本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

# 考虑使用无服务器 .NET
<a name="net-serverless"></a>

## 概述
<a name="net-serverless-overview"></a>

无服务器计算已成为构建和部署应用程序的一种常用方式。这主要是因为无服务器方法在构建现代架构时所提供的可扩展性和敏捷性。但是，在某些情况下，考虑无服务器计算的成本影响也是很重要的。

Lambda 是一个无服务器计算平台，它能让开发者无需使用专用服务器即可运行代码。对于那些希望降低基础设施成本的 .NET 开发人员来说，Lambda 是一个极具吸引力的选择。借助 Lambda，.NET 开发人员能够开发并部署具有高度可扩展性且可能具有成本效益的应用程序。通过采用无服务器方法，开发人员不再需要为处理应用程序请求而预调配服务器。相反，开发人员可以创建那些按需执行的函数。这使得无服务器架构在可扩展性、可管理性以及潜在的成本效益方面都优于运行、管理和扩展虚拟机的方式。因此，您只需为应用程序所使用的资源付费，而无需担心资源未充分利用的情况或服务器维护费用。

开发人员可以使用现代的跨平台 .NET 版本来构建运行速度快、效率高且成本效益好的无服务器应用程序。.NET Core 及其更新版本是一个免费且开源的框架，相较于之前的 .NET Framework 版本，它更适合在无服务器平台上运行。这使得开发人员能够缩短开发时间并提高应用程序的性能。现代 .NET 还支持一系列编程语言，包括 C\# 和 F\#。因此，对于那些希望在云中构建现代化架构的开发者来说，这是一个颇具吸引力的选择。

本部分介绍如何通过将 Lambda 作为无服务器选项来实现成本节省。您可以通过微调 Lambda 函数的执行配置文件、合理调整 Lambda 函数的内存分配、采用[本机 AOT](https://learn.microsoft.com/en-us/dotnet/core/deploying/native-aot/?tabs=net7%2Cwindows) 并迁移到基于 Graviton 的函数等方式进一步优化成本。

## 成本影响
<a name="net-serverless-cost"></a>

您可以降低多少成本取决于多个因素，包括您的无服务器函数将执行多少次以及分配的内存量和每个函数的持续时间。 AWS Lambda 提供免费套餐，包括每月 100 万个免费请求和每月 400,000 GB 秒的计算时间。您可以显著降低超出或接近这些免费套餐限制范围的工作负载所产生的每月费用。

使用以 Lambda 函数为目标的负载均衡器时，可能还会产生额外费用。这是根据负载均衡器针对 [Lambda 目标](https://docs.aws.amazon.com/elasticloadbalancing/latest/application/lambda-functions.html)处理的数据量计算得出的。

## 成本优化建议
<a name="net-serverless-rec"></a>

### 调整您的 Lambda 函数的大小
<a name="net-serverless-rec-rightsize-lambda"></a>

合理调整大小是实现基于 .NET 的 Lambda 函数成本优化的一项关键措施。这一过程包括确定既能保证性能又能兼顾成本效益的最优内存配置，且无需对代码进行任何更改。

通过为 Lambda 函数配置内存（范围从 128MB 到 10240MB 不等），您还可以调整调用时可用的 vCPU 数量。这使得内存或 CPU 密集型应用程序在执行过程中能够获取更多资源，从而有可能缩短调用持续时间并降低总体成本。

但是，确定适用于您基于 .NET 的 Lambda 函数的最佳配置可能是一个需要人工操作且耗时的过程，尤其是在更改频繁的情况下。[AWS Lambda Power Tuning 工具](https://github.com/alexcasalboni/aws-lambda-power-tuning)能够通过将一组内存配置与示例有效载荷进行对比分析，帮助您确定合适的配置。

例如，为基于 .NET 的 Lambda 函数增加内存可以缩短总调用时间并降低成本，同时不会影响性能。函数的最佳内存配置可能有所不同。 AWS Lambda Power Tuning 工具可以帮助确定每项功能的最具成本效益的配置。

在下面的示例图表中，对于此 Lambda 函数而言，总调用时间随着内存的增加而缩短。这可以降低总执行成本，同时又不影响该函数的原有性能。对于此函数，其最佳内存配置为 512MB，因为在此配置下，每次调用的资源利用率在总成本方面最为高效。这因函数而异，而通过在您的 Lambda 函数中使用该工具，可以确定这些函数受益于大小调整。



![调用时间图表](http://docs.aws.amazon.com/zh_cn/prescriptive-guidance/latest/optimize-costs-microsoft-workloads/images/graph_invocation_time.png)


我们建议您定期完成此项操作，将其作为发布新更新时进行集成测试的一部分。如果更新频率较低，请定期进行此项练习，以确保函数得到优化和调整。确定了 Lambda 函数的合适内存设置之后，就可以对您的进程添加大小调整。 AWS Lambda Power Tuning 工具会生成编程输出，在新代码发布期间，CI/CD 工作流程可使用这些输出。这使您能够自动进行内存配置。

您可以免费下载 [AWS Lambda Power Tuning 工具](https://github.com/alexcasalboni/aws-lambda-power-tuning)。有关如何使用该工具的说明，请参阅中的[如何执行状态机](https://github.com/alexcasalboni/aws-lambda-power-tuning/blob/master/README-EXECUTE.md) GitHub。

Lambda 还支持原生 AOT，它支持对 .NET 应用程序进行预先编译。这可以通过缩短 .NET 函数的执行时间来降低成本。有关创建本机 AOT 函数的更多信息，请参阅 Lambda 文档中的[使用本机 AOT 编译的 .NET 函数](https://docs.aws.amazon.com/lambda/latest/dg/dotnet-native-aot.html)。

