Python-无服务器应用构建指南-二-

布客飞龙
72 阅读16分钟

Python 无服务器应用构建指南（二）

原文：zh.annas-archive.org/md5/3c97e70c885487f68835a4d0838eee09

译者：飞龙

协议：CC BY-NC-SA 4.0

第八章：使用 SAM 部署 Lambda 函数

到目前为止，我们已经学习了 Lambda 函数以及如何构建它们。我们已经了解到 Lambda 函数具有一组明确定义的触发器，这些触发器将触发函数执行特定任务。该任务被编写为 Python 模块，脚本就是我们所谓的函数。我们还了解了 Lambda 函数的不同设置，包括其核心设置以及其他设置，例如安全性和网络。

还有另一种创建和部署 Lambda 函数的替代方法，即AWS 无服务器应用程序模型（AWS SAM）。这种格式基于基础设施即代码的概念。这个概念受到了AWS CloudFormation的启发，它是一种基础设施即代码的形式。

我们将学习关于 AWS CloudFormation，并利用这些知识来理解和构建 AWS SAM 模型，以创建 Lambda 函数。在本章中，我们将涵盖以下概念：

  • 部署 Lambda 函数

  • 使用 CloudFormation 进行无服务器服务

  • 使用 SAM 进行部署

  • SAM 中的安全性理解

SAM 简介

在本节中，我们将学习有关 SAM 的知识，这将帮助我们构建和部署无服务器函数：

  1. 如前所述，SAM 是关于编写基础设施即代码。因此，在 SAM 中，Lambda 函数将被描述为：
AWSTemplateFormatVersion: '2010-09-09'
Transform: AWS::Serverless-2016-10-31
Resources:
    < Name of function >:
        Type: AWS::Serverless::Function
        Properties:
            Handler: < index.handler >
            Runtime: < runtime >
            CodeUri: < URI of the bucket >
  1. 在这段代码中，我们输入了细节 - 函数的名称，以及我们的代码包托管在的 S3 存储桶的 URI。就像我们在 Lambda 设置中命名索引和处理程序一样，我们也需要在这里输入这些细节。index.handler是我们的函数代码所在的文件。Handler是我们 Lambda 逻辑编写的函数的名称。此外，Runtime是用户定义的。您可以从 AWS Lambda 支持的所有可用语言中进行选择。本书的范围仅限于 Python 语言，因此我们将坚持使用其中的一个 Python 版本：

  1. 我们还可以在我们的 Lambda 函数中添加环境变量，就像这里显示的那样。这些可以非常容易地进行编辑和配置，就像我们添加、更新和/或删除代码一样，这是基础设施即代码风格构建基础设施的额外优势：
AWSTemplateFormatVersion: '2010-09-09'
Transform: AWS::Serverless-2016-10-31
Resources:
    PutFunction:
        Type: AWS::Serverless::Function
        Properties:
            Handler: index.handler
            Runtime: < runtime >
            Policies: < AWSLambdaDynamoDBExecutionRole >
            CodeUri: < URI of the zipped function package >
            Environment:
                Variables:
                     TABLE_NAME: !Ref Table
DeleteFunction:
    Type: AWS::Serverless::Function
     Properties:
         Handler: index.handler
         Runtime: nodejs6.10
         Policies: AWSLambdaDynamoDBExecutionRole
          CodeUri: s3://bucketName/codepackage.zip
          Environment:
              Variables:
                  TABLE_NAME: !Ref Table
          Events:
              Stream:
                  Type: DynamoDB
                  Properties:
                      Stream: !GetAtt DynamoDBTable.StreamArn
                      BatchSize: 100
                      StartingPosition: TRIM_HORIZON
DynamoDBTable:
    Type: AWS::DynamoDB::Table
    Properties:
        AttributeDefinitions:
            - AttributeName: id
                AttributeType: S
        KeySchema:
             - AttributeName: id
                 KeyType: HASH
        ProvisionedThroughput:
              ReadCapacityUnits: 5
              WriteCapacityUnits: 5
        StreamSpecification:
              StreamViewType: streamview type

