cari
RumahJavajavaTutorialAWS SnapStart - Bahagian Mengukur sejuk dan hangat bermula dengan Java menggunakan lapisan Lambda (2)

AWS SnapStart - Part Measuring cold and warm starts with Java using Lambda layer (2)

pengenalan

Dalam catatan blog Cara membuat, menerbitkan dan menggunakan lapisan untuk fungsi Java 21 Lambda kami menerangkan cara menerbitkan lapisan Lambda pertama kami dengan Java 21. Dalam artikel Mengukur sejuk dan hangat bermula dengan Java 21 menggunakan lapisan Lambda (1) kami mencipta aplikasi menggunakan lapisan Lambda ini dan kemudian mengukur masa mula sejuk dan hangat tanpa SnapStart didayakan, dengan SnapStart didayakan dan juga menggunakan pengoptimuman penyebuan invokasi DynamoDB dan membandingkan hasilnya dengan ukuran kami tanpa menggunakan lapisan Lambda dan menyediakan semua kebergantungan dalam fail POM yang kami lakukan dalam artikel Mengukur sejuk dan hangat bermula dengan Java 21 menggunakan tetapan memori Lambda yang berbeza. Dalam artikel ini, kami akan mencipta satu lagi lapisan Lambda akan semua kebergantungan dan menggunakan lapisan ini dalam aplikasi kami, membuat ukuran yang sama dan membandingkan hasilnya dengan percubaan sebelumnya.

Mengukur sejuk dan hangat bermula dengan Java 21 menggunakan lapisan Lambda dengan semua kebergantungan

Demi penerokaan kami akan menggunakan sampel lapisan Lambda untuk mencipta lapisan Lambda dengan Java 21 runtime membungkus semua kebergantungan ke dalam lapisan :

  • dynamodb
  • lambda
  • apache-client
  • aws-lambda-java-core
  • aws-lambda-java-events
  • org-crac
  • slf4j-simple
  • jackson-dataformat-xml

Kami juga akan menggunakan aplikasi sampel. Pada asasnya terdapat 2 fungsi Lambda yang ditakrifkan dalam templat AWS SAM yang kedua-duanya bertindak balas kepada permintaan Gateway API dan mendapatkan produk melalui id yang diterima daripada Gateway API daripada DynamoDB. Satu fungsi Lambda GetProductByIdWithPureJava21LambdaWithAllLayer boleh digunakan dengan dan tanpa SnapStart dan yang kedua GetProductByIdWithPureJava21LambdaAndPrimingWithAllLayer menggunakan penyebuan permintaan SnapStart dan DynamoDB.

Untuk menggunakan lapisan Lambda dengan semua kebergantungan yang dibuat sebelum ini untuk fungsi Lambda dalam templat SAM AWS, kita perlu menambah parameter Lapisan pada fungsi Lambda seperti ini:

    Type: AWS::Serverless::Function
    Properties:
      FunctionName: GetProductByIdWithPureJava21LambdaWithAllLayer
      AutoPublishAlias: liveVersion
      Layers:
        - !Sub arn:aws:lambda:${AWS::Region}:${AWS::AccountId}:layer:aws-pure-java-21-common-lambda-layer:1
      Handler: software.amazonaws.example.product.handler.GetProductByIdHandler::handleRequest

Sila gantikan Layer ARN (termasuk versi) dengan anda sendiri yang merupakan output jika arahan lapisan terbitkan (aws lambda publish-layer-version).

Dalam pom.xml anda melihat semua kebergantungan dengan skop disediakan (oleh lapisan Lambda yang dilampirkan).

Keputusan percubaan di bawah adalah berdasarkan pembiakan lebih daripada 100 sejuk dan kira-kira 100,000 panas bermula dengan eksperimen yang berlangsung selama kira-kira 1 jam. Untuk itu (dan percubaan dari artikel saya sebelum ini) saya menggunakan alat ujian beban hey, tetapi anda boleh menggunakan apa sahaja alat yang anda mahu, seperti Serverless-artillery atau Postman.
Saya menjalankan semua eksperimen ini dengan memberikan fungsi Lambda kami 1024 MB memori dan dengan menghantar pilihan kompilasi berikut melalui pembolehubah persekitaran: JAVA_TOOL_OPTIONS: "-XX:+TieredCompilation -XX:TieredStopAtLevel=1" (kompilasi klien tanpa pemprofilan).

