Application Spring Boot sur AWS Lambda - Partie Mesure des démarrages à froid et à chaud avec l'image native GraalVM et les paramètres de mémoire

Introduction

Dans l'article 12 de notre série, nous avons exploré comment développer et déployer la fonction Lambda avec un runtime personnalisé contenant une image native GraalVM avec le runtime GraalVM 22 créé à partir de l'application Spring Cloud Function AWS. Dans la partie 13 nous avons mesuré les performances (démarrages à froid et à chaud) d'une telle fonction Lambda avec 1024 Mo de mémoire.

Dans cet article, nous mesurerons les performances (démarrages à froid et à chaud) de la fonction Lambda en utilisant cette approche avec différents paramètres de mémoire entre 256 et 1 536 Mo pour explorer le compromis entre coût et performances.

Mesure des démarrages à froid et à chaud de la fonction Lambda avec un runtime personnalisé contenant une image native GraalVM avec différents paramètres de mémoire

Nous réutiliserons exactement la même expérience décrite dans la partie 13 de cette série d'articles mais avec des paramètres de mémoire différents entre 256 et 1536 Mo.

Voici les résultats de l'expérience :

Heure de démarrage à froid (c) et à chaud (m) en ms :

Memory setting	c p50	c p75	c p90	c p99	c p99.9	c max	w p50	w p75	w p90	w p99	w p99.9	w max
256 MB	1634.84	1659.54	1691.35	1778.03	1785.15	1785.7	6.56	6.99	7.63	18.33	372.54	857.7
512 MB	1244.44	1278.48	1313.45	1414.28	1421.36	1421.94	6.66	7.10	7.94	25.41	181.86	414.99
768 MB	1111.53	1126.07	1139.66	1192.08	1202.86	1203.07	6.58	6.93	7.48	12.46	115.18	278.91
1024 MB	1051.03	1061.58	1080.86	1119.34	1149.45	1230.28	6.45	6.77	7.33	12.50	90.92	218.17
1280 MB	1022.02	1035.39	1058.41	1065.76	1104.64	1174.79	6.58	6.96	7.54	12.37	70.77	271.13
1536 MB	1009.83	1029.20	1048.41	1161.32	1116.24	1148.24	6.66	7.04	7.75	12.08	63.03	215.62

Conclusion

Dans cet article, les démarrages à froid et à chaud mesurés de la fonction Lambda à l'aide d'un runtime personnalisé contenant l'image native GraalVM avec le runtime GraalVM 21 créé à partir de l'application Spring Cloud Function AWS introduite dans la partie 12 ayant différents paramètres de mémoire entre 256 et 1 536 Mo.

Nous observons des choses similaires à celles décrites dans l'article Fonction Pure Lambda avec GraalVM Native Image - Mesure des démarrages à froid et à chaud en utilisant différents paramètres de mémoire Lambda. Les temps de démarrage à chaud sont également très proches les uns des autres avec le paramètre de mémoire de fonction Lambda inférieur, comme 256 ou 512 Mo, où la différence est principalement visible pour les percentiles élevés (>= p90). Les temps de démarrage à froid sont assez élevés pour 256 et 512 Mo et à partir de 768 Mo de mémoire ils ne diminuent qu'un peu en donnant plus de mémoire à Lambda, mais sans différence notable pour une mémoire supérieure à 1024 Mo. En fonction de vos exigences de performances, vous pouvez donner à Lambda moins de mémoire que 1 024 Mo comme nous l'avons initialement indiqué dans l'exemple d'application et avoir un très bon compromis prix-performances avec 768 Mo ou même un peu moins de mémoire.

Nous avons également partagé les mêmes observations que celles décrites dans la conclusion de la partie 13. Lorsque nous comparons les temps de démarrage à froid à ceux mesurés dans l'article Fonction Pure Lambda avec GraalVM Native Image - Mesure des démarrages à froid et à chaud à l'aide de différents paramètres de mémoire Lambda ( où la fonction Lambda n'utilise aucun framework comme Spring Boot), nous voyons des valeurs inférieures d'environ 0,5 à 0,6 secondes pour chaque centile lors de l'utilisation de la fonction Lambda pure. Personnellement, je pense que mon exemple d'application Spring Boot 3 a un certain potentiel d'optimisation car je ne peux pas expliquer une si grande différence dans les temps de démarrage à froid entre ceux-ci. Mon attente (peut-être naïve) est que l'utilisation du framework Spring Boot 3 avec AWS Lambda et l'image native GraalVM ne puisse conduire qu'à des temps de démarrage à froid 0,2 à 0,3 plus élevés par rapport à l'utilisation de la fonction Lambda pure.

Au moment de la publication de cet article, de nouvelles versions des frameworks et des outils utilisés sont devenues disponibles (runtime GraalVM 23, Spring Boot 3.4 et mise à jour de la bibliothèque Spring Cloud Function), vous devez donc apporter les modifications de version et recompiler GraalVM Native. image en suivant les instructions de la partie 2 de la série et mesurez à nouveau les performances. Je publierai également bientôt les nouvelles mesures avec ces versions et mettrai à jour l'exemple d'application.

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!