

本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

# 檢視 Lambda 函數建議
<a name="view-lambda-recommendations"></a>

AWS Compute Optimizer 會為 AWS Lambda 函數產生記憶體大小建議。函數的建議會顯示在 Compute Optimizer 主控台的下列頁面中：
+ **Lambda 函數建議**頁面會列出您的每個目前函數、其[調查結果分類](#lambda-recommendations-findings)、調查結果原因、目前設定的記憶體、目前用量和目前成本。Compute Optimizer 的最佳建議會列在每個函數旁，其中包含建議的已設定記憶體、建議成本，以及目前函數和建議之間的價格差異。請注意，建議成本是在主控台中**建議成本 （高）** 和**建議成本 （低）** 欄下顯示的範圍。使用建議頁面來比較您目前的函數和其最佳建議，這可協助您決定應該調整或縮減函數的已設定記憶體大小。
+ **Lambda 函數詳細資訊**頁面，您可以從 Lambda 函數建議頁面存取該頁面，列出函數的最佳最佳化建議。它列出目前函數的組態和建議選項。詳細資訊頁面也會顯示目前函數的使用率指標圖表。

建議會每天重新整理。它們是透過分析過去 14 天內目前函數的規格和使用率指標來產生。如需詳細資訊，請參閱[由 分析的指標 AWS Compute Optimizer](metrics.md)。

請記住，Compute Optimizer 會針對符合特定要求集的 Lambda 函數產生建議、產生建議最多可能需要 24 小時，而且必須累積足夠的指標資料。如需詳細資訊，請參閱[資源需求](requirements.md)。

**Topics**
+ [尋找分類](#lambda-recommendations-findings)
+ [預估每月節省和節省的機會](#lambda-savings-calculation)
+ [目前效能風險](#lambda-current-performance-risk)
+ [使用率圖](#lambda-utilization-graphs)
+ [存取 Lambda 函數建議和詳細資訊](lambda-view-recommendations.md)

## 尋找分類
<a name="lambda-recommendations-findings"></a>

**Lambda 函數建議**頁面上的**調查結果**欄提供分析期間每個函數執行方式的摘要。

下列調查結果分類適用於 Lambda 函數。


| 分類 | Description | 
| --- | --- | 
|  未最佳化  |  當 Compute Optimizer 發現其設定的記憶體或 CPU 功率 （與設定的記憶體成正比） 佈建不足或過度佈建時，Lambda 函數會被視為未最佳化。在此情況下，Compute Optimizer 會產生建議，為您的工作負載提供更好的效能或成本。 當函數未最佳化時，運算最佳化工具會顯示**記憶體佈建不足**或**記憶體過度佈建**的調查結果原因。  | 
|  最佳化  |  當 Compute Optimizer 判斷其設定的記憶體或 CPU 功率 （與設定的記憶體成正比） 正確佈建以執行工作負載時，Lambda 函數會被視為最佳化。  | 
|  Unavailable  |  Compute Optimizer 無法為函數產生建議。這可能是因為函數不符合 [Compute Optimizer for Lambda 函數的要求](requirements.md#requirements-lambda-functions)，或函數不符合建議的資格。 對於此調查結果分類，Compute Optimizer 會顯示下列其中一個調查結果原因： [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_tw/compute-optimizer/latest/ug/view-lambda-recommendations.html)  結果為**無法使用**的函數不會列在 Compute Optimizer 主控台中。   | 

## 預估每月節省和節省的機會
<a name="lambda-savings-calculation"></a>

**預計每月節省 (折扣後)**

此欄列出您透過將工作負載從目前的 Lambda 函數記憶體規格遷移至 Savings Plans 定價模型下建議的記憶體規格，而省下的每月成本。若要使用 Savings Plans 折扣接收建議，需要啟用節省估算模式偏好設定。如需詳細資訊，請參閱[節省估算模式](https://docs.aws.amazon.com/compute-optimizer/latest/ug/savings-estimation-mode)。

**注意**  
如果您未啟用節省估算模式偏好設定，此欄會顯示預設的隨需定價折扣資訊。

**預計每月節省 (隨需)**

此欄列出您透過將工作負載從目前的 Lambda 函數記憶體規格遷移到隨需定價模型下建議的記憶體規格，而省下的每月成本。

**節省機會 (%)**

此欄列出目前 Lambda 函數記憶體規格的價格與建議規格的價格之間的百分比差異。如果已啟用節省估算模式，Compute Optimizer 會分析 Savings Plans 定價折扣，以產生節省機會百分比。如果節省估算模式未啟用，則 Compute Optimizer 只會使用隨需定價資訊。如需詳細資訊，請參閱[節省估算模式](https://docs.aws.amazon.com/compute-optimizer/latest/ug/savings-estimation-mode)。

**重要**  
如果您在 中啟用 Cost Optimization Hub AWS Cost Explorer，Compute Optimizer 會使用 Cost Optimization Hub 資料來產生您的建議，其中包括您的特定定價折扣。如果未啟用 Cost Optimization Hub，Compute Optimizer 會使用 Cost Explorer 資料和隨需定價資訊來產生您的建議。如需詳細資訊，請參閱*AWS Cost Management 《 使用者指南*》中的[啟用 Cost Explorer](https://docs.aws.amazon.com/cost-management/latest/userguide/ce-enable.html) 和 [ Cost Optimization Hub](https://docs.aws.amazon.com/cost-management/latest/userguide/cost-optimization-hub.html)。

### 預估每月節省金額計算
<a name="lambda-estimated-monthly-savings-calculation"></a>

對於每個建議，我們使用建議的記憶體規格來計算操作新 Lambda 函數的成本。預估每月節省成本是根據目前 Lambda 函數的執行時數，以及目前記憶體規格和建議記憶體規格之間的速率差異來計算。運算最佳化工具儀表板上顯示的 Lambda 函數估計每月節省成本是帳戶中調查結果分類為*未最佳化*之所有 Lambda 函數估計每月節省成本的總和。

