使用 Amazon Config 对 Lambda 进行检测性控制 - Amazon Lambda
Amazon Web Services 文档中描述的 Amazon Web Services 服务或功能可能因区域而异。要查看适用于中国区域的差异,请参阅 中国的 Amazon Web Services 服务入门 (PDF)

本文属于机器翻译版本。若本译文内容与英语原文存在差异,则一律以英文原文为准。

使用 Amazon Config 对 Lambda 进行检测性控制

除了主动性评估外,Amazon Config 还可以被动检测不符合您的治理策略的资源部署和配置。被动侦测非常重要,因为治理策略会随着组织学习和实施新的最佳实践而不断演变。

假设您在部署或更新 Lambda 函数时设置了全新的策略:所有 Lambda 函数都必须始终使用特定的、经批准的 Lambda 层版本。您可以配置 Amazon Config 来监控新函数或更新函数的层配置。如果 Amazon Config 检测到某函数未使用已批准的层版本,则会将该函数标记为不合规资源。您可以选择配置 Amazon Config,通过使用 Amazon Systems Manager 自动化文档指定补救操作来自动修复资源。例如,您可以通过 Amazon SDK for Python (Boto3) 使用 Python 编写自动化文档,将不合规函数更新为指向已批准的层版本。因此,Amazon Config 既可以作为检测性控制,也可以作为纠正性控制,实现了合规性管理的自动化。

让我们将这个过程分解为三个重要的实施阶段:


        The three implementation phases are identify, notify, and deploy remediation.

第 1 阶段:确定访问资源

首先在账户中激活 Amazon Config,然后将其配置为记录 Amazon Lambda 函数。这样,Amazon Config 就可以观测到 Lambda 函数的创建或更新时间。然后,您可以配置使用 Amazon CloudFormation Guard 语法的自定义策略规则来检查是否存在特定的策略违规行为。Guard 规则的一般形式如下:

rule name when condition { assertion }

以下示例规则用于确保层未设置为旧版本:

rule desiredlayer when configuration.layers !empty { some configuration.layers[*].arn != CONFIG_RULE_PARAMETERS.OldLayerArn }

让我们来了解一下规则的语法和结构:

  • 规则名称:所提供的示例中的规则名称为 desiredlayer

  • 条件:此子句指定了检查规则的条件。在所提供的示例中,条件为 configuration.layers !empty。这意味着只有在配置中的 layers 属性不为空时,才会对资源进行评估。

  • 断言:when 子句之后,断言决定了规则检查的内容。该断言 some configuration.layers[*].arn != CONFIG_RULE_PARAMETERS.OldLayerArn 会检查是否有任何 Lambda 层 ARN 与 OldLayerArn 值不匹配。如果不匹配,则断言为真,规则通过;否则,规则失败。

CONFIG_RULE_PARAMETERS 是使用 Amazon Config 规则配置的一组特殊参数。在本例中,OldLayerArnCONFIG_RULE_PARAMETERS 中的一个参数。这样,用户可以提供其认为已过时或已弃用的特定 ARN 值,然后该规则就会检查是否有任何 Lambda 函数正在使用此旧 ARN。

第 2 阶段:可视化和设计

Amazon Config 收集配置数据并将这些数据存储在 Amazon Simple Storage Service(Amazon S3)存储桶中。您可以使用 Amazon Athena 直接从 S3 存储桶中查询这些数据。通过 Athena,您可以在组织层面聚合这些数据,从而生成所有账户中资源配置的整体视图。要设置资源配置数据的聚合,请参阅云运营与管理博客Amazon上的 “使用 Athena 和 QuickSight Amazon 可视化Amazon Config数据”。

以下是一个 Athena 查询示例,用于确定使用特定层 ARN 的所有 Lambda 函数:

WITH unnested AS ( SELECT item.awsaccountid AS account_id, item.awsregion AS region, item.configuration AS lambda_configuration, item.resourceid AS resourceid, item.resourcename AS resourcename, item.configuration AS configuration, json_parse(item.configuration) AS lambda_json FROM default.aws_config_configuration_snapshot, UNNEST(configurationitems) as t(item) WHERE "dt" = 'latest' AND item.resourcetype = 'AWS::Lambda::Function' ) SELECT DISTINCT region as Region, resourcename as FunctionName, json_extract_scalar(lambda_json, '$.memorySize') AS memory_size, json_extract_scalar(lambda_json, '$.timeout') AS timeout, json_extract_scalar(lambda_json, '$.version') AS version FROM unnested WHERE lambda_configuration LIKE '%arn:aws:lambda:us-east-1:111122223333:layer:AnyGovernanceLayer:24%'

以下是查询的结果:


        Query results in Athena console.

通过汇总整个组织的Amazon Config数据,您可以使用 Amazon 创建控制面板 QuickSight。通过将 Athena 结果导入 A QuickSight mazon,您可以直观地看到 Lambda 函数在多大程度上遵守层版本规则。此控制面板可以突出显示合规资源和不合规资源,从而有助于您确定执行策略,如下一节所述。下图是一个示例控制面板,用于报告应用于组织内函数的层版本的分布情况。


        Example Amazon QuickSight dashboard shows distribution of layer versions in Lambda functions.

第 3 阶段:实施和强制执行

现在,您可以选择通过 Systems Manager 自动化文档将您在第 1 阶段创建的层版本规则与补救操作配对,该文档是您使用 Amazon SDK for Python (Boto3) 编写的 Python 脚本。该脚本为每个 Lambda 函数调用 UpdateFunctionConfigurationAPI 操作,使用新的层 ARN 更新函数配置。您也可以使用脚本向代码存储库提交拉取请求以更新层 ARN。这样,未来的代码部署也将使用正确的层 ARN 进行更新。