  1. 前面的 SAM 代码调用了指向 AWS DynamoDB表的两个 Lambda 函数。整个 SAM 代码是一个包含几个 Lambda 函数的应用程序。您需要输入必要的细节以使其工作。Runtime需要使用其中一个可用的 Python 运行时进行更新。处理DynamoDB表的相应策略需要在Policies部分进行更新。CodeUri部分需要使用代码包的 S3 URI 进行更新。

  2. 需要注意的是，对于所有 SAM，始终应包括元信息，其中包括AWSTemplateFormatVersion和Transform。这将告诉CloudFormation您编写的代码是 AWS SAM 代码和无服务器应用程序。这两行代码如下：

AWSTemplateFormatVersion: '2010-09-09'
Transform: AWS::Serverless-2016-10-31
  1. 如果您的无服务器函数需要访问单个DynamoDB表，您可以通过 SAM 函数本身使用SimpleTable属性创建DynamoDB表。操作如下：
AWSTemplateFormatVersion: '2010-09-09'
Transform: AWS::Serverless-2016-10-31
Resources:
    < TableName >:
        Type: AWS::Serverless::SimpleTable
         Properties:
             PrimaryKey:
                 Name: id
                 Type: String
             ProvisionedThroughput:
                 ReadCapacityUnits: 5
                  WriteCapacityUnits: 5
  1. 现在，我们将学习如何创建带有触发器的 Lambda 函数。由于我们已经在示例中使用了DynamoDB，因此我们将在此步骤中将其用作触发器。此 SAM 代码如下所示：
AWSTemplateFormatVersion: '2010-09-09'
Transform: AWS::Serverless-2016-10-31
Resources:
    < Name of the function >:
        Type: AWS::Serverless::Function
        Properties:
            Handler: index.handler
            Runtime: < runtime >
            Events:
                Stream:
                    Type: DynamoDB
                    Properties:
                        Stream: !GetAtt DynamoDBTable.StreamArn
                        BatchSize: 100
                        StartingPosition: TRIM_HORIZON
< Name of the table >:
    Type: AWS::DynamoDB::Table
    Properties:
         AttributeDefinitions:
            - AttributeName: id
                AttributeType: S
        KeySchema:
            - AttributeName: id
                KeyType: HASH
        ProvisionedThroughput:
             ReadCapacityUnits: 5
             WriteCapacityUnits: 5

无服务器服务的 CloudFormation

在本节中，我们将学习如何使用 CloudFormation 构建和部署 Lambda 函数。我们将执行以下操作：

  1. 我们将为定期 ping 网站并在过程中出现任何故障时提供错误的 Lambda 函数编写一个 CloudFormation 模板。此 CloudFormation 模板如下：
AWSTemplateFormatVersion: '2010-09-09'
Transform: 'AWS::Serverless-2016-10-31'
Description: 'Performs a periodic check of the given site, erroring out on test failure.'
Resources:
lambdacanary:
    Type: 'AWS::Serverless::Function'
    Properties:
        Handler: lambda_function.lambda_handler
        Runtime: python2.7
        CodeUri: .
        Description: >-
            Performs a periodic check of the given site, 
erroring out on test failure.
    MemorySize: 128
    Timeout: 10
    Events:
        Schedule1:
        Type: Schedule
        Properties:
            Schedule: rate(1 minute)
    Environment:
        Variables:
            site: 'https://www.google.com/'
            expected: Search site.

  1. 在这个 CloudFormation 片段中有很多语法。我们现在将尝试更详细地理解它：

  2. 在包含 Lambda 函数的元数据的前三行中，我们有以下一行—Transform: 'AWS::Serverless-2016-10-31'。这行用于定义用户将通过 CloudFormation 模板使用/访问的资源。由于我们使用了 Lambda 函数，我们将其指定为Serverless。

  3. 我们还定义了我们的函数将使用的内存大小。这类似于我们学习如何在 Lambda 的控制台中查看和更改内存设置。

  4. 超时是 Lambda 函数在考虑尝试失败之前可以重试的时间量。

您还可以看到，我们已经向 Lambda 函数添加了环境变量，这些变量将存储在 Lambda 容器中，并在系统需要时使用。

使用 SAM 进行部署

在本节中，我们将学习如何部署 SAM 应用程序。我们已经了解了 SAM 应用程序和代码的外观，所以我们将学习如何通过 AWS CloudFormation 部署它们：

