Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.
Factores que pueden ralentizar los arranques en frío de las funciones de Lambda en Neptune Gremlin
La primera vez que se invoca una función de AWS Lambda se denomina arranque en frío. Existen varios factores que pueden aumentar la latencia de un arranque en frío:
-
Asegúrese de asignar memoria suficiente a la función de Lambda. La compilación durante un arranque en frío puede ser considerablemente más lenta en una función de Lambda que en EC2, ya que AWS Lambda asigna los ciclos de CPU de forma lineal en proporción a la memoria que se asigna a la función. Con 1769 MB de memoria, la función recibe el equivalente de una vCPU completa (un segundo de créditos de vCPU por segundo). El impacto de no asignar suficiente memoria para recibir ciclos de CPU adecuados es especialmente marcado en el caso de las funciones de Lambda de gran tamaño escritas en Java.
-
Tenga en cuenta que al habilitar la autenticación de bases de datos de IAM se puede ralentizar un arranque en frío. La autenticación de base de datos de AWS Identity and Access Management (IAM) también puede ralentizar los arranques en frío, especialmente si la función de Lambda tiene que generar una nueva clave de firma. Esta latencia solo afecta al arranque en frío y no a las solicitudes posteriores, ya que una vez que la autenticación de la base de datos de IAM haya establecido las credenciales de conexión, Neptune solo validará periódicamente que siguen siendo válidas.
