戳蓝字“CSDN云计算”关注我们哦！
技术头条：干货、简洁、多维全面。更多云计算精华知识尽在眼前，get要点、solve难题，统统不在话下！
译者：风车牛马
整理：刘丹
Kyle Galbraith，高级软件工程师，AWS认证专业解决方案架构师。Kyle Galbraith开门见山的提到：“对于使用Serverless和AWS Lambda的新人来说，通常我们会为他们提供需要的功能。我们编码时会考虑服务会做什么，它会依赖什么。”
当涉及到提供新服务时，需要对一些性能做出预测。估计有多少内存来提供功能；大致了解了运行函数并退出所需的时间，无服务器架构允许我们快速部署。
如果我们预测和估计错误呢?内存不足或将时间限制设置的较低，就会出现大量错误。亚马逊网络服务不会出现这些问题，这是一种责任。同时AWS为我们提供了一些工具和方法，允许我们自己检查这些问题。
本文我们将研究如何使用AWS CloudWatch来更好地理解Lambda函数——实际使用了多少内存和执行时间。在此基础上，可以调整功能，以平衡成本问题，同时不降低性能。
AWS CloudWatch
早在去年11月，AWS就发布了CloudWatch。几乎所有的AWS服务都会创建某种类型的日志，这些日志通常包含许多关于服务器的有价值的信息。
该版本发布之前，需要几跳地址获取这些数据并将其可视化。虽然可以对日志组执行基本查询，但很多时候，必须将日志转存到能够查询的地方。
CloudWatch 避免了这样的负担，可以直接查询所感兴趣的数据点。例如，查询函数实际使用了多少内存，针对各种不同的AWS服务编写自己的定制查询。这对于生成特定服务器的报告和可视化非常有用。
我们下面来探索CloudWatch如何优化分配的内存，从而节省一点钱。注意，CloudWatch 中运行查询的价格是每GB扫描数据0.005美元，所以要注意查询的数据量。
举个例子——AWS Lambda函数
我们首先假设一个实际应用的场景，已经过分分配了Lambda函数的内存。
我编写了一个Lambda函数自动创建MailChimp活动。该函数通过查询一个谷歌列表来获取一周的文章，然后使用电子邮件模板创建MailChimp活动。
这个函数一周运行一次，所以不会耗尽资源。但我们假设这个函数每周被调用10,000次。想象一下，这样跟得上吗? 下面开始详细讨论。
首先看看为这个连续不断的函数准备了多少内存，可以通过serverless.yml文件来看到。
有趣的是，我们在这个YAML文件中没有看到任何有关内存的内容，为什么?这意味着使用了无服务器框架的默认内存值，为这个函数提供了1024 MB的内存。
对于读取列表并调用MailChimp API的函数，我们真的需要这些内存吗?也许吧，但实际上我们可以通过使用CloudWatch得到答案。
确定超配的内存
CloudWatch 附带了许多开箱即用的示例查询。您可以使用它们查看最近的CloudTrail事件、查询VPC流日志、查看Route53区域正在接收多少请求等等。
这里感兴趣的是超配给内存的查询。我们可以通过登录到AWS控制台，然后进入CloudWatch来查询结果。一旦进入CloudWatch服务，我们就可以选择日志下面的链接。
进入CloudWatch 页面后，我们可以选择Sample Queries下拉菜单，然后打开Lambda选项。在这里，我们看到“Determine the amount of overprovisioned memory sample query” （查询过量内存的数量），然后选择它。如下所示：
查询的结果有已分配的内存、最小使用量、平均使用量、最大使用量，并计算内存的过度分配情况。在选择的时间段内（默认为1小时）进行计算。
在查询编辑器中，我们还看到一个下拉菜单，它允许我们选择查询的AWS资源。
我们看到这个函数过去四周运行了四次。假设这个函数每周被调用10,000次，函数在过去4周内被调用了40000次。可以得出以下结果。
我们所分配的内存是976 MB，但是平均内存使用量只有95 MB，这意味着函数被超额分配了881 MB。只使用提供的内存的9%意味着什么呢?
最简单的答案是，我们在浪费资源，因此也在浪费金钱。让我们来看看价格细分。
Lambda函数提供1024 MB内存，每次调用大约需要7000毫秒执行。对于每周10,000次调用，我们的成本分解如下所示。
以每GB每秒0.00001667美元的速率，我们得到的总成本为：
在此计算中，还有几美分需要考虑到请求的成本，但是在这个场景中，这些成本非常小。
老实说，一个月运行4万次的函数每月5美元似乎不算太糟。实际上不太值得您花时间优化它，但是为了方便讨论，假设将内存更改为128mb，这将如何影响我们的成本?
以每GB每秒0.00001667美元的速率，我们得到的总成本为：
哇，现在比1024 MB内存时便宜88%。好吧，这有什么大不了的，每个月只能省下4美元，可能不会对你的AWS账单产生明显的影响。
但是请记住，当我们使用无服务器框架来提供Lambda函数时，1024 MB是提供给它的默认内存。那么4-5名开发人员组成的团队需要将该Lambda函数迁移到无服务器架构时，情况会怎样? 他们是否对实际需要的内存做了足够分析?也许会吧，也许不会。
进一步假设有300个Lambda函数，它们的性能和我们的例子相似。当我们的功能供大于求时，无服务器架构的成本将是每月4.66 x 300美元是1398.00美元。如果我们对内存进行调优，成本会显著降低，每月0.58 x 300美元是174美元。对于如此小的变化，差异是巨大的。
其他要点
对于上述示例，我们将内存从1024 MB减少到128 MB，并且函数的性能没有改变，函数仍然在7秒内完成了其功能。
然而情况并不总是这样。在某些运行情况下，将所分配的内存更改88%将会更改函数执行所需的时间。如果减少内存导致增加6倍的时间来完成，那么反而影响了性能和效率。
另一方面，增加内存分配可以更快的调用。对于上述示例函数，我们可以将内存从1024 MB更改为2048 MB，并将执行时间从7秒降低到3.5秒。这意味着我们可以将函数的执行时间缩短一半，而不需要比1024 MB时多花一分钱。
要记住的是，可以根据需要对内存分配进行微调。超过900 MB的过剩内存，明显说明您可以缩减内存。能否调整到128mb可能会根据具体情况而定。
结论
Serverless是一种非常强大的体系结构，可以带来很多好处。节省成本，让开发人员将精力放在业务驱动而不是服务器上。但是，如果没有正确地配置和调优函数，成本效益就会很快消失。
要对分配给函数的内存进行调优，CloudWatch 是一个很好的方法。正如在示例函数中看到的，我们可以将函数调优到它实际使用的值（节省88%）。内存是成本控制的一个杠杆。另外，它还能以同样的成本获得性能优势。
福利
扫描添加小编微信，备注“姓名+公司职位”，加入【云计算学习交流群】，和志同道合的朋友们共同打卡学习！
推荐阅读：
图解分布式架构的发展和演进 | 技术干货
Docker 系列学习文章 | 什么是容器云？
任正非：华为海思芯片不是“备胎”！
揭秘清华 AI 学堂班：姚期智担任首席教授，2019 年首批招收 30 人
Google Android 向华为“闭源”！华为手机迎来至暗时刻！
"两年前我对区块链的了解为零, 两年后我成了工程师" 我是如何得到第一份工作的?
《使女的故事》大火，AI是背后最大推手？
真香，朕在看了！
