Bonnes pratiques d’utilisation des fonctions AWS Lambda

Les bonnes pratiques suivantes sont recommandées pour l’utilisation d’AWS Lambda :

Code de fonction

Tirez parti de la réutilisation de l’environnement d’exécution pour améliorer les performances de votre fonction. Initialisez les clients SDK et les connexions à la base de données en dehors du gestionnaire de fonctions et mettez en cache les actifs statiques localement dans le répertoire /tmp. Les invocations ultérieures traitées par la même instance de votre fonction peuvent réutiliser ces ressources. Cela permet d’économiser des coûts, tout en réduisant le temps d’exécution de la fonction.

Pour éviter des éventuelles fuites de données entre les invocations, n’utilisez pas l’environnement d’exécution pour stocker des données utilisateur, des événements ou d’autres informations ayant un impact sur la sécurité. Si votre fonction repose sur un état réversible qui ne peut pas être stocké en mémoire dans le gestionnaire, envisagez de créer une fonction distincte ou des versions distinctes d’une fonction pour chaque utilisateur.

Utilisez une directive keep-alive pour maintenir les connexions persistantes. Lambda purge les connexions inactives au fil du temps. Si vous tentez de réutiliser une connexion inactive lorsque vous invoquez une fonction, cela entraîne une erreur de connexion. Pour maintenir votre connexion persistante, utilisez la directive Keep-alive associée à votre environnement d’exécution. Pour obtenir un exemple, consultez Réutilisation des connexions avec Keep-Alive dans Node.js.

Utilisez des variables d’environnement pour transmettre des paramètres opérationnels à votre fonction. Par exemple, si vous écrivez dans un compartiment Amazon S3 au lieu de coder en dur le nom du compartiment dans lequel vous écrivez, configurez le nom du compartiment comme variable d’environnement.

Évitez d’utiliser des invocations récursives dans votre fonction Lambda, lorsque la fonction s’invoque elle-même ou démarre un processus susceptible de l’invoquer à nouveau. Cela peut entraîner un volume involontaire d’invocations de fonction et des coûts accrus. Si vous constatez un volume involontaire d’invocations, définissez immédiatement la simultanéité réservée à la fonction sur 0 afin de limiter toutes les invocations de la fonction, pendant que vous mettez à jour le code.

N’utilisez pas d’API non publiques non documentées dans le code de votre fonction Lambda. Pour les exécutions gérées AWS Lambda, Lambda applique périodiquement des mises à jour de sécurité et fonctionnelles aux API internes de Lambda. Ces mises à jour internes de l’API peuvent être incompatibles avec les versions antérieures, entraînant des conséquences imprévues telles que des échecs d’invocation si votre fonction dépend de ces API non publiques. Consultez la Référence d’API pour obtenir la liste des API accessibles au public.

Écriture du code idempotent. L’écriture de code idempotent pour vos fonctions garantit ne gestion identique des événements dupliqués. Votre code doit valider correctement les événements et gérer correctement les événements dupliqués. Pour de plus amples informations, veuillez consulterComment faire en sorte que ma fonction Lambda soit idempotente ?.

Pour connaître les pratiques exemplaires en matière de code spécifiques à chaque langage, reportez-vous aux sections suivantes :

Configuration de la fonction

Le test de performance de votre fonction Lambda est une partie cruciale pour garantir que vous choisissez la configuration de taille mémoire optimale. Toute augmentation de la taille mémoire déclenche une augmentation équivalente de l’UC disponible pour votre fonction. L’utilisation de la mémoire pour votre fonction est déterminée par invocation, et est visible dans Amazon CloudWatch. À chaque invocation, une entrée REPORT: est créée, comme indiqué ci-dessous :

REPORT RequestId: 3604209a-e9a3-11e6-939a-754dd98c7be3	Duration: 12.34 ms	Billed Duration: 100 ms Memory Size: 128 MB	Max Memory Used: 18 MB

En analysant le champ Max Memory Used:, vous pouvez déterminer si votre fonction a besoin de plus de mémoire ou si vous avez surdimensionné la taille mémoire de votre fonction.

Pour trouver la bonne configuration de mémoire pour vos fonctions, nous vous recommandons d’utiliser le projet open source Power Tuning AWS Lambda. Pour plus d’informations, consultez Power Tuning AWS Lambda sur GitHub.

Pour optimiser les performances des fonctions, nous vous recommandons également de déployer des bibliothèques capables d’exploiter Advanced Vector Extensions 2 (AVX2). Cela vous permet de traiter des charges de travail exigeantes, comme l’inférence du machine learning, le traitement multimédia, le calcul haute performance (HPC), les simulations scientifiques et la modélisation financière. Pour plus d’informations, consultez Créer des fonctions AWS Lambda plus rapides avec AVX2.

