无服务器架构是一种构建应用程序和服务的方法，无需管理基础设施。应用程序还是在服务器上运行，但所有服务器管理工作均由 AWS 来完成。无需再预置、扩展和维护服务器，就可以让你的应用程序、数据库和存储系统正常工作。

AWS Lambda 是 AWS 提供的一种无服务器计算服务，它可以让你运行任何类型的代码，来应对事件或 HTTP 请求。只要写好代码，然后上传到 Lambda，Lambda 就会给你分配和管理计算资源，按照你的代码跑了多久和用了多少资源来收钱。

在这篇文章里，会详细讲讲 AWS Lambda 是怎么工作的，有什么好处和坏处，以及怎么用 Lambda 和其他 AWS 服务来做无服务器架构的常见模式和用例。

AWS Lambda 的工作原理

要使用 AWS Lambda，你需要创建一个 Lambda 函数，即一段可在 Lambda 环境中运行的代码。你可以使用你喜欢的编程语言来编写 Lambda 函数，只要 Lambda 支持该语言的运行时。目前，Lambda 支持以下语言的运行时：

  • Node.js
  • Python
  • Ruby
  • Java
  • Go
  • .NET Core
  • Custom Runtime

你还需要为你的 Lambda 函数指定一个处理程序，即在 Lambda 环境中启动你的代码的函数。处理程序的名称和格式取决于你使用的编程语言。例如，如果你使用 Python 编写 Lambda 函数，你可以将处理程序指定为 file_name.function_name，其中 file_name 是包含你的代码的文件的名称，而 function_name 是你的代码中定义的函数的名称。

你还可以为你的 Lambda 函数配置一些设置，例如：

  • 内存大小：你可以为你的 Lambda 函数分配的内存量，从 128 MB 到 10240 MB。
  • 超时时间：你的 Lambda 函数在终止之前可以运行的最长时间，从 1 秒到 900 秒。
  • 角色：你的 Lambda 函数需要的 IAM 角色，以便访问其他 AWS 资源。
  • 环境变量：你可以为你的 Lambda 函数定义的一组键值对，以便在你的代码中使用。
  • 层：你可以为你的 Lambda 函数添加的一层或多层，以便重用代码或库。

你可以通过多种方式来触发你的 Lambda 函数，例如：

  • 事件源：你可以配置你的 Lambda 函数以响应来自其他 AWS 服务的事件，例如 S3、DynamoDB、SNS、SQS 等。当这些服务产生一个事件时，它们会将事件数据发送到 Lambda，Lambda 会调用你的函数并将事件数据作为输入参数传递给你的函数。
  • API Gateway：你可以使用 Amazon API Gateway 来创建一个 RESTful API，并将 API 的请求映射到你的 Lambda 函数。当 API 收到一个请求时，它会将请求数据发送到 Lambda，Lambda 会调用你的函数并将请求数据作为输入参数传递给你的函数。
  • AWS SDK：你可以使用 AWS SDK 来直接调用你的 Lambda 函数，无需通过事件源或 API Gateway。你可以将任何数据作为输入参数传递给你的函数，并获取函数的返回值。

当你的 Lambda 函数被触发时，Lambda 会为你的函数分配一个计算实例，并在该实例上启动你的函数的运行时和处理程序。然后，Lambda 会将输入参数传递给你的处理程序，并执行你的代码。当你的代码执行完毕时，Lambda 会获取你的处理程序的返回值，并将其作为输出返回给调用者。最后，Lambda 会停止你的函数的运行时和处理程序，并释放计算实例。

如果你的 Lambda 函数被频繁触发，Lambda 会为你的函数重用计算实例，以提高性能和效率。这意味着你的函数的运行时和处理程序不会每次都被启动和停止，而是会保持在内存中，直到计算实例被回收或更换。这也意味着你的函数可以利用计算实例的状态，例如全局变量、缓存、连接池等，来加速你的代码的执行。但是，你不能依赖计算实例的状态，因为它可能随时变化或消失。

AWS Lambda 的优势

使用 AWS Lambda 有以下几个优势：

  • 灵活性：你可以使用你喜欢的编程语言和工具来编写你的代码，并将其部署到 Lambda，无需考虑服务器的选择、配置和管理。
  • 可扩展性：你无需预置或扩展你的服务器，Lambda 会根据你的函数的触发频率和并发量，自动为你分配和管理足够的计算资源，以满足你的需求。
  • 可靠性：你无需担心你的服务器的故障、维护或更新，Lambda 会确保你的函数始终可用，并在发生错误时自动重试或恢复。
  • 低成本：你无需为你的服务器付费，Lambda 会根据你的函数的执行时间和使用的资源量来收费，你只需为你实际使用的计算资源付费，而不是为你预置的计算资源付费。

AWS Lambda 的局限性

使用 AWS Lambda 也有以下几个局限性：

  • 冷启动：当你的 Lambda 函数被首次触发或在一段时间内没有被触发时，Lambda 会为你的函数分配一个新的计算实例，并在该实例上启动你的函数的运行时和处理程序。这个过程可能需要一些时间，从几百毫秒到几秒不等，取决于你的函数的运行时和代码大小。这会导致你的函数的响应时间变慢，影响你的用户体验。这个问题被称为冷启动，你可以通过一些方法来缓解或避免，例如使用预热技术、优化你的代码和依赖项、选择合适的内存大小等。
  • 超时时间：你的 Lambda 函数在终止之前可以运行的最长时间是 900 秒，如果你的函数需要运行更长的时间，你可能需要将你的任务分解为多个函数，或者使用其他 AWS 服务，例如 ECS、Fargate 或 Batch。
  • 资源限制：你的 Lambda 函数可以使用的计算资源是有限的，例如内存、CPU、磁盘空间、网络带宽、文件描述符等。如果你的函数需要更多的资源，你可能需要优化你的代码或使用其他 AWS 服务，例如 EC2、ECS、Fargate 或 Batch。
  • 依赖管理：你的 Lambda 函数可能需要使用一些外部的库或框架，你需要将这些依赖项打包到你的函数的部署包中，并上传到 Lambda。这可能会增加你的函数的代码大小和复杂性，以及你的部署和更新