การกำหนดค่า Lambda functions

Serverless Applications with AWS Lambda

Claudio Canales

Senior DevOps Engineer

ทำไมการกำหนดค่าจึงสำคัญ

โค้ดเดียวกันอาจทำงานต่างกันมากหากตั้งค่าต่างกัน
การกำหนดค่าควบคุมประสิทธิภาพ ต้นทุน และความปลอดภัย
เป้าหมายคือพฤติกรรมที่คาดเดาได้ทั้งใน dev และ prod

โค้ดเดียวกัน การตั้งค่าต่างกัน

โค้ด vs การกำหนดค่า

Code package

Code package
Handler logic + dependencies
การเปลี่ยนแปลงต้องมีการ deploy

Function configuration

Function configuration
Memory, timeout, environment variables
Execution role + layers

พารามิเตอร์ที่ควบคุมได้

Runtime + handler: โค้ดที่ Lambda รัน
Memory + timeout: ประสิทธิภาพ ต้นทุน และความปลอดภัย
Environment variables: กำหนดค่าโดยไม่ต้อง hardcode
Execution role: สิทธิ์สำหรับ AWS APIs
Layers: dependencies ที่ใช้ร่วมกันระหว่างฟังก์ชัน

ปุ่มปรับค่าการกำหนดค่า Lambda

พื้นฐาน runtime และ handler

Runtime = สภาพแวดล้อมของภาษา (เช่น Python)
Handler = จุดเริ่มต้นที่ Lambda เรียกใช้
รูปแบบ handler: file.function
ตัวอย่าง: lambda_function.lambda_handler

การแบ่งส่วน handler string

Handler string: สิ่งที่อาจผิดพลาดได้

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

Import จากนั้น handler call

Execution role (IAM)

IAM = Identity and Access Management (การจัดการสิทธิ์)
Execution role คือสิ่งที่ฟังก์ชันได้รับอนุญาตให้ทำ
ควบคุมว่าโค้ดจะเรียกใช้ AWS APIs ใดได้บ้าง

Execution role เปรียบเหมือนบัตรผ่าน

Lambda layer คืออะไร?

Layer คือไฟล์ ZIP ที่แนบกับฟังก์ชัน
Lambda จะทำให้ไฟล์ใน layer พร้อมใช้งานที่ /opt ตอน runtime
ใช้ layers สำหรับไลบรารีและ utilities ที่ใช้ร่วมกัน
อัปเดต layer ครั้งเดียว หลายฟังก์ชันนำไปใช้ซ้ำได้

Layer ที่ mount ไว้ที่ /opt

ตำแหน่งที่ layers ปรากฏตอน runtime

โค้ดของฟังก์ชัน mount ไว้ที่ /var/task
layers ที่แนบไว้ mount ไว้ที่ /opt
Lambda มีโฟลเดอร์ชั่วคราวที่ /tmp

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

Memory ส่งผลต่อ CPU ด้วย

Memory มากขึ้น -> CPU มากขึ้น
ช่วยลด runtime สำหรับงานที่ใช้ CPU สูง
ต้นทุนรวมขึ้นอยู่กับทั้ง duration และ memory

Memory ที่เพิ่มขึ้นส่งผลต่อ CPU

ปรับ memory โดยใช้การวัดผล

เริ่มต้นด้วยค่าเริ่มต้นที่เหมาะสม (เช่น 256 MB)
ทดสอบด้วย event จริง
เปรียบเทียบ duration และต้นทุนในแต่ละขนาด memory

วัด duration และต้นทุนตามขนาด memory

Timeout และการรันที่ปลอดภัย

Timeout หยุดการรันที่ค้างอยู่
ตรวจสอบเวลาที่เหลืออยู่ก่อนทำงานหนัก
ล้มเหลวเร็วและลองใหม่เมื่อเหมาะสม

Timeout เป็นเหมือนตัวจับเวลาความปลอดภัย

Walkthrough: ตรวจสอบเวลาที่เหลืออยู่

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}

การตรวจสอบเวลาที่เหลือใน context

Environment variables

แยกการกำหนดค่าออกจากโค้ด
แยกการตั้งค่า dev/test/prod
ใช้ Secrets Manager สำหรับค่าที่ละเอียดอ่อน

Environment variables กำหนดพฤติกรรม

Walkthrough: อ่าน environment variables

import os

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

ค่า default ทำให้การทดสอบในเครื่องปลอดภัยขึ้น

import os เพื่อเข้าถึง environment variables
os.getenv คืนค่าที่ตั้งไว้หรือค่า default

ข้อผิดพลาดที่พบบ่อยในการกำหนดค่า

การ hardcode ค่า stage ไว้ในโค้ด
Timeout ต่ำเกินไปหรือสิทธิ์ IAM ไม่ครบ
เก็บ secrets ใน environment variables แบบ plain text

ข้อผิดพลาดที่พบบ่อยและแนวทางปฏิบัติ

มาฝึกกันเถอะ!

Serverless Applications with AWS Lambda