5 services AWS natifs capables de créer un système sans serveur de bout en bout Platformulaire

Construire un automateated système logiciel impliquait la configuration de plusieurs serveurs avec dédiéated Configuration du processeur, mémoire, stockage et autres ressources pendant de nombreuses années. Ensuite, une équipe d'administrateurs a été constituée pour gérer ces systèmes. Ensuite, l'équipe de développement a repris l'infrastructure et a commencé à créerate processes qui connectent les serveurs.

Cette process peut être compliquéated parce que cela implique de nombreux groupes différents travaillant ensemble vers un objectif commun. Ces conflits d’intérêts peuvent alors poser problème.

Cela peut aussi être assez coûteux. Cela nécessite que vous ayez des administrateurs sur votre paie. Les serveurs, qui fonctionnent en continu, consomment des ressources même s'ils ne sont pas utilisés. 

Pour maintenir les meilleures performances au fil du temps, vous avez besoin d'une solution de mise à l'échelle automatique quially fait évoluer les ressources du serveur.

Le nuage platLe formulaire a un avantage : il permet de créerate une architecture de bout en bout sans avoir besoin de configurer un cluster de serveurs. Du point de vue de l'administration, il n'y a rien à maintenir.

Il s'agit d'une option rentable pour les startups et les phases de produit minimum viable (MVP) des projets. C'est un bon point de départ s'il est difficile de prévoir les futures charges de production et l'activité des utilisateurs. C'est là qu'il peut être difficile de déterminer la configuration des serveurs de cluster.

L'automatisation de processLes services cloud sans serveur sont ce qui distingue l'architecture sans serveur. Il connecte les services et produit des résultats similaires aux serveurs de cluster traditionnels.

Il s'agit d'un exemple de construction d'une telle architecture en utilisant uniquement des services AWS natifs.

Récupérer le flux de services sans serveur

Imaginez que vous aimeriez créerate a platformulaire pour recueillir diverses données et images (ou photos) de l'infrastructure de certains actifs concrets (il peut s'agir de n'importe quel actif de fabrication ou de service public).

• Afin de rendre possible les analyses futures, il est nécessaire que les données entrantes soient d'abord ingérées.
• Après application des règles métier, une procédure back-end enregistre le calculated génère des informations normalisées dans une base de données relationnelle.
• Une application frontale qui affiche des données propres normalisées permet aux utilisateurs de visualiser les résultats.

Examinons quels composants l'architecture pourrait inclure.

Compartiments AWS S3

Les compartiments Amazon S3 sont un excellent moyen de stocker des fichiers ou des images dans le Nuage AWS. Le prix du stockage sur le godet S3 est remarquablement bas. De plus, l'introduction d'une politique de cycle de vie de compartiment S3 réduit encore ce prix.

Une telle politique sera automatiquementally déplacer les fichiers plus anciens vers différentes classes de compartiments S3, comme un archive ou arc profondhive accéder. Les classes diffèrent alors également par la vitesse du temps d’accès, mais pour les anciennes données, ce sera moins problématique. Il sert principalement à accéder à l'archived données en cas d'événement urgent plutôt que pour les besoins opérationnels standard.  

• Vous pouvez organiser vos données dans des sous-dossiers.
• Vous devez définir les paramètres appropriésate restrictions d'autorisations.
• Ajoutez des balises aux compartiments pour les rendre faciles à identifier et pour une utilisation éventuelle dans les politiques de compartiment S3 dynamiques.
• Le compartiment est sans serveur de par sa conception. C'est simplement un espace de stockage pour vos données.

Un compartiment S3 est sans serveur de par sa conception. C'est simplement un espace de stockage pour vos données.

Base de données AWS Athena

Athena facilite la créationate un lac de données de base AWS. Il s'agit d'une base de données sans serveurs qui utilise un bucket S3 pour stocker ses données. L'organisation des données est maintenue par des formats de fichiers structurés tels que parquet ou séparation par des virgules.atevaleur d (CSV) des dossiers. Le compartiment S3 contient les fichiers et Athena s'y réfère à chaque fois. processes sélectionnez les données de la base de données.

Sachez simplement qu'Athena ne prend pas en charge diverses fonctionnalités autreswise considéré comme une norme, par exemple, update statements. C’est pourquoi vous devez considérer Athena comme une option très simple.

Cependant, il prend en charge l'indexation et le partitionnement. Il peut également s'adapter à l'horizontaleally très facilement, car cela est aussi complexe que l'ajout de nouveaux compartiments à l'infrastructure. Pour un lac de données simple mais fonctionnel creation, cela peut encore suffire dans la plupart des cas. 

Pour de bonnes performances, il est essentiel de sélectionner la meilleure conception de données en mettant l’accent sur l’utilisation future. Il est essentiel d’être très clair sur la manière dont vous souhaitez sélectionner les données. Recréer des tableaux later une fois qu’ils existent déjà et qu’ils contiennent beaucoup de données, c’est difficile.

Athena DB est un excellent choix et convient parfaitement à votre objectif si vous cherchez à créerate un pool de données simple et immuable, facile à faire évoluer horizontalementally heures supplémentaires.

Base de données AWS Aurora

Athena DB excelle dans le stockage des informations non enregistréesatedonnées. Après tout, c’est ainsi que vous souhaitez stocker votre contenu original afin de maximiser sa réutilisation future. Cependant, il est lent de fournir des résultats sélectionnés à une application frontale.

L'une des meilleures options, principalement du point de vue d'une configuration facile à exécuter, est la base de données Aurora exécutée en mode sans serveur.

