv(
    "LOG_LEVEL", "INFO"
)

Default membuat uji lokal lebih aman

Impor os untuk mengakses variabel lingkungan.
os.getenv mengembalikan nilai atau default.

Jebakan konfigurasi umum

Hard-code nilai stage di dalam kode.
Timeout terlalu rendah atau izin IAM kurang.
Rahasia di variabel lingkungan biasa.

Jebakan dan aturan praktis

Ayo berlatih!

Aplikasi Serverless dengan AWS Lambda