  1. 首先，让我们为部署目的设置本地环境，然后从pip安装awscli：

  1. 接下来，您需要使用您的凭据配置您的 AWS 环境：

  1. 您需要输入以下详细信息，以确保您的 AWS 环境成功配置：

  • 您的 AWS 访问密钥

  • 您的 AWS 秘钥

  • 您想要操作的默认区域

  • 您希望数据的默认输出格式

  1. 现在，让我们尝试通过 SAM 部署一个简单的Hello World Lambda 应用程序。我们将为此准备两个代码文件。一个是 Python 文件，另一个是模板yaml文件。

  2. 我们将使用 Python 的默认Hello World示例，因为我们现在试图理解 SAM 部署的工作原理，而不是过于关注代码。Python 脚本将如下所示：

import json
print('Loading function')
def lambda_handler(event, context):
    #print("Received event: " + json.dumps(event, indent=2))
    print("value1 = " + event['key1'])
    print("value2 = " + event['key2'])
    print("value3 = " + event['key3'])
    return event['key1'] # Echo back the first key value
    #raise Exception('Something went wrong')
  1. 我们也将为 SAM 函数使用一个基本的模板yaml文件，其唯一的作用是定义其元信息并运行先前提到的 Python 脚本。模板yaml文件将如下所示：
AWSTemplateFormatVersion: '2010-09-09'
Transform: 'AWS::Serverless-2016-10-31'
Description: A starter AWS Lambda function.
Resources:
    helloworldpython3:
        Type: 'AWS::Serverless::Function'
        Properties:
            Handler: lambda_function.lambda_handler
            Runtime: python3.6
            CodeUri: .
            Description: A starter AWS Lambda function.
            MemorySize: 128
            Timeout: 3
  1. 现在，我们将使用命令行打包刚刚创建的 SAM 模板。打包代码的指令如下：
aws cloudformation package --template-file template.yaml --output-template-file output.yaml --s3-bucket receiver-bucket

您会得到以下输出：

  1. 这将创建一个需要部署的输出yaml文件，就像前面的跟踪中提到的那样。output.yaml文件如下所示：
AWSTemplateFormatVersion: '2010-09-09'
Description: A starter AWS Lambda function.
Resources:
    helloworldpython3:
        Properties:
            CodeUri: s3://receiver-bucket/22067de83ab3b7a12a153fbd0517d6cf
            Description: A starter AWS Lambda function.
            Handler: lambda_function.lambda_handler
            MemorySize: 128
            Runtime: python3.6
            Timeout: 3
        Type: AWS::Serverless::Function
Transform: AWS::Serverless-2016-10-31
  1. 现在，我们已经打包了 SAM 模板，我们将立即部署它。我们将使用在打包过程中显示的跟踪中的指令进行部署。部署的指令如下：
aws cloudformation deploy --template-file /Users/<path>/SAM/output.yaml --stack-name 'TestSAM' --capabilities CAPABILITY_IAM

这将给出以下输出：

  1. 我们可以转到 CloudFormation 控制台，查看我们刚刚部署的模板。部署的模板将看起来像这样：

  1. 在这里显示的模板选项卡中，我们可以看到原始模板和处理后的模板。通过选择第一个单选按钮可以看到原始模板：

  1. 通过在底部的模板选项卡下选择第二个单选按钮，可以看到处理后的模板：

  1. 如果我们转到 Lambda 控制台，我们将看到通过 SAM 新创建的 Lambda 函数及其对应的名称：

  1. 点击“函数”将为我们提供更多有关它的信息。它还提到了 SAM 模板和创建它的 CloudFormation 模板：

  1. 让我们为 Lambda 函数创建基本测试。点击“测试”按钮即可打开测试创建控制台：

  1. 现在，一旦测试用例被创建，您可以再次点击“测试”按钮。这将使用更新的测试用例运行测试。成功运行的日志将如下所示：

  1. 现在，让我们逐个逐个地了解 Lambda 函数的每个组件。配置显示了我们 Lambda 函数的触发器和日志记录设置。我们正在记录 AWS 的 CloudWatch 服务：