Dalam jadual di bawah, saya juga akan memberikan keputusan dengan ukuran kami tanpa menggunakan lapisan Lambda (dan menyediakan semua kebergantungan dalam fail POM) yang kami lakukan dalam artikel Mengukur sejuk dan hangat bermula dengan Java 21 menggunakan memori Lambda yang berbeza tetapan dan ukuran apabila menggunakan lapisan Lambda biasa untuk mempunyai perbandingan secara langsung.
Singkatan c adalah untuk permulaan sejuk dan w adalah untuk permulaan hangat.

Masa mula sejuk (c) dan hangat (w) tanpa SnapStart dalam ms:

Experiment 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
with all dependencies Lambda Layer 2824.33 2884.24 2963.14 3324.07 3622.44 3625.58 5.50 6.20 7.16 15.50 46.19 1278.41
with common Lambda Layer 3497.91 3597.18 3695.58 3800.47 3908.33 4011.71 5.82 6.72 8.00 17.97 55.48 1709.13
w/o Lambda Layer 3157.6 3213.85 3270.8 3428.2 3601.12 3725.02 5.77 6.50 7.81 20.65 90.20 1423.63

Masa mula sejuk (c) dan hangat (w) dengan SnapStart tanpa Priming dalam ms:

Experiment 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
with all dependencies Lambda Layer 1706.64 1767.40 1893.59 2314.91 2646.68 2647.33 5.59 6.25 7.21 15.75 48.06 1403.71
with common Lambda Layer 2047.12 2124.24 2439.49 2705.52 2735.43 2831.59 5.68 6.40 7.45 17.06 48.45 2139.74
w/o Lambda Layer 1626.69 1741.10 2040.99 2219.75 2319.54 2321.64 5.64 6.41 7.87 21.40 99.81 1355.09

Masa mula sejuk (c) dan hangat (w) dengan SnapStart dan dengan DynamoDB invocation Priming dalam ms:

Experiment 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
with all dependencies Lambda Layer 747.47 786.56 932.23 1099.38 1666.18 1666.62 5.42 5.91 7.39 16.39 45.09 574.61
with common Lambda Layer 713.88 766.38 1141.94 1181.41 1214.94 1215.32 5.59 6.30 7.39 16.39 45.09 574.61
w/o Lambda Layer 702.55 759.52 1038.50 1169.66 1179.05 1179.36 5.73 6.51 7.87 21.75 92.19 328.41

Kesimpulan

Dalam artikel ini kami mencipta aplikasi menggunakan lapisan Lambda dengan semua kebergantungan dan kemudian mengukur masa mula sejuk dan hangat tanpa SnapStart didayakan, dengan SnapStart didayakan dan turut menggunakan pengoptimuman penyebuan invokasi DynamoDB dan membandingkan hasilnya dengan ukuran kami tanpa menggunakan Lambda lapisan (dan menyediakan semua kebergantungan dalam fail POM) yang kami lakukan dalam artikel Mengukur sejuk dan hangat bermula dengan Java 21 menggunakan tetapan memori Lambda yang berbeza dan menggunakan lapisan Lambda biasa.

Walaupun saya mempunyai beberapa penyimpangan dalam keputusan tetapi alirannya sentiasa sama selepas berbilang ukuran menggunakan lapisan Lambda dengan semua kebergantungan:

