As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.

# Fatores que podem retardar o início a frio das funções do Lambda em Gremlin no Neptune
<a name="lambda-functions-gremlin-cold-start-recommendations"></a>

A primeira vez que uma função do AWS Lambda é invocada é chamada de inicialização a frio. Há vários fatores que podem aumentar a latência de uma inicialização a frio:
+ **Atribua memória suficiente à função do Lambda.**   A compilação durante uma inicialização a frio pode ser significativamente mais lenta para uma função do Lambda do que seria no EC2 porque o AWS Lambda aloca ciclos de CPU [linearmente em proporção à memória](https://docs.aws.amazon.com/lambda/latest/dg/configuration-console.html) atribuída à função. Com 1.769 MB de memória, uma função recebe o equivalente a uma vCPU inteira (um segundo de vCPU de créditos por segundo). O impacto de não atribuir memória suficiente para receber ciclos de CPU adequados é particularmente pronunciado para grandes funções do Lambda escritas em Java.
+ **Esteja ciente de que [habilitar a autenticação do banco de dados do IAM](iam-auth-enable.md) pode retardar uma inicialização a frio**: a autenticação do banco de dados do AWS Identity and Access Management (IAM) também poderá retardar as inicializações a frio, especialmente se a função do Lambda precisar gerar uma nova chave de assinatura. Essa latência afeta apenas a inicialização a frio e não as solicitações subsequentes, porque depois que a autenticação do banco de dados do IAM estabelece as credenciais de conexão, o Neptune só confirma periodicamente que elas ainda são válidas.