AWS Lambda – Erste Schritte

Ihren eigenen Weg wählen

AWS Lambda ist ein serverloser Datenverarbeitungsservice, der Ihren Code beim Eintreten bestimmter Ereignisse ausführt und automatisch die zugrundeliegenden Datenverarbeitungsressourcen für Sie verwaltet. Dadurch ist es einfacher, Anwendungen zu erstellen, die schnell auf neue Informationen reagieren.

Ganz gleich, ob Sie neu bei AWS Lambda sind oder bereits einen Anwendungsfall im Kopf haben, wählen Sie Ihren eigenen Weg und folgen Sie den kuratierten Lernschritten, um mit AWS Lambda zu beginnen.

Page Topics

Pfad 1: Interaktive Web- und API-basierte Microservices oder Anwendungen Pfad 2: Datenverarbeitungsanwendungen Pfad 3: Echtzeit-Streaming-Anwendungen Pfad 4: Kein Anwendungsfall im Sinn? Mit AWS Lambda 101 beginnen

Pfad 1: Interaktive Web- und API-basierte Microservices oder Anwendungen

Verwenden Sie AWS Lambda allein oder in Kombination mit anderen AWS-Services, um leistungsstarke Webanwendungen, Microservices und APIs zu erstellen, die Ihnen helfen, Agilität zu gewinnen, betriebliche Komplexität zu reduzieren, Kosten zu senken und automatisch zu skalieren.

Erfahren Sie, wie Sie aus einer einzigen Lambda-Funktion eine dynamische Webseite erstellen. Sie beginnen damit, Ihrer Lambda-Funktion HTTPS-Endpunkte zuzuweisen, die eine Lambda-Funktions-URL verwenden, um Ihre Funktion direkt aufzurufen, ohne dass Sie zusätzliche Services erlernen, konfigurieren und betreiben müssen. Dies ist ideal für Microservices mit einer Funktion. Weitere Informationen

Als Nächstes verwenden Sie Amazon API Gateway, um eine REST-API und eine Ressource (Amazon DynamoDB) zu erstellen. Wenn Sie die API über einen HTTPS-Endpunkt aufrufen, ruft API Gateway die Lambda-Funktion auf. Dies ist ideal für Microservices mit mehreren Funktionen, die Amazon API Gateway nutzen, um jede Funktion API-Endpunkten, Methoden und Ressourcen zuzuordnen. Weitere Informationen

Jetzt können Sie eine einfache Webanwendung mit AWS Lambda, Amazon API Gateway, Amazon DynamoDB und AWS Amplify Console erstellen. Als Erstes erstellen Sie eine statische Webanwendung, auf der "Hallo Welt" gerendert wird. Anschließend lernen Sie, mit welcher Funktionalität Sie die Webanwendung ausstatten müssen, damit der angezeigte Text auf Ihrer benutzerdefinierten Eingabe basiert. Weitere Informationen

Schließlich erstellen Sie eine Serverless-Webanwendung mit mehreren Microservices. Sie werden eine statische Website hosten, die Benutzerauthentifizierung verwalten und ein Serverless-Backend mit AWS Amplify Console, Amazon Cognito, AWS Lambda, Amazon API Gateway und Amazon DynamoDB erstellen. Weitere Informationen

Diese Web-Referenzarchitektur demonstriert, wie Sie AWS Lambda in Verbindung mit anderen AWS-Services nutzen können, um eine Serverless-Webanwendung zu erstellen. Dieses Repository enthält Beispiel-Code für alle Lambda-Funktionen, die das Backend der Anwendung bilden. Weitere Informationen

Pfad 2: Datenverarbeitungsanwendungen

Serverless ermöglicht es Ihnen, große Datenmengen schnell und effizient aufzunehmen, zu verarbeiten und zu analysieren. Erfahren Sie, wie Sie eine skalierbare Serverless-Datenverarbeitungslösung erstellen. Verwenden Sie Amazon Simple Storage Service ( Amazon S3), um die Datenverarbeitung auszulösen oder laden Sie Machine Learning (ML)-Modelle aus dem Amazon Elastic File System (EFS) in AWS Lambda, um ML-Inferenzen in Echtzeit durchzuführen.