Effectuez un test de charge de votre fonction Lambda pour déterminer une valeur de délai d’expiration optimale. Il importe d’analyser comment votre fonction s’exécute afin que vous puissiez mieux déterminer les problèmes de service de dépendance qui peuvent accroître la simultanéité de la fonction au-delà de ce que vous attendez. Cet aspect est particulièrement important quand votre fonction Lambda effectue des appels réseau aux ressources qui peuvent ne pas gérer la mise à l’échelle de Lambda. Pour plus d’informations sur le test de charge de votre application, consultez Test de charge distribué sur AWS.

Utilisez les autorisations les plus restrictives lors de la définition des stratégies IAM. Maîtrisez les ressources et les opérations dont votre fonction Lambda a besoin et limitez le rôle d’exécution à ces autorisations. Pour plus d'informations, consultez Gestion des autorisations dans AWS Lambda.

Familiarisez-vous avec Quotas Lambda. La taille de la charge utile, les descripteurs de fichiers et l'espace /tmp sont souvent ignorés lors de la détermination des limites des ressources.

Supprimez les fonctions Lambda que vous n'utilisez plus. En procédant ainsi, les fonctions inutilisées n’interviendront plus inutilement dans la limite de taille de votre package de déploiement.

Si vous utilisez Amazon Simple Queue Service en tant que source d’événement, assurez-vous que la valeur de la durée de l’invocation prévue de la fonction ne dépasse pas la valeur Délai de visibilité de la file d’attente. Cela s’applique à CreateFunction et UpdateFunctionConfiguration.

Capacité de mise à l’échelle de la fonction

Familiarisez-vous avec vos contraintes de débit en amont et en aval. Bien que les fonctions Lambda se mettent à l’échelle parfaitement, les dépendances en amont et en aval peuvent avoir des mêmes capacités de débit différentes. Si vous devez limiter le niveau de mise à l’échelle de votre fonction, configurez la simultanéité réservée sur votre fonction.

Créez une tolérance à la limitation. Si votre fonction synchrone est ralentie en raison d’un trafic dépassant le taux de mise à l’échelle de Lambda, vous pouvez utiliser les stratégies suivantes pour améliorer la tolérance à la limitation :

Métriques et alarmes

Utilisez Utilisation des métriques CloudWatch avec Lambda et des alarmes CloudWatch au lieu de créer ou de mettre à jour une métrique à partir du code de votre fonction Lambda. C’est une manière beaucoup plus efficace de suivre l’état de vos fonctions Lambda, qui vous permet de détecter de façon précoce d’éventuels problèmes dans le processus de développement. Par exemple, vous pouvez configurer une alarme basée sur la durée attendue de l’invocation de votre fonction Lambda afin de pouvoir prendre en compte les goulots d’étranglement ou les latences du code de votre fonction.

Émettez des métriques personnalisées de manière asynchrone à l’aide du format EMF (Embedded Metric Format). Au lieu d’effectuer des appels d’API synchrones vers CloudWatch, utilisez EMF pour émettre des métriques via les journaux de votre fonction. Cette approche réduit la latence et améliore les performances. L’utilitaire de métriques de Powertools pour AWS Lambda gère automatiquement le formatage EMF. Pour plus d’informations, consultez les utilitaires de métriques Python, TypeScript, Java ou .NET dans la documentation Powertools pour AWS Lambda. Pour plus d’informations sur l’utilisation d’EMF pour générer des journaux Metric Format, consultez Publication de journaux à l’aide du format de métrique intégrée dans le Guide de l’utilisateur Amazon CloudWatch.

Utilisez la journalisation JSON structurée pour une meilleure observabilité. La journalisation structurée facilite la recherche, le filtrage et l’analyse des journaux de votre fonction. Envisagez d’utiliser l’utilitaire d’enregistreur de Powertools pour AWS Lambda pour formater automatiquement les journaux au format JSON. Pour plus d’informations, consultez les utilitaires d’enregistreur Python, TypeScript, Java ou .NET dans la documentation Powertools pour AWS Lambda.

Mettez à profit votre bibliothèque de journalisation et les dimensions et métriques AWS Lambda pour intercepter les erreurs d’application (par exemple, ERR, ERROR, WARNING, etc.)

