Une application monolithique de traitement d'images de bureau qui s'exécute toutes les 5 minutes et se termine en moins d'une minute est en cours de réimplémentation en tant que fonction AWS Lambda Python. Lors des tests AWS, la fonction Lambda est invoquée toutes les 5 minutes, mais prend maintenant plus de 2 minutes pour se terminer. Quel changement améliorera les performances de la fonction Lambda ?

Augmenter la quantité de mémoire allouée à la fonction Lambda est la bonne solution. Dans AWS Lambda, la mémoire allouée est directement proportionnelle à la puissance de calcul (CPU) et à la bande passante réseau disponibles pour la fonction. Une fonction de traitement d'images est généralement gourmande en CPU et en mémoire. En augmentant la mémoire, on augmente implicitement les ressources CPU, ce qui permet à la fonction de s'exécuter plus rapidement et de réduire le temps d'exécution de plus de 2 minutes à moins d'une minute. Changer le « type d'instance » est incorrect car Lambda n'utilise pas de types d'instances EC2 ; ses ressources sont configurées via l'allocation de mémoire. Basculer vers le dernier runtime Python pourrait offrir de légères améliorations, mais n'aura pas un impact aussi significatif sur une tâche de traitement d'images intensive que l'augmentation des ressources allouées. Configurer une concurrence réservée est utile pour garantir qu'une fonction a toujours des ressources disponibles et éviter les erreurs de limitation, mais cela n'améliore pas les performances d'une invocation individuelle.