alexcasalboni/aws-lambda-power-tuning
Aws Lambda Power Tuning
هذا المشروع عبارة عن أداة تحسين أداء ومقياس موارد لـ AWS Lambda. يحلل المقايضة بين سرعة التنفيذ والتكلفة عن طريق اختبار إعدادات ذاكرة مختلفة لتحديد الإعدادات الأكثر فعالية من حيث التكلفة وتقليل الإنفاق التشغيلي.
تستخدم الأداة منسق AWS Step Functions لأتمتة تنفيذ وجمع بيانات عمليات اختبار الوظائف المتعددة عبر مستويات طاقة مختلفة. تحاكي أحمال عمل الإنتاج عن طريق حقن بيانات ثابتة أو بعيدة مخصصة واستخدام توزيع حمولة مرجح لمحاكاة أنماط حركة المرور الواقعية.
تغطي المجموعة عدة مجالات قدرة، بما في ذلك أخذ عينات الذاكرة التكرارية ونمذجة التكلفة القائمة على المقاييس لتصور مقايضات الأداء. توفر تنظيفاً آلياً للموارد لإصدارات الوظائف المؤقتة والأسماء المستعارة، وإعداد شبكة خاصة للموارد الداخلية المقيدة، وتحميل حمولة بعيد لتجاوز حدود حجم الاستدعاء القياسية.
يتم التعامل مع النشر عبر بنيات البنية التحتية ككود (infrastructure-as-code) لضمان إعداد بيئة متسق وقابلية التكرار.
Features
- Cloud Infrastructure Cost Optimization - Provides a tool for optimizing cloud function memory settings to minimize operational costs.
- Lambda Performance Optimizers - Optimizes the execution speed and cost of AWS Lambda functions by analyzing various memory configurations.
- Automated Memory Tuning - Automatically applies the most efficient memory configuration to a function version or alias based on benchmark results.
- Serverless Cost Modeling - Calculates precise operational costs per run based on cloud provider pricing, execution duration, and memory settings.
- Serverless Resource Tuning - Identifies the most efficient resource allocation for serverless functions to balance performance and operational cost.
- Serverless Resource Benchmarking - Runs automated test suites across different memory levels to visualize performance tradeoffs and execution duration.
- Step Functions Orchestration - Uses AWS Step Functions to coordinate the sequential and parallel execution of performance tests across different configurations.
- Memory Configuration Sampling - Executes the same function multiple times with varying memory settings to build a performance and cost dataset.
- Serverless Memory Optimization - Analyzes execution speed and cost across multiple memory settings to find the most efficient configuration.
- Memory Sampling Loops - Runs the target function repeatedly across a defined range of memory settings to collect metrics.
- Weighted Payload Simulation - Simulates production traffic by distributing test input payloads based on assigned relative probability weights.
- Cloud Resource Cleanups - Automatically removes temporary function versions and aliases after tuning cycles.
- Performance Tradeoff Visualizations - Provides graphical representations of the relationship between Lambda memory allocation, execution speed, and operational cost.
- Test Payload Processing - Allows the definition of static or remote data inputs as test cases for memory optimization.
- Workload Simulations - Mimics real-world traffic patterns by injecting weighted payloads to verify performance under realistic conditions.
- Infrastructure and Deployment - State machine for optimizing Lambda memory and power.