Utiliser Détection des anomalies de coûts AWS pour détecter les activités inhabituelles sur votre compte. La détection des anomalies de coûts utilise le machine learning pour effectuer une surveillance permanent de votre coût et votre utilisation, tout en minimisant les alertes de faux positifs. La détection des anomalies de coûts utilise les données de AWS Cost Explorer disposant d’un délai pouvant aller jusqu’à 24 heures. Par conséquent, après utilisation, jusqu’à 24 heures peuvent être nécessaires pour détecter une anomalie. Afin de vous familiariser à la détection des anomalies de coûts, vous devez d’abord vous inscrire à Cost Explorer. Ensuite, accéder à la détection des anomalies des coûts.

Utilisation des flux

Testez différentes tailles de lot et d’enregistrement de telle sorte que la fréquence d’interrogation de chaque source d’événement soit réglée sur la vitesse à laquelle votre fonction peut exécuter sa tâche. Le paramètre BatchSize CreateEventSourceMapping contrôle le nombre maximal de registres qui peuvent être envoyés à votre fonction lors de chaque invocation. Une taille de lot plus grande peut souvent absorber plus efficacement l’invocation sur un plus large ensemble d’enregistrements, ce qui accroît votre débit.

Par défaut, Lambda invoque votre fonction dès que des enregistrements sont disponibles. Si le lot que Lambda lit à partir de la source d’événements ne comprend qu’un seul enregistrement, Lambda envoie un seul registre à la fonction. Pour éviter d’invoquer la fonction avec un petit nombre de registres, vous pouvez indiquer à la source d’événement de les mettre en mémoire tampon pendant 5 minutes en configurant une fenêtre de traitement par lots. Avant d’invoquer la fonction, Lambda continue de lire les registres de la source d’événements jusqu’à ce qu’il ait rassemblé un lot complet, que la fenêtre de traitement par lot expire ou que le lot atteigne la limite de charge utile de 6 Mo. Pour de plus amples informations, consultez Comportement de traitement par lots.

Activez la réponse partielle de lot pour le traitement des flux. Lorsque vous traitez des lots d’enregistrements provenant de flux comme Kinesis ou DynamoDB Streams, activez la réponse partielle de lot pour permettre à Lambda de réessayer uniquement les enregistrements ayant échoué au lieu de réessayer le lot complet. Cela améliore l’efficacité du traitement et réduit les retraitements inutiles. Vous pouvez éventuellement utiliser l’utilitaire de mise en lots de Powertools pour AWS Lambda pour simplifier les modèles de traitement par lots.

Augmentez le débit de traitement du flux Kinesis en ajoutant des partitions. Un flux Kinesis est composé d’une ou plusieurs partitions. La vitesse à laquelle Lambda peut lire les données de Kinesis s’échelonne linéairement en fonction du nombre de partitions. L’augmentation du nombre de partitions entraîne directement celle du nombre maximum d’invocations simultanés de fonctions Lambda, et peut accroître le débit de traitement de votre flux Kinesis. Pour de plus amples informations sur la relation entre les partitions et les invocations de fonctions, consultez Flux d’interrogation et de mise en lots. Si vous augmentez le nombre de partitions dans un flux Kinesis, assurez-vous d’avoir choisi une clé de partition appropriée (consultez Clés de partition) pour vos données, de façon à ce que les enregistrements associés se retrouvent sur les mêmes partitions et que vos données soient correctement distribuées.

Utilisez Amazon CloudWatch sur IteratorAge pour déterminer si votre flux Kinesis est en cours de traitement. Par exemple, configurez une alarme CloudWatch en définissant la valeur maximum de 30 000 (30 secondes).

Bonnes pratiques de sécurité

Surveillez votre utilisation d’AWS Lambda, car cela est lié aux bonnes pratiques de sécurité, à l’aide d’AWS Security Hub CSPM. Security Hub utilise des contrôles de sécurité pour évaluer les configurations des ressources et les normes de sécurité afin de vous aider à respecter divers cadres de conformité. Pour plus d’informations sur l’utilisation de Security Hub pour évaluer les ressources Lambda, consultez Contrôles d’AWS Lambda dans le Guide de l’utilisateur AWS Security Hub CSPM.

Surveillez les journaux d’activité du réseau Lambda à l’aide d’Amazon GuardDuty Lambda Protection. La protection Lambda de GuardDuty vous aide à identifier les menaces de sécurité potentielles lorsque vos fonctions Lambda sont invoquées au sein de votre Compte AWS. Par exemple, si l’une de vos fonctions interroge une adresse IP associée à une activité liée à une cryptomonnaie. GuardDuty surveille les journaux d’activité réseau générés lors de l’invocation d’une fonction Lambda. Pour en savoir plus, consultez Lambda protection dans le Guide de l’utilisateur Amazon GuardDuty.