  • Apabila tidak mendayakan SnapStart, permulaan sejuk dengan lapisan Lambda ini adalah sehingga beberapa ratus milisaat lebih rendah daripada tanpa penggunaan lapisan Lambda untuk persentil sehingga p90 (yang mengejutkan saya).
  • Apabila mendayakan SnapStart tetapi tidak menggunakan penyebuan permintaan DynamoDB, sejuk mula berubah memihak kepada lapisan Lambda dengan semua kebergantungan atau memihak kepada Lambda yang tidak menggunakan lapisan Lambda sama sekali bergantung pada persentil.
  • Apabila menggunakan SnapStart dengan penyebuan permintaan DynamoDB, permulaan sejuk hampir untuk kedua-dua kes penggunaan untuk persentil sehingga p99 dan kemudian lebih tinggi untuk p99.9 dan ke atas apabila menggunakan lapisan Lambda dengan semua kebergantungan. Jadi, keputusannya sangat berbeza untuk setiap kes penggunaan. Apa yang saya selalu perhatikan ialah julat hasil agak besar (perbezaan 800-900ms antara nilai p50 dan maks) untuk semua ukuran apabila menggunakan lapisan Lambda dengan semua kebergantungan dan julat yang sama adalah jauh lebih rendah apabila tidak menggunakan lapisan Lambda sama sekali.
  • Apabila membandingkan ukuran dalam artikel ini dengan ukuran dengan lapisan Lambda biasa, kami mendapati kami mendapat permulaan sejuk yang lebih rendah untuk menggunakan semua kebergantungan dalam lapisan Lambda untuk 2 percubaan pertama (tiada SnapStart didayakan dan SnapStart didayakan tetapi tiada penyebuan digunakan) dan sebaliknya apabila SnapStart didayakan dan invokasi DynamoDB disediakan.
  • Masa permulaan/pelaksanaan yang hangat bagi fungsi Lambda agak hampir untuk semua kes penggunaan.

Jadi penggunaan lapisan Lambda (bergantung pada apa yang anda letakkan di sana dan apa yang anda hantar sebagai kebergantungan dalam aplikasi anda) menambahkan sedikit ketidakpastian dan anda harus sentiasa melakukan pengukuran anda sendiri!

Atas ialah kandungan terperinci AWS SnapStart - Bahagian Mengukur sejuk dan hangat bermula dengan Java menggunakan lapisan Lambda (2). Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Kenyataan
Kandungan artikel ini disumbangkan secara sukarela oleh netizen, dan hak cipta adalah milik pengarang asal. Laman web ini tidak memikul tanggungjawab undang-undang yang sepadan. Jika anda menemui sebarang kandungan yang disyaki plagiarisme atau pelanggaran, sila hubungi admin@php.cn
Bagaimanakah saya menggunakan Maven atau Gradle untuk Pengurusan Projek Java Lanjutan, Membina Automasi, dan Resolusi Ketergantungan?Bagaimanakah saya menggunakan Maven atau Gradle untuk Pengurusan Projek Java Lanjutan, Membina Automasi, dan Resolusi Ketergantungan?Mar 17, 2025 pm 05:46 PM

Artikel ini membincangkan menggunakan Maven dan Gradle untuk Pengurusan Projek Java, membina automasi, dan resolusi pergantungan, membandingkan pendekatan dan strategi pengoptimuman mereka.

Bagaimanakah saya membuat dan menggunakan perpustakaan Java Custom (fail JAR) dengan pengurusan versi dan pergantungan yang betul?Bagaimanakah saya membuat dan menggunakan perpustakaan Java Custom (fail JAR) dengan pengurusan versi dan pergantungan yang betul?Mar 17, 2025 pm 05:45 PM

Artikel ini membincangkan membuat dan menggunakan perpustakaan Java tersuai (fail balang) dengan pengurusan versi dan pergantungan yang betul, menggunakan alat seperti Maven dan Gradle.

Bagaimanakah saya melaksanakan caching pelbagai peringkat dalam aplikasi java menggunakan perpustakaan seperti kafein atau cache jambu?Bagaimanakah saya melaksanakan caching pelbagai peringkat dalam aplikasi java menggunakan perpustakaan seperti kafein atau cache jambu?Mar 17, 2025 pm 05:44 PM

Artikel ini membincangkan pelaksanaan caching pelbagai peringkat di Java menggunakan kafein dan cache jambu untuk meningkatkan prestasi aplikasi. Ia meliputi persediaan, integrasi, dan faedah prestasi, bersama -sama dengan Pengurusan Dasar Konfigurasi dan Pengusiran PRA Terbaik