  1. 在 Lambda 控制台的“监控”选项中，我们还可以看到调用指标。我们可以看到确切的一个 Lambda 调用：

  1. 您可以在“函数代码”部分看到代码文件。您可以在交互式代码编辑器的左下角看到包含template.yaml文件和函数代码的文件夹结构：

  1. 并且在更下面，您可以看到名为lambda:createdBy的预先存在的环境变量，以及我们在模板中提到的超时设置。

了解 SAM 中的安全性

到目前为止，我们已经学会了如何使用 SAM 编写、构建、打包和部署 Lambda 函数。现在我们将了解它们内部的安全性是如何工作的：

  1. 您可以滚动到 Lambda 控制台的底部，查看网络和安全设置，其中提到了 VPC 和子网的详细信息：

  1. 现在，我们将添加网络设置，包括安全组和子网 ID：
AWSTemplateFormatVersion: '2010-09-09'
Transform: 'AWS::Serverless-2016-10-31'
Description: A starter AWS Lambda function.
Resources:
    helloworldpython3:
        Type: 'AWS::Serverless::Function'
        Properties:
            Handler: lambda_function.lambda_handler
            Runtime: python3.6
            CodeUri: .
            Description: A starter AWS Lambda function.
            MemorySize: 128
            Timeout: 3
            VpcConfig:
                SecurityGroupIds:
                    - sg-9a19c5ec
                SubnetIds:
                    - subnet-949564de
  1. 现在，像在上一节中那样，打包并部署新更新的 SAM 模板：

  1. 现在，一旦您在对 CloudFormation 模板进行相应编辑后打包并部署了模板，您将看到相应的网络和安全设置。网络部分如下所示：

  1. 您还可以在“网络设置”中看到与 VPC 相关的相应安全组的入站规则：

  1. 您还可以在控制台中看到已完成的 CloudFormation 模板，其中包含更新的网络和安全设置，这意味着部署已成功：

  1. 您还可以在控制台底部的“模板”选项下查看原始模板：

  1. 通过在控制台底部选择“查看已处理的模板”选项，可以找到已处理的模板：

摘要

在本章中，我们学习了如何通过 SAM 将 Lambda 函数部署为基础设施代码，这是一种编写和部署 Lambda 函数的新方法。这使得与其他 IaaS 服务（如 CloudFormation）集成变得更容易。我们还了解了 AWS CloudFormation 服务，这是一种允许和促进基础设施代码的服务。我们还学习了 SAM 代码内部的安全性以及如何配置 VPC 和子网设置。

在下一章中，您将了解 Microsoft Azure 函数，以及配置和了解该工具的组件。

第九章：Microsoft Azure Functions 简介

到目前为止，我们已经学习了如何在 AWS 环境中使用 Python 构建无服务器函数和无服务器架构。我们还详细了解了 AWS Lambda 工具的设置和环境。现在，我们将学习并探索其在 Microsoft Azure Functions 中的对应物。

在本章中，您将学习 Microsoft Azure Functions 的工作原理，Microsoft Azure Functions 控制台的外观，以及如何理解控制台中的设置。本章分为以下几个部分：

  • Microsoft Azure Functions 简介

  • 创建你的第一个 Azure 函数

  • 理解触发器

  • 理解日志记录和监控

  • 编写 Microsoft Azure Functions 的最佳实践

Microsoft Azure Functions 简介

Microsoft Azure Functions 是 AWS Lambda 服务的 Azure 对应物。在本节中，我们将学习如何定位和浏览 Microsoft Azure Functions 控制台。因此，让我们开始执行以下步骤：

  1. 您可以通过导航到左侧菜单上的“所有服务”选项卡并键入函数过滤器来找到 Azure Functions 应用。您现在会注意到 Microsoft Azure Function 的服务名称下有“函数应用”：

  1. 点击后，您将被重定向到函数应用控制台。如果您还没有创建任何函数，现在它将是空的。控制台的外观将类似于这样：

  1. 现在，让我们开始创建一个 Azure 函数。为此，我们需要在左侧菜单中点击“创建资源”选项，然后从列表中点击“计算”选项，然后从随后的选项列表中选择“函数应用”选项：

Microsoft Azure Functions 列在仪表板上的计算资源列表中。在接下来的部分中，我们将学习如何创建 Microsoft Azure Functions，还将了解不同类型的触发器以及它们的工作原理。

