Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.

Traitez des fichiers sans serveur à l'aide de Lambda

Les flux de travail de traitement de fichiers commencent souvent par des fichiers qui arrivent sur un partage de fichiers NFS ou SMB : documents numérisés depuis les succursales, images téléchargées par les équipes de terrain, fichiers audio capturés par des centres d'appels ou fichiers de données fournis par des partenaires.

Avec un point d'accès Amazon S3 connecté au volume FSx for ONTAP, les AWS Lambda fonctions lisent et écrivent les fichiers directement à l'aide de l'API Amazon S3. File-level les opérations peuvent être traitées sans serveur sur les mêmes données auxquelles vos utilisateurs et applications accèdent via NFS et SMB.

Ce didacticiel présente trois modèles courants de traitement de fichiers. Chaque exemple lit un fichier depuis le volume via le point d'accès, le traite avec un AWS service ou une bibliothèque et réécrit le résultat sur le volume.

Conditions préalables

Avant de commencer, assurez-vous de disposer des éléments suivants :

Étape 1 : Téléchargez des exemples de fichiers

Téléchargez les exemples de fichiers suivants et chargez-les sur votre volume FSx for ONTAP via le point d'accès. my-ap-alias-ext-s3aliasRemplacez-le par l'alias de votre point d'accès tout au long de ce didacticiel.

Téléchargez les fichiers d'exemple sur votre volume FSx for ONTAP via le point d'accès.

$ aws s3 cp sample-image.jpg s3://my-ap-alias-ext-s3alias/samples/images/sample-image.jpg
aws s3 cp sample-audio.mp3 s3://my-ap-alias-ext-s3alias/samples/audio/sample-audio.mp3

Étape 2 : Création du rôle d'exécution Lambda

Les fonctions Lambda jouent un rôle d'exécution pour interagir avec d'autres fonctions. Services AWS Pour ce didacticiel, joignez la AWSLambdaBasicExecutionRole politique AWS gérée pour la journalisation CloudWatch des journaux, puis ajoutez une politique en ligne qui accorde l'accès au point d'accès Amazon S3 et aux API Textract et Transcribe utilisées dans les exemples.

Intégration à votre flux de travail

Les exemples de ce didacticiel utilisent l'invocation manuelle avec un événement de test. En production, vous pouvez déclencher ces fonctions automatiquement en utilisant les approches suivantes :

Exemple 1 : générer des miniatures d'images

Cet exemple lit une image JPEG depuis votre volume FSx for ONTAP, la redimensionne en miniature de 200 pixels à l'aide de la bibliothèque d'images Pillow, puis réécrit la miniature sur le volume.

Code de la fonction Lambda

Enregistrez le code suivant souslambda_function.py.

import boto3
from io import BytesIO
from PIL import Image

s3 = boto3.client('s3')

def lambda_handler(event, context):
    bucket = event['access_point_alias']
    key = event['key']

    # Read the image from FSx through the access point
    response = s3.get_object(Bucket=bucket, Key=key)
    image_data = response['Body'].read()

    # Resize to thumbnail
    img = Image.open(BytesIO(image_data))
    img.thumbnail((200, 200))

    # Write the thumbnail back to FSx
    buffer = BytesIO()
    img.save(buffer, format='JPEG', quality=85)
    buffer.seek(0)

    thumbnail_key = key.rsplit('.', 1)[0] + '_thumbnail.jpg'
    s3.put_object(
        Bucket=bucket,
        Key=thumbnail_key,
        Body=buffer.getvalue(),
        ContentType='image/jpeg'
    )

    return {
        'original_size': len(image_data),
        'thumbnail_size': len(buffer.getvalue()),
        'thumbnail_key': thumbnail_key
    }

Création et appel de la fonction

Cette fonction nécessite la bibliothèque Pillow. Créez un package de déploiement qui inclut Pillow conçu pour le runtime Lambda Linux.

