我需要使用AWS Kinesis流＆amp; amp;来实现流解决方案。 LAMBDA。
Lambda函数1 -
它将数据添加到流中，并且每10秒调用一次。我向流添加了100个数据请求（每个1kb）。我正在运行两个调用lambda函数的脚本实例。
Lambda函数2 -
这个lambda使用上面的流作为触发器。在小量数据/间隔第二个lambda同时获取数据。但是在上述指标上，数据比平常慢（+1小时流后慢10分钟）。
我检查了两个lambda函数的逻辑并验证了，在将数据推送到流之前，第一个lambda不会增加延迟。我还通过第二个lambda中的流包验证了这一点，其中 approximateArrivalTimestamp ＆amp; 当前时间明显有时间差增加..
Kinesis本身没有在分析中显示任何问题/限制（我正在使用1个分片）。
我是否需要进行任何体系结构更改以使其更顺畅，因为我需要扩展至少10次，例如20个调用第一个lambda的200个数据包，超时1 - 10秒作为后续基准测试。
我使用100作为批量大小。可以增加/减少它有优势吗？
更新：当我在网上进行更多探索时，我找到了实现一些异步/前置lambda与kinesis的想法，后者反过来异步调用实际的lambda，因此lambda处理时间不会成为瓶颈。但是，这种方法也失败了，因为我有相同的延迟问题。我检查了执行时间。面向前方的lambda以1秒结束。但是我仍然在 approximateArrivalTimestamp ＆amp;两个lambda中的当前时间。
请帮忙！
答案 0 :(得分：0)
对于一个碎片，将有一个第二个lambda的实例。
所以它对第二个lambda来说就像这样。 lambda从流中读取配置的记录大小并对其进行处理。在成功处理以前的记录之前，它不会读取其他记录。
添加第二个分片，您将有2个lambdas处理记录。因此，我看到扩展架构的方式是增加分片数量，但要确保数据在分片中均匀分布。