AWS Fargate atau AWS Lambda?

Fargate: AWS Fargate adalah layanan orkestrasi kontainer, yang berarti mendukung bahasa pemrograman atau lingkungan runtime apa pun yang dapat dikemas ke dalam wadah Docker. Fleksibilitas ini memungkinkan pengembang untuk menggunakan hampir semua bahasa, kerangka kerja, atau perpustakaan yang sesuai dengan kebutuhan aplikasi mereka. Apakah Anda menggunakan Python, Java, Node.js, Go, .NET, Ruby, PHP, atau bahkan bahasa dan lingkungan khusus, Fargate dapat menjalankannya selama mereka dikemas dalam wadah. Dukungan bahasa yang luas ini membuat Fargate ideal untuk menjalankan beragam aplikasi, termasuk sistem lama, layanan mikro multi-bahasa, dan aplikasi cloud-native modern.

Lambda: AWS Lambda menawarkan dukungan asli untuk serangkaian bahasa yang lebih terbatas dibandingkan dengan Fargate, yang dirancang khusus untuk fungsi yang digerakkan oleh peristiwa. Sampai sekarang, Lambda secara resmi mendukung bahasa-bahasa berikut:

Lambda juga mendukung runtime kustom, yang memungkinkan Anda membawa bahasa atau lingkungan runtime Anda sendiri, tetapi ini membutuhkan lebih banyak pengaturan dan manajemen dibandingkan dengan menggunakan opsi yang didukung secara native. Jika Anda memilih untuk menerapkan fungsi Lambda Anda dari gambar kontainer, Anda dapat menulis fungsi Anda di Rust dengan menggunakan AWS gambar dasar khusus OS dan termasuk klien runtime Rust dalam gambar Anda. Jika Anda menggunakan bahasa yang tidak memiliki klien antarmuka runtime AWS yang disediakan, Anda harus membuatnya sendiri.

Lambda secara inheren dirancang untuk komputasi berbasis peristiwa. Fungsi Lambda dipicu sebagai respons terhadap berbagai peristiwa, termasuk perubahan data, tindakan pengguna, atau tugas terjadwal. Ini terintegrasi mulus dengan banyak Layanan AWS, seperti Amazon S3 (misalnya, menjalankan fungsi saat file diunggah), DynamoDB (misalnya, memicu pembaruan data), dan API Gateway (misalnya, menangani permintaan HTTP). Arsitektur berbasis peristiwa Lambda sangat ideal untuk aplikasi yang perlu segera merespons peristiwa tanpa memerlukan sumber daya komputasi yang persisten.

Fargate tidak digerakkan oleh peristiwa asli, tetapi dengan beberapa logika boilerplate tambahan, ia dapat berintegrasi dengan sumber peristiwa seperti Amazon SQS dan Kinesis. Sementara Lambda menangani sebagian besar logika integrasi ini untuk Anda, Anda harus menerapkan integrasi ini sendiri menggunakan APIs untuk layanan ini.

Fargate dirancang untuk menjalankan aplikasi kontainer, menyediakan lingkungan runtime yang fleksibel di mana Anda dapat menentukan pengaturan CPU, memori, dan jaringan untuk kontainer Anda. Karena Fargate beroperasi pada model berbasis container, ia mendukung proses yang berjalan lama, layanan persisten, dan aplikasi dengan persyaratan runtime tertentu. Kontainer di Fargate dapat berjalan tanpa batas waktu, karena tidak ada batasan keras pada waktu eksekusi, sehingga ideal untuk aplikasi yang perlu aktif dan berjalan terus menerus.

Lambda, di sisi lain, dioptimalkan untuk tugas-tugas yang berumur pendek dan didorong oleh peristiwa. Fungsi Lambda dijalankan di lingkungan stateless di mana waktu eksekusi maksimum dibatasi pada 15 menit. Hal ini membuat Lambda sangat cocok untuk skenario seperti pemrosesan file, streaming data real-time, dan penanganan permintaan HTTP, di mana tugasnya singkat dan tidak memerlukan proses yang berjalan lama.

Di Lambda, lingkungan runtime lebih abstrak, dan ada sedikit kontrol atas infrastruktur yang mendasarinya. Sifat stateless Lambda berarti bahwa setiap pemanggilan fungsi bersifat independen, dan setiap status atau data yang perlu bertahan di antara pemanggilan harus dikelola secara eksternal (misalnya, dalam database atau layanan penyimpanan).

Fargate menskalakan dengan menyesuaikan jumlah kontainer yang sedang berjalan berdasarkan status yang diinginkan yang ditentukan dalam layanan orkestrasi kontainer (Amazon ECS). Penskalaan ini dapat dilakukan secara manual atau otomatis melalui Amazon EC2 Auto Scaling. Posting blog ini menawarkan rincian lebih lanjut tentang caranya.

