# Lambda 托管实例的最佳实践
<a name="lambda-managed-instances-best-practices"></a>

## 容量提供程序配置
<a name="lambda-managed-instances-bp-capacity-provider"></a>

**按信任级别分离容量提供程序。**为具有不同安全要求的工作负载创建不同的容量提供程序。分配给同一容量提供程序的所有功能必须相互信任，因为容量提供程序充当着安全边界的角色。

**采用描述性名称。**对容量提供程序进行命名，以清楚地表明其预期用途和信任级别（例如 `production-trusted`、`dev-sandbox`）。这有助于团队了解每个容量提供程序的目的和安全状况。

**使用多个可用区。**创建容量提供程序时，指定跨多个可用区的子网。Lambda 默认为可用区启动三个实例以增强韧性，从而确保您的函数具备高可用性。

## 实例类型选择
<a name="lambda-managed-instances-bp-instance-types"></a>

**让 Lambda 选择实例类型。**默认情况下，Lambda 会为您的工作负载选择最佳实例类型。我们建议让 Lambda 托管实例为您选择实例类型，因为限制可能的实例类型数量可能会导致可用性降低。

**根据特定要求指定实例类型。**如果您有特定的硬件要求，请将允许的实例类型设置为兼容的实例列表。例如：
+ 对于需要高网络带宽的应用程序，请选择多种 n 系列实例类型
+ 对于有成本约束的测试或开发环境，请选择较小的实例类型，例如 m7a.large

## 函数配置
<a name="lambda-managed-instances-bp-function-config"></a>

**选择适当的内存和 vCPU 设置。**选择能够支持您的函数多并发执行的内存和 vCPU 配置。支持的最小函数大小为 2GB 和 1 个 vCPU。
+ 对于 Python 应用程序，由于 Python 处理多并发的方式，选择较高的内存与 vCPU 比（例如 4:1 或 8:1）
+ 对于 CPU 密集型操作或执行少量 IO 的函数，请选择多个 vCPU
+ 对于 IO 密集型应用程序（如 Web 服务或批处理作业），多并发可提供最大的益处

**适当配置最大并发。**Lambda 会选择合理的默认值以实现最大的并发性，从而在资源消耗和吞吐量之间达到平衡。根据函数的资源使用情况调整此设置：
+ 如果您的函数调用所占用的 CPU 资源极少，可提高最大并发数（最高每个 vCPU 64 个）
+ 如果您的应用程序占用大量内存但 CPU 使用率很低，请降低最大并发数。

请注意，并发度极低的执行环境可能会出现节流并难以实现扩展。

## 扩展配置
<a name="lambda-managed-instances-bp-scaling"></a>

**设置适当的目标资源利用率。**默认情况下，Lambda 会保留足够的余量，让您的流量在 5 分钟翻倍也不会受到节流。根据您的工作负载特征对此进行调整：
+ 对于非常稳定的工作负载或对节流不敏感的应用程序，将目标设定得较高，以实现更高的利用率和更低的成本。
+ 对于可能出现流量爆发的工作负载，请将资源目标设置为较低水平，以维持额外的余量

**规划流量增长。**如果您的流量在 5 分钟内增长超过一倍，您可能会在 Lambda 纵向扩展实例和执行环境时看到节流出现。请设计您的应用程序，以应对在快速纵向扩展期间可能出现的节流情况。

## 安全性
<a name="lambda-managed-instances-bp-security"></a>

**对 PassCapacityProvider 权限应用最低权限。**仅向必要的容量提供程序授予 `lambda:PassCapacityProvider` 权限。使用资源级权限来限制用户能够为函数分配哪些容量提供程序。

**监控容量提供程序的使用情况。**使用 Amazon CloudTrail 监控容量提供程序的分配和访问模式。这有助于识别未经授权的访问行为，并确保符合安全策略的要求。

**隔离不受信任的工作负载。**不要依靠容器来实现不受信任的工作负载之间的安全隔离。使用不同的容量提供程序来隔离相互不信任的工作负载。

## 成本优化
<a name="lambda-managed-instances-bp-cost"></a>

**利用 EC2 定价选项。**利用 EC2 节省计划和预留实例来降低成本。这些定价选项适用于底层 EC2 计算（15% 的管理费不享受折扣）。

**针对稳态工作负载进行优化。**Lambda 托管实例最适合具有稳态特性且流量可预测的大流量函数。对于突发流量模式，Lambda（默认）可能更具成本效益。

**监控资源利用率。**跟踪 CloudWatch 指标以了解 CPU 和内存利用率。根据实际使用模式调整函数内存分配和实例类型选择，以优化成本。

## 监控和可观测性
<a name="lambda-managed-instances-bp-monitoring"></a>

**监控容量提供程序指标。**跟踪容量提供程序级别的指标（包括 CPUUtilization、MemoryUtilization、vCPUAvailable 和 MemoryAvailable），以验证是否有足够的资源可用于工作负载。

**监控执行环境指标。**跟踪执行环境级别的指标，包括 ExecutionEnvironmentConcurrency 和 ExecutionEnvironmentConcurrencyLimit，以了解扩展行为并识别潜在的节流。

**设置 CloudWatch 警报。**为关键指标创建 CloudWatch 警报，以主动识别问题：
+ CPU 或内存利用率高
+ 可用容量低
+ 接近并发限制

## 特定语言注意事项
<a name="lambda-managed-instances-bp-runtime"></a>

**遵循特定语言的最佳实践。**每种编程语言处理多并发的方式不同。请查看特定语言指南，了解详细建议：
+ **Java：**对特定于请求的状态使用线程安全的集合 `AtomicInteger` 和 `ThreadLocal` 
+ **Node.js：**对所有特定于请求的状态使用 InvokeStore，并避免使用全局变量
+ **Python：**在 `/tmp` 中使用包含请求 ID 的唯一文件名，并考虑采用基于进程的内存隔离
+ **Rust：**使用 `run_concurrent` 代替 `run`，启用 `concurrency-tokio` 功能。处理程序必须是 `Clone` \+ `Send`。

**测试线程安全和并发问题。**在将函数部署到生产环境之前，对您的函数进行全面测试，以检查是否存在线程安全问题、争用条件以及在并发负载下是否能正确实现状态隔离。

## 后续步骤
<a name="lambda-managed-instances-bp-next-steps"></a>
+ 了解 [Lambda 托管实例的容量提供程序](lambda-managed-instances-capacity-providers.md)
+ 了解 [Lambda 托管实例的扩展](lambda-managed-instances-scaling.md)
+ 查看 [Java](lambda-managed-instances-java-runtime.md)、[Node.js](lambda-managed-instances-nodejs-runtime.md) 和 [Python](lambda-managed-instances-python-runtime.md) 的运行时特定指南
+ [为您的容量提供程序配置 VPC 连接](lambda-managed-instances-networking.md)
+ 使用 [CloudWatch 指标](lambda-managed-instances-monitoring.md)监控 Lambda 托管实例