创建你的第一个 Azure 函数

在本节中，我们将学习如何创建和部署 Azure 函数。我们将逐步了解 Azure 函数的每个部分是如何工作的：

  1. 当您在菜单中点击“函数应用”时，您将被重定向到“函数应用”创建向导，如下截图所示：

  1. 根据向导中的要求添加所需信息。选择 Linux（预览）作为操作系统。然后，点击向导底部的蓝色“创建”按钮：

  1. 点击底部的“自动化”选项将打开一个用于自动化函数部署的验证屏幕。本章不需要这个。这只是验证您的 Azure 函数：

  1. 点击创建后，你将在“通知”菜单下看到部署正在进行中：

  1. 成功创建后，它将在通知列表中以绿色通知的形式反映出来：

  1. 点击“转到资源”将带您到新创建的 Azure 函数。函数控制台将如下所示：

我们已成功创建了一个 Azure 函数。在本章的后续部分中，我们将更详细地介绍触发器、监控和安全性。

理解触发器

在本节中，我们将了解 Azures 函数应用中触发器的工作原理。我们还将学习不同类型的触发器及其目的。执行以下步骤：

  1. 在左侧菜单中，点击“函数”选项旁边的(+)符号，以添加、删除或编辑触发器：

  1. 您将被带到函数创建控制台，看起来像这样：

  1. Azure 对 Python 的支持并不多。因此，在这个控制台中，让我们选择自定义函数。在底部的 Get Started on your own 选项下，单击 Custom function：

  1. 在函数创建向导中，启用右侧菜单中的实验性语言选项。现在，您将能够在可用语言中看到 Python 选项：

  1. Python 语言有两个可用的触发器。一个是 HTTP 触发器，另一个是队列触发器，如下面的屏幕截图所示：

  1. HTTP 触发器将在收到 HTTP 请求时触发函数。当您点击它时，您将注意到添加不同的与 HTTP 相关的设置的选项，例如授权和名称：

  1. 下一个触发器是队列触发器。这将在消息添加到队列时触发函数。我们在之前的章节中也在 AWS Lambda 中做过同样的事情：

了解 Azures Functions 中的日志记录和监视

在本节中，我们将学习并了解 Microsoft Azure Functions 中用户可用的监视和日志记录机制。执行以下步骤：

  1. 通过单击函数下的 Monitor 选项，我们可以访问特定 Azure 函数的监视套件：

  1. 我们创建的函数的监视套件如下所示：

  1. 现在，单击菜单顶部的 Open Application Insights 选项。这将带您到详细的监视页面：

  1. 如果您向下滚动，您将看到特定于函数的指标，例如服务器响应时间和请求性能。这非常有用，因为这意味着我们不需要单独的仪表板来监视所有这些统计数据：

现在我们已经了解了 Microsoft Azure Functions 的日志记录和监视，让我们看看一些最佳实践。

编写 Azure Functions 的最佳实践

我们已经学会了如何创建、配置和部署 Microsoft Azure Functions。现在我们将学习如何使用它们的最佳实践：

  • Microsoft Azure Functions 对 Python 的支持不像 AWS Lambda 那样广泛。它们有一组非常有限的基于 Python 的触发器。因此，在决定使用 Microsoft Azure Functions 之前，开发人员需要牢记这一点。Microsoft Azure Functions 支持的语言有 C＃、F＃和 JavaScript：

  • Microsoft Azure Functions 支持的实验性语言包括 Bash、Batch、PHP、TypeScript、Python 和 PowerShell：

  • 确保正确使用安全设置来保护您的函数。您可以在平台功能选项中找到所有您需要的设置：

  • 最后，尽可能多地使用监视，因为对于记录和监视无服务器函数至关重要。我们已经了解了监视细节和相应的设置。

总结

在本章中，我们学习了关于 Microsoft Azure Functions 以及如何构建它们的知识。我们了解了可用的各种功能，以及 Python 运行时的可用触发器。我们还学习并尝试了 Microsoft Azure Functions 的日志记录和监控功能，以及理解并尝试了 Azure 的实验性功能，例如除了标准语言集之外提供的额外运行时。

avatar
文章
阅读
粉丝