Spring Boot-Anwendung auf AWS Lambda – Teil Messung von Kalt- und Warmstarts mit GraalVM Native Image und Speichereinstellungen

Einführung

Im Artikel Teil 12 unserer Serie haben wir untersucht, wie man eine Lambda-Funktion mit einer benutzerdefinierten Laufzeit entwickelt und bereitstellt, die ein GraalVM Native Image mit einer GraalVM 22-Laufzeit enthält, die aus der AWS-Anwendung Spring Cloud Function erstellt wurde. Im Teil 13 haben wir die Leistung (Kalt- und Warmstarts) einer solchen Lambda-Funktion mit 1024 MB Speicher gemessen.

In diesem Artikel messen wir die Leistung (Kalt- und Warmstarts) der Lambda-Funktion mithilfe dieses Ansatzes mit verschiedenen Speichereinstellungen zwischen 256 und 1536 MB, um den Kompromiss zwischen Kosten und Leistung zu untersuchen.

Messen von Kalt- und Warmstarts der Lambda-Funktion mit Custom Runtime, das GraalVM Native Image mit unterschiedlichen Speichereinstellungen enthält

Wir werden genau das gleiche Experiment wiederholen, das in Teil 13 dieser Artikelserie beschrieben wurde, jedoch mit unterschiedlichen Speichereinstellungen zwischen 256 und 1536 MB.

Hier sind die Ergebnisse des Experiments:

Kalt (c) und warm (m) Startzeit in ms:

Memory setting	c p50	c p75	c p90	c p99	c p99.9	c max	w p50	w p75	w p90	w p99	w p99.9	w max
256 MB	1634.84	1659.54	1691.35	1778.03	1785.15	1785.7	6.56	6.99	7.63	18.33	372.54	857.7
512 MB	1244.44	1278.48	1313.45	1414.28	1421.36	1421.94	6.66	7.10	7.94	25.41	181.86	414.99
768 MB	1111.53	1126.07	1139.66	1192.08	1202.86	1203.07	6.58	6.93	7.48	12.46	115.18	278.91
1024 MB	1051.03	1061.58	1080.86	1119.34	1149.45	1230.28	6.45	6.77	7.33	12.50	90.92	218.17
1280 MB	1022.02	1035.39	1058.41	1065.76	1104.64	1174.79	6.58	6.96	7.54	12.37	70.77	271.13
1536 MB	1009.83	1029.20	1048.41	1161.32	1116.24	1148.24	6.66	7.04	7.75	12.08	63.03	215.62

Abschluss

In diesem Artikel werden Kalt- und Warmstarts der Lambda-Funktion unter Verwendung einer benutzerdefinierten Laufzeit gemessen, die ein GraalVM Native Image mit einer GraalVM 21-Laufzeit enthält, die aus der in Teil 12 eingeführten AWS-Anwendung Spring Cloud Function erstellt wurde und unterschiedliche Speichereinstellungen zwischen 256 und 1536 MB aufweist.

Wir beobachten ähnliche Dinge wie im Artikel Pure Lambda-Funktion mit GraalVM Native Image – Messen von Kalt- und Warmstarts mit unterschiedlichen Lambda-Speichereinstellungen beschrieben. Die Warmstartzeiten liegen auch bei der niedrigeren Lambda-Funktionsspeichereinstellung wie 256 oder 512 MB sehr nahe beieinander, wobei der Unterschied hauptsächlich bei den hohen Perzentilen sichtbar ist (>= p90). Die Kaltstartzeiten sind bei 256 und 512 MB recht hoch und ab 768 MB Speicher verringern sie sich nur geringfügig, indem Lambda mehr Speicher zur Verfügung gestellt wird, bei Speicher größer als 1024 MB ist jedoch kein Unterschied erkennbar. Abhängig von Ihren Leistungsanforderungen können Sie Lambda weniger Speicher als 1024 MB geben, wie wir ursprünglich in der Beispielanwendung angegeben haben, und haben mit 768 MB oder sogar etwas weniger Speicher einen sehr guten Preis-Leistungs-Kompromiss.

Wir haben auch die gleichen Beobachtungen geteilt, die im Fazit von Teil 13 beschrieben wurden. Wenn wir Kaltstartzeiten mit den im Artikel Pure Lambda-Funktion mit GraalVM Native Image – Messen von Kalt- und Warmstarts mit unterschiedlichen Lambda-Speichereinstellungen gemessenen Zeiten vergleichen ( Wenn die Lambda-Funktion kein Framework wie Spring Boot verwendet), sehen wir bei Verwendung der reinen Lambda-Funktion Werte, die für jedes Perzentil um etwa 0,5 bis 0,6 Sekunden niedriger sind. Ich persönlich denke, dass meine Beispiel-Spring Boot 3-Anwendung ein gewisses Optimierungspotenzial hat, da ich mir einen so großen Unterschied in den Kaltstartzeiten zwischen diesen nicht erklären kann. Meine (vielleicht naive) Erwartung ist, dass die Verwendung des Spring Boot 3-Frameworks mit AWS Lambda und GraalVM Native Image möglicherweise nur zu 0,2–0,3 höheren Kaltstartzeiten im Vergleich zur Verwendung der reinen Lambda-Funktion führt.

Zum Zeitpunkt der Veröffentlichung dieses Artikels waren neuere Versionen der verwendeten Frameworks und Tools verfügbar (GraalVM 23-Laufzeitumgebung, Spring Boot 3.4 und Versionsaktualisierung der Spring Cloud-Funktionsbibliothek). Nehmen Sie daher gegebenenfalls die Versionsänderungen vor und kompilieren Sie GraalVM Native neu Bild nach den Anweisungen aus Teil 2 der Serie und messen Sie die Leistung erneut. Ich werde auch bald die neuen Messungen mit diesen Versionen veröffentlichen und die Beispielanwendung aktualisieren.

Das obige ist der detaillierte Inhalt vonSpring Boot-Anwendung auf AWS Lambda – Teil Messung von Kalt- und Warmstarts mit GraalVM Native Image und Speichereinstellungen. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!