AWS Lambda python函数的长期冷启动

Question

我已经使用Zappa将非常简单的flask函数（即链接到sql查询并将它们转换为表的两条简单路由）转换为Lambda函数。部署的功能约为20MB。因为流量非常低，所以我没有使用任何预热机制。

该功能仅需要128MB内存，并且在销毁所有先前实例的情况下使用此内存运行时，冷启动大约需要16秒。

从直觉上看，这似乎很长一段时间，而且我已经读过（例如here），这表明VPC中的 not 函数在冷启动时具有相对较低的延迟。

如果我在函数中添加内存，则冷启动时间似乎会线性减少。同样，这与我所阅读的内容（例如上文的here）存在冲突，因为内存不是冷启动延迟的问题。这是我的调用时间表：

这些结果会让我感到惊讶还是我错过了什么？

谢谢

斯蒂芬

Answer 1

我并不感到惊讶。请记住，在1GB的RAM之下，CPU是单核，并且CPU与内存呈线性增长。

请尝试this tool来微调Lambda的内存/功耗和成本。如果您不想增加内存，请尝试使用Provisioned Concurrency来减少启动。

PS：您确定那些时间是因为冷启动吗？

Answer 2

在调用处理程序函数之前，不会限制基础CPU（请参阅this re:invent video）。由于随着内存的增加计费的持续时间在减少，有人告诉我您可能在处理程序中编写了函数定义，根据分配给该函数的内存自然会限制该函数定义，从而花费更长的时间。

尝试描述处理程序外部的所有函数和静态变量，并尽量减少处理程序代码。这样可以确保Lambda在具有完全CPU容量的处理程序之外花费更多的时间，然后再在受到限制的处理程序函数上调用。

最好的方法是我使用X-Ray segments对函数代码进行概要分析，以了解函数在哪里花费了更多时间。如果确实是冷启动或只是需要更长的时间，这将使画面更清晰。

注意：冷启动持续时间不计入您的功能持续时间指标，而是在启用X射线跟踪时显示为“初始持续时间”。