Ein Unternehmen nutzt hochparallele AWS Lambda-Funktionen, um während Marketing-Events eine zunehmende Anzahl von Nachrichten aus einer Warteschlange zu verarbeiten. Die Lambda-Funktionen führen CPU-intensiven Code aus. Das Unternehmen möchte die Compute-Kosten senken und gleichzeitig die Service-Latenz beibehalten. Welche Lösung erfüllt diese Anforderungen?

Die richtige Lösung ist, bereitgestellte Parallelität (Provisioned Concurrency) für die Lambda-Funktionen zu konfigurieren und den Speicher gemäß den Empfehlungen von AWS Compute Optimizer zu erhöhen. Bereitgestellte Parallelität hält Funktionen warm und reduziert Kaltstarts, was die Latenz während Spitzenlasten beibehält. Da die Funktionen CPU-intensiv sind, erhöht eine Erhöhung des Speichers auch die verfügbare CPU-Leistung, was die Ausführungszeit verkürzt und somit die Kosten senkt. AWS Compute Optimizer kann dabei helfen, die optimale Speicherkonfiguration zu finden. Die Reduzierung des Speichers würde die CPU-Leistung verringern und die Ausführungszeit verlängern, was die Latenz erhöht und potenziell die Kosten steigert. Reservierte Parallelität (Reserved Concurrency) verhindert zwar Drosselung, garantiert aber keine warmen Starts und reduziert nicht direkt die Kosten oder verbessert die Leistung bei CPU-intensiven Workloads.