$ # Create a deployment package with Pillow for Lambda (Linux)
mkdir package && pip install Pillow -t package/ \
    --platform manylinux2014_x86_64 --only-binary=:all:
cd package && zip -r ../thumbnail-function.zip .
cd .. && zip thumbnail-function.zip lambda_function.py

# Create the function
aws lambda create-function \
    --function-name fsxn-thumbnail-generator \
    --runtime python3.12 \
    --handler lambda_function.lambda_handler \
    --role arn:aws:iam::account-id:role/fsxn-lambda-file-processor \
    --zip-file fileb://thumbnail-function.zip \
    --timeout 30 \
    --memory-size 256

# Invoke with a test event
aws lambda invoke \
    --function-name fsxn-thumbnail-generator \
    --cli-binary-format raw-in-base64-out \
    --payload '{"access_point_alias": "my-ap-alias-ext-s3alias", "key": "samples/images/sample-image.jpg"}' \
    response.json

cat response.json

Vérifiez le résultat

$ aws s3 ls s3://my-ap-alias-ext-s3alias/samples/images/
2024-01-23 12:19:32    2566770 sample-image.jpg
2024-01-23 12:25:49       7065 sample-image_thumbnail.jpg

L'image originale de 2,4 Mo (5400 × 2700 pixels) a été redimensionnée en miniature de 7 Ko (200 × 100 pixels).

Exemple 2 : Extraire du texte à partir de documents

Cet exemple lit un document PDF depuis votre volume FSx for ONTAP, l'envoie à Amazon Textract pour en extraire le texte, puis réécrit le texte extrait sous forme de fichier JSON sur le volume.

Création et téléchargement d'un exemple de PDF

Pour cet exemple, vous avez besoin d'un document PDF sur votre volume FSx for ONTAP. Le script Python suivant génère une facture PDF simple et la télécharge via le point d'accès. Exécutez ce script sur votre machine locale (pas dans Lambda).

$ pip install fpdf2 boto3

# create_invoice.py — run locally to generate and upload a sample PDF
from fpdf import FPDF
import boto3

pdf = FPDF()
pdf.add_page()
pdf.set_font("Helvetica", "B", 24)
pdf.cell(0, 15, "INVOICE", new_x="LMARGIN", new_y="NEXT", align="C")
pdf.set_font("Helvetica", "", 12)
pdf.cell(0, 8, "Invoice Number: INV-2024-00142", new_x="LMARGIN", new_y="NEXT")
pdf.cell(0, 8, "Date: January 15, 2024", new_x="LMARGIN", new_y="NEXT")
pdf.cell(0, 8, "Customer: Example Corp", new_x="LMARGIN", new_y="NEXT")
pdf.ln(5)
pdf.set_font("Helvetica", "B", 12)
pdf.cell(80, 8, "Description", border=1)
pdf.cell(30, 8, "Qty", border=1, align="C")
pdf.cell(40, 8, "Unit Price", border=1, align="R")
pdf.cell(40, 8, "Amount", border=1, align="R")
pdf.ln()
pdf.set_font("Helvetica", "", 12)
for desc, qty, price, amt in [
    ("Cloud Storage Service", "1", "$2,400.00", "$2,400.00"),
    ("Data Transfer (TB)", "5", "$90.00", "$450.00"),
    ("Technical Support", "1", "$500.00", "$500.00"),
]:
    pdf.cell(80, 8, desc, border=1)
    pdf.cell(30, 8, qty, border=1, align="C")
    pdf.cell(40, 8, price, border=1, align="R")
    pdf.cell(40, 8, amt, border=1, align="R")
    pdf.ln()

s3 = boto3.client('s3')
s3.put_object(
    Bucket='my-ap-alias-ext-s3alias',
    Key='samples/documents/invoice.pdf',
    Body=pdf.output(),
    ContentType='application/pdf'
)
print("Uploaded invoice.pdf")

$ python3 create_invoice.py

Code de la fonction Lambda

Enregistrez le code suivant souslambda_function.py.

import boto3
import json

s3 = boto3.client('s3')
textract = boto3.client('textract')

def lambda_handler(event, context):
    bucket = event['access_point_alias']
    key = event['key']

    # Read the PDF from FSx through the access point
    response = s3.get_object(Bucket=bucket, Key=key)
    document_bytes = response['Body'].read()

    # Extract text with Textract
    textract_response = textract.detect_document_text(
        Document={'Bytes': document_bytes}
    )

    lines = [
        block['Text']
        for block in textract_response['Blocks']
        if block['BlockType'] == 'LINE'
    ]

    # Write extracted text as JSON back to FSx
    result = {
        'source_file': key,
        'total_lines': len(lines),
        'extracted_text': lines
    }

    output_key = key.rsplit('.', 1)[0] + '_extracted.json'
    s3.put_object(
        Bucket=bucket,
        Key=output_key,
        Body=json.dumps(result, indent=2),
        ContentType='application/json'
    )

    return {
        'lines_extracted': len(lines),
        'output_key': output_key
    }