Di Fargate, setiap kontainer berjalan di lingkungan yang terisolasi, dan penskalaan melibatkan peluncuran kontainer tambahan atau menghentikannya berdasarkan beban. Penjadwal layanan Amazon ECS dapat meluncurkan hingga 500 tugas dalam waktu kurang dari satu menit per layanan untuk web dan layanan jangka panjang lainnya.

Untuk Lambda, konkurensi adalah jumlah permintaan dalam penerbangan yang ditangani oleh AWS Lambda fungsi Anda secara bersamaan. Ini berbeda dari konkurensi di Fargate, di mana setiap tugas Fargate dapat menangani permintaan bersamaan selama ada sumber daya komputasi dan jaringan yang tersedia. Untuk setiap permintaan bersamaan, Lambda menyediakan instance terpisah dari lingkungan eksekusi Anda. Saat fungsi Anda menerima lebih banyak permintaan, Lambda secara otomatis menangani penskalaan jumlah lingkungan eksekusi hingga Anda mencapai batas konkurensi akun Anda. Secara default, Lambda menyediakan akun Anda dengan batas konkurensi total 1.000 eksekusi bersamaan di semua fungsi dalam satu Wilayah AWS, dan Anda dapat meminta peningkatan kuota jika diperlukan.

Untuk setiap fungsi Lambda di Wilayah, tingkat penskalaan konkurensi adalah 1.000 instance eksekusi setiap 10 detik, hingga konkurensi akun maksimum. Seperti yang dijelaskan di blog ini, jika jumlah permintaan dalam periode 10 detik melebihi 1.000, permintaan tambahan akan dibatasi. Grafik berikut menunjukkan cara kerja penskalaan Lambda dengan asumsi konkurensi akun 7000.

Lambda dapat mengalami start dingin, yang terjadi ketika suatu fungsi dipanggil setelah menganggur selama beberapa waktu. Selama awal yang dingin, layanan Lambda perlu menginisialisasi lingkungan eksekusi baru, termasuk memuat runtime, dependensi, dan kode fungsi. Proses ini dapat memperkenalkan latensi, terutama untuk bahasa dengan waktu inisialisasi yang lebih lama (misalnya, Java, atau C #). Cold start dapat memengaruhi kinerja aplikasi, terutama yang membutuhkan respons latensi rendah.

Untuk mengurangi awal dingin di Lambda, beberapa strategi dapat digunakan:

Fargate umumnya tidak terpengaruh oleh start dingin dengan cara yang sama seperti Lambda. Waktu yang diperlukan untuk memulai tugas Fargate secara langsung berkorelasi dengan waktu yang diperlukan untuk menarik gambar kontainer yang ditentukan dalam tugas dari registri gambar. Fargate juga mendukung pemuatan lambat gambar kontainer yang telah diindeks dengan Seekable OCI (SOCI). Lazy loading gambar kontainer dengan SOCI mengurangi waktu yang dibutuhkan untuk meluncurkan tugas Amazon ECS di Fargate. Fargate menjalankan kontainer yang tetap aktif selama diperlukan, artinya mereka selalu siap menangani permintaan. Namun, jika Anda perlu memulai kontainer baru sebagai respons terhadap peristiwa penskalaan, mungkin ada beberapa penundaan saat kontainer diinisialisasi, tetapi ini biasanya kurang signifikan dibandingkan dengan Lambda cold start.

Fargate menyediakan kontrol granular atas memori dan sumber daya CPU untuk aplikasi kontainer Anda. Saat Anda meluncurkan tugas di Fargate, Anda dapat menentukan persyaratan CPU dan memori yang tepat berdasarkan kebutuhan aplikasi Anda. Alokasi CPU dan memori bersifat independen, memungkinkan Anda memilih kombinasi yang paling sesuai dengan beban kerja Anda. Misalnya, Anda dapat memilih nilai CPU mulai dari 0,25 v CPUs hingga 16 v CPUs dan memori dari 0,5 GB hingga 120 GB per kontainer, tergantung pada konfigurasi Anda.

Fleksibilitas ini sangat ideal untuk menjalankan aplikasi yang memerlukan karakteristik kinerja tertentu, seperti database intensif memori atau tugas komputasi terikat CPU. Fargate memungkinkan Anda mengoptimalkan alokasi sumber daya untuk menyeimbangkan biaya dan kinerja secara efektif.

Di Lambda, memori dan CPU ditautkan, dengan CPU secara otomatis dialokasikan secara proporsional dengan jumlah memori yang Anda pilih. Anda dapat memilih alokasi memori antara 128 MB dan 10 GB, dengan peningkatan 1 MB. Skala CPU dengan memori, hingga 6 vCPU, yang berarti pengaturan memori yang lebih tinggi menghasilkan lebih banyak daya CPU, tetapi Anda tidak memiliki kontrol langsung atas alokasi CPU itu sendiri.