## 目前效能風險
<a name="lambda-current-performance-risk"></a>

**Lambda 函數建議**頁面上的**目前效能風險**欄定義了每個目前 Lambda 函數不符合其工作負載資源需求的可能性。目前的效能風險值範圍從極低、低、中和高。非常低的效能風險表示目前 Lambda 函數預計一律提供足夠的功能。效能風險越高，您越有可能考慮 Compute Optimizer 產生的建議。

## 使用率圖
<a name="lambda-utilization-graphs"></a>

**Lambda 函數詳細資訊**頁面會顯示目前函數的使用率指標圖表。圖形會顯示分析期間的資料。Compute Optimizer 使用每五分鐘時間間隔內的最大使用率點來產生 Lambda 函數建議。

您可以變更圖形以顯示過去 24 小時、三天、一週或兩週的資料。

下列使用率圖表會顯示在詳細資訊頁面上：


| 圖形名稱 | Description | 
| --- | --- | 
|  持續時間 （毫秒）  |  函數程式碼處理事件所花費的時間量。  | 
|  錯誤 （計數）  |  導致函數錯誤的調用次數。函數錯誤包含程式碼擲回的例外，以及 Lambda 執行時間擲回的例外。執行時間會針對如逾時和組態錯誤等問題傳回錯誤。  | 
|  調用 （計數）  |  執行函數程式碼的次數，包括成功的執行和導致函數錯誤的執行。  | 

# 存取 Lambda 函數建議和詳細資訊
<a name="lambda-view-recommendations"></a>

您可以使用下列其中一個程序來存取 AWS 主控台中的 **Lambda 函數建議**或 **Lambda 函數詳細資訊**頁面。

在 **Lambda 函數建議**頁面上，您可以檢視目前函數的建議。在 **Lambda 函數詳細資訊**頁面上，您可以檢視特定函數的詳細資訊及其建議。

## 程序
<a name="lambda-view-process"></a>

### 存取 Lambda 函數建議頁面
<a name="lambda-view-recommendations-process"></a>

**存取 Lambda 函數建議頁面**

1. 在 [https://console.aws.amazon.com/compute-optimizer/](https://console.aws.amazon.com/compute-optimizer/) 開啟運算最佳化工具主控台。

1. 在導覽窗格中選擇 **Lambda 函數**。

   建議頁面會列出函數的規格和問題清單分類，以及建議函數的規格。列出的目前函數來自所選帳戶中目前選取的 AWS 區域。

1. 您可以在建議頁面上執行下列動作：
   + 依 AWS 區域調查結果或調查結果原因篩選建議。若要執行此作業，請先選取**依一或多個屬性篩選**文字方塊。然後，在出現的下拉式清單中選擇 屬性和值。
   + 依標籤篩選您的建議。若要這樣做，請選取**標籤鍵**或**標籤值**文字方塊。然後，輸入您要篩選 Lambda 函數建議的索引鍵或值。

     例如，若要尋找具有索引鍵為 `Owner`且值為 之標籤的所有建議`TeamA`，`tag:Owner`請為篩選條件名稱指定 ，`TeamA`為篩選條件值指定 。
   + 檢視另一個帳戶中函數的建議。若要這樣做，請選擇**帳戶**，然後選擇不同的帳戶 ID。
**注意**  
如果您已登入組織的管理帳戶，且已啟用 Compute Optimizer 的受信任存取，則可以檢視其他帳戶中資源的建議。如需詳細資訊，請參閱 [Compute Optimizer 支援的帳戶](getting-started.md#supported-accounts) 和 [的受信任存取 AWS Organizations](security-iam.md#trusted-service-access)。
   + 清除選取的篩選條件。若要這樣做，請選擇**篩選條件旁的清除**篩選條件。
   + 存取特定**函數的 Lambda 函數詳細資訊**頁面。若要執行此作業，請選擇您要存取的 函數旁列出的問題清單分類。

   當您準備好時，修改 Lambda 函數的已設定記憶體。如需詳細資訊，請參閱《 *AWS Lambda 開發人員指南*》中的[設定 Lambda 函數記憶體](https://docs.aws.amazon.com/lambda/latest/dg/configuration-memory.html)。

### 存取 Lambda 函數詳細資訊頁面
<a name="lambda-viewing-details"></a>

**存取 Lambda 函數詳細資訊頁面**

1. 在 [https://console.aws.amazon.com/compute-optimizer/](https://console.aws.amazon.com/compute-optimizer/) 開啟運算最佳化工具主控台。

1. 在導覽窗格中選擇 **Lambda 函數**。

1. 選擇您想要檢視詳細資訊的 函數旁列出的問題清單分類。

   詳細資訊頁面會列出您所選 函數的最上層最佳化建議。它列出目前函數的規格、建議的函數組態和使用率指標圖表。

1. 您可以在詳細資訊頁面上執行下列動作：
   + 選擇建議選項，以檢視目前函數與建議函數之間的使用率比較。

     目前函數的使用率指標圖表會顯示在頁面底部。
   + 若要變更圖表的時間範圍，請選擇**時間範圍**，然後選擇**過去 24 小時**、**過去 3 天**、**上週**或**過去 2 週**。

     選擇較短的時間範圍會以更高的精細程度顯示資料點，從而提供更高層級的詳細資訊。

   當您準備好時，修改 Lambda 函數的已設定記憶體。如需詳細資訊，請參閱《 *AWS Lambda 開發人員指南*》中的[設定 Lambda 函數記憶體](https://docs.aws.amazon.com/lambda/latest/dg/configuration-memory.html)。