Création et appel de la fonction

$ zip textract-function.zip lambda_function.py

aws lambda create-function \
    --function-name fsxn-text-extractor \
    --runtime python3.12 \
    --handler lambda_function.lambda_handler \
    --role arn:aws:iam::account-id:role/fsxn-lambda-file-processor \
    --zip-file fileb://textract-function.zip \
    --timeout 30 \
    --memory-size 256

aws lambda invoke \
    --function-name fsxn-text-extractor \
    --cli-binary-format raw-in-base64-out \
    --payload '{"access_point_alias": "my-ap-alias-ext-s3alias", "key": "samples/documents/invoice.pdf"}' \
    response.json

cat response.json

Exemple de sortie :

{"lines_extracted": 22, "output_key": "samples/documents/invoice_extracted.json"}

Exemple 3 : Transcrire des fichiers audio

Cet exemple démarre une tâche Amazon Transcribe pour un fichier audio stocké sur votre volume FSx for ONTAP. Amazon Transcribe lit le fichier audio directement depuis le point d'accès en utilisant l'alias du point d'accès indiqué dans l'URI du fichier multimédia. Lorsque le travail est terminé, la fonction réécrit la transcription sur le volume.

Code de la fonction Lambda

Enregistrez le code suivant souslambda_function.py.

import boto3
import json
import time
import urllib.request

s3 = boto3.client('s3')
transcribe = boto3.client('transcribe')

def lambda_handler(event, context):
    bucket = event['access_point_alias']
    key = event['key']
    media_format = key.rsplit('.', 1)[-1]  # mp3, wav, etc.

    # Start a Transcribe job pointing to the file on FSx
    job_name = f"fsxn-{int(time.time())}"
    transcribe.start_transcription_job(
        TranscriptionJobName=job_name,
        Media={'MediaFileUri': f's3://{bucket}/{key}'},
        MediaFormat=media_format,
        LanguageCode='en-US'
    )

    # Wait for the job to complete
    while True:
        status = transcribe.get_transcription_job(
            TranscriptionJobName=job_name
        )
        state = status['TranscriptionJob']['TranscriptionJobStatus']
        if state in ('COMPLETED', 'FAILED'):
            break
        time.sleep(5)

    if state == 'FAILED':
        raise Exception(
            status['TranscriptionJob'].get('FailureReason', 'Unknown error')
        )

    # Download the transcript
    transcript_uri = status['TranscriptionJob']['Transcript']['TranscriptFileUri']
    with urllib.request.urlopen(transcript_uri) as resp:
        transcript_data = json.loads(resp.read())

    transcript_text = transcript_data['results']['transcripts'][0]['transcript']

    # Write the transcript back to FSx
    result = {
        'source_file': key,
        'job_name': job_name,
        'transcript': transcript_text
    }

    output_key = key.rsplit('.', 1)[0] + '_transcript.json'
    s3.put_object(
        Bucket=bucket,
        Key=output_key,
        Body=json.dumps(result, indent=2),
        ContentType='application/json'
    )

    return {
        'transcript_length': len(transcript_text),
        'output_key': output_key
    }

Création et appel de la fonction

$ zip transcribe-function.zip lambda_function.py

aws lambda create-function \
    --function-name fsxn-audio-transcriber \
    --runtime python3.12 \
    --handler lambda_function.lambda_handler \
    --role arn:aws:iam::account-id:role/fsxn-lambda-file-processor \
    --zip-file fileb://transcribe-function.zip \
    --timeout 120

aws lambda invoke \
    --function-name fsxn-audio-transcriber \
    --cli-binary-format raw-in-base64-out \
    --payload '{"access_point_alias": "my-ap-alias-ext-s3alias", "key": "samples/audio/sample-audio.mp3"}' \
    --cli-read-timeout 180 \
    response.json

cat response.json

Considérations

Nettoyage

Pour éviter des frais permanents, supprimez les ressources que vous avez créées dans ce didacticiel.

$ # Delete Lambda functions
aws lambda delete-function --function-name fsxn-thumbnail-generator
aws lambda delete-function --function-name fsxn-text-extractor
aws lambda delete-function --function-name fsxn-audio-transcriber

# Delete the IAM role and policies
aws iam delete-role-policy \
    --role-name fsxn-lambda-file-processor \
    --policy-name fsxn-access-point-policy
aws iam detach-role-policy \
    --role-name fsxn-lambda-file-processor \
    --policy-arn arn:aws:iam::aws:policy/service-role/AWSLambdaBasicExecutionRole
aws iam delete-role --role-name fsxn-lambda-file-processor

# Delete sample files from your FSx volume
aws s3 rm s3://my-ap-alias-ext-s3alias/samples/ --recursive