Model ini dirancang untuk kesederhanaan, memungkinkan pengembang untuk dengan cepat menyesuaikan pengaturan memori tanpa perlu mengelola konfigurasi CPU. Namun, mungkin kurang fleksibel untuk beban kerja yang membutuhkan keseimbangan tertentu antara CPU dan sumber daya memori. Model Lambda cocok untuk tugas-tugas di mana Anda ingin penskalaan langsung berdasarkan kebutuhan memori, tetapi mungkin tidak optimal untuk aplikasi dengan permintaan sumber daya yang kompleks atau sangat spesifik.

Saat Anda menerapkan tugas di Fargate, tugas tersebut berjalan di Amazon VPC (Amazon Virtual Private Cloud), memberi Anda kendali penuh atas lingkungan jaringan. Ini termasuk mengonfigurasi grup keamanan, daftar kontrol akses jaringan (ACLs), dan tabel perutean. Setiap tugas Fargate mendapatkan antarmuka jaringannya sendiri, dengan alamat IP pribadi khusus, dan dapat diberikan alamat IP publik jika diperlukan.

Fargate mendukung fitur-fitur jaringan canggih seperti load balancing (menggunakan Elastic Load AWS Balancing), VPC peering, dan akses langsung ke yang lain di dalam VPC. Layanan AWS Anda juga dapat menggunakan konektivitas pribadi yang aman AWS PrivateLink untuk didukung Layanan AWS, tanpa melintasi internet.

Secara default, fungsi Lambda dijalankan di lingkungan jaringan yang dikelola tanpa kontrol langsung atas antarmuka jaringan atau alamat IP. Namun, Lambda dapat dilampirkan ke VPC yang dikelola pelanggan AWS menggunakan Hyperplane, memungkinkan Anda untuk mengontrol akses ke sumber daya di dalam VPC Anda.

Ketika fungsi Lambda dilampirkan ke VPC yang dikelola pelanggan, mereka mewarisi grup keamanan VPC dan konfigurasi subnet, memungkinkan mereka untuk berinteraksi secara aman dengan yang lain (seperti database RDS) dalam VPC yang sama. Layanan AWS

Layanan Lambda menggunakan platform Virtualisasi Fungsi Jaringan untuk menyediakan kemampuan NAT dari VPC Lambda kepada pelanggan. VPCs Ini mengkonfigurasi antarmuka jaringan elastis yang diperlukan (ENIs) pada titik di mana fungsi Lambda dibuat atau diperbarui. Ini juga memungkinkan ENIs dari akun Anda untuk dibagikan di beberapa lingkungan eksekusi, yang memungkinkan Lambda membuat penggunaan sumber daya jaringan terbatas secara lebih efisien saat skala fungsi.

Karena ENIs merupakan sumber daya yang dapat habis dan ada batas lunak 250 ENIs per Wilayah, Anda harus memantau penggunaan elastic network interface jika Anda mengonfigurasi fungsi Lambda untuk akses VPC. Fungsi Lambda di AZ yang sama dan grup keamanan yang sama dapat dibagikan. ENIs Umumnya, jika Anda meningkatkan batas konkurensi di Lambda, Anda harus mengevaluasi apakah Anda memerlukan peningkatan antarmuka network elastis. Jika batas tercapai, ini menyebabkan pemanggilan fungsi Lambda berkemampuan VPC dibatasi.

Harga Fargate didasarkan pada sumber daya yang dialokasikan ke wadah Anda, khususnya vCPU dan memori yang Anda pilih untuk setiap tugas. Anda ditagih per detik, dengan biaya minimum satu menit, untuk CPU dan memori yang digunakan kontainer Anda. Biaya terkait langsung dengan sumber daya yang dikonsumsi aplikasi Anda, artinya Anda membayar untuk apa yang Anda berikan, terlepas dari apakah aplikasi tersebut secara aktif memproses permintaan. Fargate sangat cocok untuk beban kerja yang dapat diprediksi di mana Anda memerlukan konfigurasi sumber daya tertentu dan dapat mengoptimalkan biaya dengan menyesuaikan sumber daya yang dialokasikan. Selain itu, mungkin ada biaya tambahan untuk layanan terkait, seperti transfer data, penyimpanan, dan jaringan (misalnya, VPC, Elastic Load Balancing).

Lambda memiliki struktur harga yang berbeda yang didorong oleh peristiwa dan. pay-per-execution Anda dikenakan biaya berdasarkan jumlah permintaan yang diterima fungsi Anda dan durasi setiap eksekusi, diukur dalam milidetik. Lambda juga memperhitungkan jumlah memori yang Anda alokasikan ke fungsi Anda, dengan penskalaan biaya berdasarkan memori yang digunakan dan waktu eksekusi. Model penetapan harga mencakup tingkat gratis, menawarkan 1 juta permintaan gratis dan 400.000 GB-detik waktu komputasi per bulan, yang membuat Lambda sangat hemat biaya untuk volume rendah, beban kerja sporadis.

Model penetapan harga Lambda sangat ideal untuk aplikasi dengan pola lalu lintas yang tidak dapat diprediksi atau meledak, karena Anda hanya membayar untuk pemanggilan fungsi aktual dan waktu eksekusi, tanpa perlu menyediakan atau membayar kapasitas idle.