Aurora est loin d'être une base de données de base. C'est l'une des solutions de bases de données relationnelles natives les plus avancées d'AWS. Il s'agit également d'une solution de base de données relationnelle native très complexe qui s'améliore à chaque version. 

Aurora est unique car il peut fonctionner en mode sans serveur, ce qui le distingue des autres services relationnels. Voici comment fonctionne le mode :

• Pour configurer le cluster Aurora, utilisez la console AWS. Vous devrez spécifier les niveaux standard de CPU et de RAM ainsi que l'intervalle maximum de fonctionnalité de mise à l'échelle automatique. Cela affectera les performances dynamiques du cluster Aurora.ally ajouter ou retirer. En fonction de l'utilisation actuelle de la base de données, AWS décide d'augmenter ou de réduire la taille.
• Le cluster Aurora ne démarrera que si l'utilisateur ou process initieratec'est une vraie demande. Par exemple, lorsque le lot planifié processing démarre. Ou si l'application effectue un appel d'API back-end pour récupérer des données d'une base de données. La base de données sera automatiqueally ouvert et restera actif pendant une durée prédéterminée après la demande processes sont terminées.
• Le cluster Aurora sera automatiquementally arrêter s'il n'y a plus de travail dans la base de données.

Pour le souligner une fois de plus, Aurora DB sans serveur ne s'exécute que lorsqu'elle doit effectuer un travail réel. L'automatiqueally le cluster démarré s'arrêtera à nouveau si ce n'est pas le cas processeffectuer n'importe quel travail. Le travail réel correspond à ce que vous payez et non à votre temps d'inactivité.

L'Aurora sans serveur est entièrement géré par AWS et ne nécessite pas d'administrateur.

AWS Amplifier

Amplify propose un serveur sans serveur platformulaire pour le déploiement rapide d'applications frontales réalisées avec JavaScript et bibliothèques React. Il n'est pas nécessaire de configurer des serveurs de cluster. Utilisez la console AWS pour déployer le code directement ou utilisez un automateated DevOps pipeline.

Vous pouvez appeler des API back-end pour accéder aux données stockées dans les bases de données. Ces appels vous permettent d'accéder aux données réelles dans l'application frontale. La principale optimisation des performances sur le back-end doit être effectuée par l'équipe. Vous pouvez encore réduire davantage la possibilité d'une réponse lente dans l'interface utilisateur si vous concevez une méthode de sélection efficace.atements à l’intérieur des appels API directement.

Fonctions d'étape AWS

Même si tous les principaux composants d’un système sont sans serveur, cela ne garantit pas une architecture totalement sans serveur. Ceci n'est possible que si tous les lots processLes échanges entre les composants sont sans serveur.

Les fonctions AWS Step offrent la meilleure solution sur le cloud AWS. Une liste connectée de fonctions AWS Lambda constitue la fonction step. Ces fonctions créentate un organigramme qui a un début et une fin clairsates. Une fonction lambda, habituellementally écrit en Python ou Noeud JS langues, est un exécutable bit de code qui processes quoiatever est nécessaire.

Voici un exemple de la manière dont vous pouvez exécuter une fonction d'étape :

1. AWS déclenche une fonction lambda automatique chaque fois qu'un nouveau fichier arrive dans le dossier S3. Après avoir analysé le fichier, le lambda le charge dans Athena. Le lambda stocke ses résultats soit au format CSV sur un compartiment S3 (ou dans une table de suivi de base de données) avant de se fermer.
2. Ce résultat est ensuite utilisé par le lambda suivant pour effectuer les étapes suivantes. Cela peut inclure l'appel d'un modèle d'apprentissage automatique et transformer un sous-ensemble des nouvelles données en tableaux normalisés. La dernière étape peut être de charger les données dans la base de données Aurora.
3. Une fonction d'étape relie ces lambdas ensemble pour former un flux par lots. Il est même possible d'avoir une autre fonction d'étape exécutée à la place d'une étape d'une autre fonction d'étape racine. De cette façon, il est possible de couvrir de nombreux scénarios.

Ce flux sans serveur a un inconvénient majeur : chaque fonction lambda ne peut s'exécuter que pendant 15 minutes au maximum. Par conséquent, diviser le flux en fonctions lambda plus petites peut rendre cela moins problématique. 

Il est possible d'appeler plusieurs fonctions lambda simultanémentneogénéralement en une seule étape, ce qui est fondamentalally signifie paralléliser une étape avec plusieurs lambdas exécutés simultanémentneohabituellement. Attendez juste que tous les lambda parallèles processje dois terminer avant de continuer. Ensuite, passez au prochain lambda processING.

Mot de la fin

L'architecture sans serveur offre une opportunité unique de créerate un nuage platformulaire qui couvre l’ensemble du paysage système. Ce platla forme est horizontaleally évolutif et présente de faibles coûts d’exploitation.

C'est la solution parfaite pour les projets à budget limité. C'est une excellente option d'exploration, typiqueally quand personne ne connaît la réalité de la charge de production. C'est particulièrementally important après avoir réussi onboarded tous les utilisateurs. Il est possible pour les équipes de projet d'avoir toujours une vue globale du fonctionnement du système. Vous pouvez bénéficier de tous ces avantages sans avoir à accepter de compromis.

Cette couverture ne sera pas adéquateate pour tous les cas, en particulier ceux qui impliquent une utilisation élevée du processeur. Cependant, le cloud AWS évolue constamment en termes de cas d'utilisation sans serveur. C'est habituelally C'est une bonne idée de mener des recherches approfondies avant de décider de l'option sans serveur pour votre prochain projet cloud AWS.

Ensuite, découvrez le meilleur bases de données sans serveur pour les applications modernes.