Bagaimanakah saya boleh menggunakan JPA (Java Constence API) untuk pemetaan objek-objek dengan ciri-ciri canggih seperti caching dan malas malas?Bagaimanakah saya boleh menggunakan JPA (Java Constence API) untuk pemetaan objek-objek dengan ciri-ciri canggih seperti caching dan malas malas?Mar 17, 2025 pm 05:43 PM

Artikel ini membincangkan menggunakan JPA untuk pemetaan objek-relasi dengan ciri-ciri canggih seperti caching dan pemuatan malas. Ia meliputi persediaan, pemetaan entiti, dan amalan terbaik untuk mengoptimumkan prestasi sambil menonjolkan potensi perangkap. [159 aksara]

Bagaimanakah mekanisme kelas muatan Java berfungsi, termasuk kelas yang berbeza dan model delegasi mereka?Bagaimanakah mekanisme kelas muatan Java berfungsi, termasuk kelas yang berbeza dan model delegasi mereka?Mar 17, 2025 pm 05:35 PM

Kelas kelas Java melibatkan pemuatan, menghubungkan, dan memulakan kelas menggunakan sistem hierarki dengan bootstrap, lanjutan, dan pemuat kelas aplikasi. Model delegasi induk memastikan kelas teras dimuatkan dahulu, yang mempengaruhi LOA kelas tersuai

See all articles

Alat AI Hot

Undresser.AI Undress

Undresser.AI Undress

Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover

AI Clothes Remover

Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool

Undress AI Tool

Gambar buka pakaian secara percuma

Clothoff.io

Clothoff.io

Penyingkiran pakaian AI

AI Hentai Generator

AI Hentai Generator

Menjana ai hentai secara percuma.

Artikel Panas

R.E.P.O. Kristal tenaga dijelaskan dan apa yang mereka lakukan (kristal kuning)
3 minggu yang laluBy尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. Tetapan grafik terbaik
3 minggu yang laluBy尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. Cara Memperbaiki Audio Jika anda tidak dapat mendengar sesiapa
3 minggu yang laluBy尊渡假赌尊渡假赌尊渡假赌
WWE 2K25: Cara Membuka Segala -galanya Di Myrise
4 minggu yang laluBy尊渡假赌尊渡假赌尊渡假赌

Alat panas

SublimeText3 versi Mac

SublimeText3 versi Mac

Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

DVWA

DVWA

Damn Vulnerable Web App (DVWA) ialah aplikasi web PHP/MySQL yang sangat terdedah. Matlamat utamanya adalah untuk menjadi bantuan bagi profesional keselamatan untuk menguji kemahiran dan alatan mereka dalam persekitaran undang-undang, untuk membantu pembangun web lebih memahami proses mengamankan aplikasi web, dan untuk membantu guru/pelajar mengajar/belajar dalam persekitaran bilik darjah Aplikasi web keselamatan. Matlamat DVWA adalah untuk mempraktikkan beberapa kelemahan web yang paling biasa melalui antara muka yang mudah dan mudah, dengan pelbagai tahap kesukaran. Sila ambil perhatian bahawa perisian ini

SublimeText3 versi Cina

SublimeText3 versi Cina

Versi Cina, sangat mudah digunakan

mPDF

mPDF

mPDF ialah perpustakaan PHP yang boleh menjana fail PDF daripada HTML yang dikodkan UTF-8. Pengarang asal, Ian Back, menulis mPDF untuk mengeluarkan fail PDF "dengan cepat" dari tapak webnya dan mengendalikan bahasa yang berbeza. Ia lebih perlahan dan menghasilkan fail yang lebih besar apabila menggunakan fon Unicode daripada skrip asal seperti HTML2FPDF, tetapi menyokong gaya CSS dsb. dan mempunyai banyak peningkatan. Menyokong hampir semua bahasa, termasuk RTL (Arab dan Ibrani) dan CJK (Cina, Jepun dan Korea). Menyokong elemen peringkat blok bersarang (seperti P, DIV),

EditPlus versi Cina retak

EditPlus versi Cina retak

Saiz kecil, penyerlahan sintaks, tidak menyokong fungsi gesaan kod