Erstellen Sie zunächst eine Lambda-Funktion und konfigurieren Sie einen Auslöser für Amazon S3. Für jede Bilddatei, die in einen S3-Bucket hochgeladen wird, ruft Amazon S3 eine Funktion auf, die das Bildobjekt aus dem Quell-S3-Bucket liest und ein Vorschaubild erstellt, das in einem Ziel-S3-Bucket gespeichert wird. Weitere Informationen

Lernen Sie außerdem, wie Sie große parallele Workloads orchestrieren, die .mp4- und .mov-Dateien aus S3 in mehrere GIF-Animationen für das Timeline-Scrubbing konvertieren. Mit der verteilten Karte von AWS Step Functions skalieren Aufträge schnell und rufen Tausende von parallelen Lambda-Funktionen auf, um Aufträge schneller abzuschließen. Weitere Informationen

Als Nächstes lernen Sie, wie Sie einen Bildverarbeitungs-Workflow als Reaktion auf ein in Amazon S3 hochgeladenes Bild aufbauen. Dazu verwenden Sie den einfachen, leistungsstarken und vollständig verwalteten Service AWS Step Functions zusammen mit AWS Lambda, Amazon DynamoDB und Amazon Simple Notification Service (SNS). Weitere Informationen

In dieser Blogserie erfahren Sie mehr darüber, wie Sie Serverless-Anwendungen entwerfen und bereitstellen, die auf den Architekturmustern Amazon-S3-zu-AWS-Lambda basieren. Die vorgestellten Lösungen verwenden AWS-Services, um skalierbare Serverless-Architekturen mit minimalem benutzerdefiniertem Code zu erstellen. Weitere Informationen

Erfahren Sie, wie Sie Machine-Learning-Modelle für Echtzeit-Inferenzen mit AWS-Lambda-Funktionen bereitstellen, die jetzt ein Amazon Elastic File System (EFS) mounten können. Damit können Sie eine Lambda-Funktion erstellen, die die Python-Pakete und das Modell aus EFS lädt und die Vorhersage auf der Grundlage eines Testereignisses durchführt. Weitere Informationen

Diese Echtzeit-Referenzarchitektur für die Dateiverarbeitung ist eine universelle, ereignisgesteuerte, parallele Datenverarbeitungsarchitektur, die AWS Lambda verwendet. Diese Architektur ist ideal für Workloads, die mehr als eine Datenableitung eines Objekts benötigen. Weitere Informationen

Pfad 3: Echtzeit-Streaming-Anwendungen

Das Streamen von Daten ermöglicht es Ihnen, analytische Erkenntnisse zu gewinnen und darauf zu reagieren, stellt aber auch eine Reihe einzigartiger gestalterischer und architektonischer Herausforderungen dar. Erfahren Sie, wie Sie verschiedene allgemeine Ziele von Streaming-Daten-Workloads erreichen, indem Sie AWS Lambda und Amazon Kinesis verwenden, um die Nachrichten zu erfassen, die Datensätze zu verarbeiten und zu aggregieren und schließlich die Ergebnisse in andere nachgelagerte Systeme zur Analyse oder Weiterverarbeitung zu laden.

Amazon Kinesis ist ein Service, der die die Sammlung, Verarbeitung und Analyse von Video- und Datenströmen in Echtzeit vereinfacht. Sie erstellen zunächst eine Lambda-Funktion, um Ereignisse aus einem Kinesis-Stream zu verarbeiten. Weitere Informationen

Als Nächstes werden Sie eine umfassende Serverless-Anwendung zur Datenverarbeitung erstellen, um Datenströme in Echtzeit zu verarbeiten. Dazu verwenden Sie Amazon Kinesis zur Erstellung von Datenströmen und AWS Lambda zur Verarbeitung von Datenströmen in Echtzeit. Weitere Informationen

Lesen Sie schließlich diese Blogserie, um zu erfahren, wie Sie ein Streaming-Daten-Backend für ein Heimfitness-System mit einem Serverless-Ansatz erstellen. Sie lernen die wichtigsten Streaming-Konzepte kennen und erfahren, wie Sie diese in einem Serverless-Workload handhaben. Weitere Informationen

Diese Referenzarchitektur verwendet AWS Lambda und Amazon Kinesis zur Verarbeitung von Echtzeit-Streaming-Daten für die Verfolgung von Anwendungsaktivitäten, die Verarbeitung von Transaktionsaufträgen, die Analyse von Klickströmen, die Datenbereinigung, die Generierung von Metriken, die Protokollfilterung, die Indizierung, die Analyse sozialer Medien und die Telemetrie und Messung von IoT-Gerätedaten. Weitere Informationen

Pfad 4: Kein Anwendungsfall im Sinn? Mit AWS Lambda 101 beginnen

Neu bei AWS Lambda? Folgen Sie den Schritten in diesem Pfad und erstellen Sie Ihre erste funktionierende Lambda-Funktion mit einem Ereignisauslöser.

Melden Sie sich zunächst in der AWS-Managementkonsole an und richten Sie Ihr Stammkonto ein. Mit dem kostenlosen AWS-Kontingent erhalten Sie 1 Million kostenlose Anfragen pro Monat.

Als Nächstes können Sie eine einfache Serverless-Hello-World-Funktion mithilfe der Lambda-Konsole erstellen und bereitstellen sowie Ihre Ausgabemetriken überprüfen. Weitere Informationen

Richten Sie abschließend einen Ereignisauslöser für Amazon S3 ein, der Ihre Lambda-Funktion aufruft, wenn ein Ereignis eintritt. Weitere Informationen