### 避免闲置等待时间
<a name="net-serverless-rec-rightsize-idle-time"></a>

Lambda 函数持续时间是用于计算账单的一个维度。当函数代码发出阻止调用时，将根据它等待接收响应的时间向您计费。当 Lambda 函数链接在一起时，或者函数充当其他函数的编排工具时，此等待时间可能会增加。如果您有诸如批处理操作或订单交付系统之类的工作流，将会增加管理开销。此外，可能无法在 Lambda 的最大超时时间 15 分钟内完成所有工作流逻辑和错误处理。

与其在函数代码中处理此逻辑，我们建议您重新构建解决方案，以将 [AWS Step Functions](https://aws.amazon.com/step-functions/) 用作工作流的编排工具。使用标准工作流时，将为工作流中的每个[状态](https://docs.aws.amazon.com/step-functions/latest/dg/concepts-states.html)转换向您计费，而不是工作流的总持续时间。此外，您可以将对重试的支持、等待条件、错误工作流和[回调](https://docs.aws.amazon.com/step-functions/latest/dg/connect-to-resource.html#connect-wait-token)移至状态条件中，以便您的 Lambda 函数专注于业务逻辑。有关更多信息，请参阅 AWS Compute 博客中的[优化 AWS Lambda 成本 — 第 2 部分](https://aws.amazon.com/blogs/compute/optimizing-your-aws-lambda-costs-part-2/)。

### 迁移到基于 Graviton 的函数
<a name="net-serverless-rec-graviton-functions"></a>

由下一代 Graviton2 处理器提供支持的 Lambda 函数现已全面推出。Graviton2 函数采用基于 ARM 的处理器架构，其设计旨在为各种无服务器工作负载提供最高 19% 的性能提升，同时将成本降低 20%。凭借更低的延迟和更出色的性能，由 Graviton2 处理器提供支持的函数非常适合为任务关键型无服务器应用程序提供支持。

对于希望优化 Lambda 成本的 .NET 开发人员而言，迁移到基于 Graviton 的 Lambda 函数可能是一种经济高效的选择。基于 Graviton 的函数使用基于 ARM 的处理器而不是传统的 x86 处理器。这能够带来显著的成本节省，同时又不会影响性能。

虽然迁移到基于 Graviton 的函数可以带来诸多好处，但同时也存在一些挑战和需要考虑的因素，我们建议您予以重视。例如，基于 Graviton 的函数需要使用 Amazon Linux 2，而该系统可能不与所有 .NET 应用程序兼容。此外，还可能存在与第三方库或依赖关系的兼容性问题，这些库或依赖关系与基于 ARM 的处理器不兼容。

如果您正在运行 .NET Framework 应用程序，并希望利用 Lambda 实现无服务器，那么您可以考虑使用 [Porting Assistant for .NET](https://aws.amazon.com/porting-assistant-dotnet/) 将这些应用程序迁移到现代的 .NET 环境中。这将有助于您将遗留的 .NET 应用程序快速移植到现代的 .NET 环境中，从而使该应用程序能够在 Linux 上运行。

以下图表对比了计算质数的函数的 x86 和 ARM/Graviton2 架构结果。



![比较 x86 和 ARM/Graviton2 架构](http://docs.aws.amazon.com/zh_cn/prescriptive-guidance/latest/optimize-costs-microsoft-workloads/images/graph_prime_numbers.png)


该函数使用的是单线程。当内存配置为 1.8GB 时，两种架构的最短运行时间均被报告出来。除此之外，Lambda 函数可以使用超过 1 个 vCPU，但在这种情况下，该函数无法利用这些额外的计算能力。出于同样的原因，在内存最高达到 1.8GB 时，成本保持稳定。随着内存容量的增加，成本也会随之上升，因为此工作负载没有任何额外的性能益处。Graviton2 处理器显然在这一计算密集型函数方面提供了更高的性能和更低的成本。

要将您的函数配置为将基于 ARM 的处理器与 Graviton 结合使用，请执行以下操作：

1. 登录 AWS 管理控制台 并打开 [Lambda 控制台](https://console.aws.amazon.com/lambda/)。

1. 选择**创建函数**。

1. 对于**函数名称**，输入一个名称。

1. 对于 **Runtime**，请选择 **.NET 6 (C\#/ PowerShell**)。

1. 对于**架构**，选择 **arm64**。

1. 进行您需要的任何其他配置，然后选择**创建函数**。

## 其他资源
<a name="net-serverless-resources"></a>
+ [Lambda 函数作为目标（文档](https://docs.aws.amazon.com/elasticloadbalancing/latest/application/lambda-functions.html)）AWS 
+ [使用 AWS Compute Optimizer（AWS 计算博客）优化 AWS Lambda 成本和性能](https://aws.amazon.com/blogs/compute/optimizing-aws-lambda-cost-and-performance-using-aws-compute-optimizer/)
+ [优化 AWS Lambda 成本 — 第 1 部分](https://aws.amazon.com/blogs/compute/optimizing-your-aws-lambda-costs-part-1/)（AWS 计算博客）
+ [优化 AWS Lambda 成本 — 第 2 部分](https://aws.amazon.com/blogs/compute/optimizing-your-aws-lambda-costs-part-2/)（AWS 计算博客）
+ [AWS Lambda 使用.NET 7 构建无服务器.NET 应用程序](https://aws.amazon.com/blogs/compute/building-serverless-net-applications-on-aws-lambda-using-net-7/)（AWS 计算博客）