เทคนิคการปรับแต่งและเพิ่มประสิทธิภาพ

Serverless Applications with AWS Lambda

Claudio Canales

Senior DevOps Engineer

ประสิทธิภาพ = เวลาตอบสนอง + ต้นทุน

• คิดค่าใช้จ่ายตามเวลา
• การปรับประสิทธิภาพคือการลดต้นทุนด้วย
• วัดผลก่อนปรับแต่งเสมอ
• เปลี่ยนทีละสิ่ง

เวลาหายไปไหน

• การเริ่มต้น (Initialization)
• การทำงานของ handler
• เวลาที่รอการเรียกจากภายนอก

Cold start vs warm start

Cold start

• Lambda ต้องสร้างสภาพแวดล้อมใหม่

Warm start

• ใช้สภาพแวดล้อมที่มีอยู่เดิม
• handler ทำงานโดยมี overhead น้อยกว่า

งานใน init vs งานใน handler

• การ import และการตั้งค่า global ทำงานในขั้น init
• init ที่หนักทำให้ cold start ช้าลง
• ระยะเวลา init ปรากฏใน metrics

นำ client กลับมาใช้ซ้ำเมื่อ warm invocation

• การสร้าง client ทุกครั้งที่เรียกใช้งานทำให้เสียต้นทุนซ้ำ
• นำกลับมาใช้เมื่อสภาพแวดล้อมยังอุ่นอยู่

รูปแบบโค้ด: วาง client ไว้นอก handler

import boto3
sts = boto3.client("sts")
def handler(event, context):
    return sts.get_caller_identity()

แคชในสิ่งที่ทำได้

• เก็บข้อมูลไว้ใน memory
• ใช้ /tmp สำหรับไฟล์ชั่วคราวขนาดเล็ก
• แคชอย่างระมัดระวัง และล้างเมื่อจำเป็น

ทำให้ dependency กระชับ

• แพ็กเกจขนาดใหญ่ใช้เวลาโหลดนานกว่า
• ตัดสิ่งที่ไม่ได้ใช้ออก
• ทำให้ dependency เล็กที่สุดเท่าที่จะเป็นไปได้

บันทึก log อย่างชาญฉลาด

• การ log มากเกินไปเพิ่มต้นทุนและสร้าง noise
• มุ่งเน้น message ที่สั้นและมีโครงสร้าง
• ให้ค้นหาได้ง่ายและช่วยในการตรวจสอบ

ลด overhead จากการเรียกภายนอก

• การเรียก service ภายนอกช้าที่สุด
• ลดจำนวนการเรียก และรวมงานเป็น batch เมื่อทำได้
• กำหนด timeout ป้องกันไม่ให้ค้างเมื่อเกิดข้อผิดพลาด

Memory ส่งผลต่อ CPU ด้วย

• CPU ขยายตาม memory
• โค้ดที่ใช้ CPU สูงทำงานเสร็จเร็วขึ้น
• memory ที่มากขึ้นอาจลดเวลาหรือต้นทุนได้
• ทดสอบเพื่อหาค่าที่ดีที่สุด

หาจุดที่ต้นทุนเหมาะสมที่สุด

• การตั้งค่า memory ที่ดีที่สุดช่วยลดต้นทุนรวม
• กราฟจะลดลง แล้วเริ่มคงที่หรือสูงขึ้น
• ทดสอบใหม่หลังมีการเปลี่ยนแปลง

วัดผลด้วย CloudWatch

• ติดตาม Duration และ Init duration
• ติดตาม error และ throttle
• ดู tail latency (p95, p99)

ลด cold start

• ลดงานที่ทำใน init
• ทำให้แพ็กเกจกระชับ
• นำการตั้งค่าที่หนักกลับมาใช้ซ้ำ
• พิจารณาใช้ provisioned environment

สรุปประเด็นสำคัญ

• รู้ว่าเวลาหมดไปกับอะไร
• นำ client กลับมาใช้ซ้ำและแคชอย่างระมัดระวัง
• memory ส่งผลต่อ CPU และระยะเวลาทำงาน
• วัดผลทุกการเปลี่ยนแปลง

มาฝึกกันเถอะ!

Serverless Applications with AWS Lambda