


Dites adieu aux instantanés orphelins : automatisez le nettoyage avec Serverless, Terraform et AWS EventBridge !
Au fil du temps, les comptes AWS peuvent accumuler des ressources qui ne sont plus nécessaires mais qui continuent d'engendrer des coûts. Un exemple courant est celui des instantanés EBS orphelins laissés après la suppression des volumes. La gestion manuelle de ces instantanés peut être fastidieuse et coûteuse.
Ce guide montre comment automatiser le nettoyage des instantanés EBS orphelins à l'aide de Python (Boto3) et Terraform dans une fonction AWS Lambda, qui est ensuite déclenchée à l'aide d'AWS EventBridge selon une planification ou un événement.
À la fin, vous disposerez d'une solution sans serveur complète pour garder votre environnement AWS propre et rentable.
Étape 1 : Installation de l'AWS CLI et de Terraform
Tout d’abord, assurons-nous que les outils essentiels sont installés.
AWS CLI
L'AWS CLI permet l'accès en ligne de commande aux services AWS. Installez-le en fonction de votre système d'exploitation :
macOS :brew install awscli
Windows : Programme d'installation de l'AWS CLI
Linux : Utilisez le gestionnaire de paquets (par exemple, sudo apt install awscli pour Ubuntu).
Vérifiez l'installation :
aws --version
Terraforme
Terraform est un outil Infrastructure as Code (IaC) populaire pour définir et gérer les ressources AWS.
macOS :brew install terraform
Windows : Programme d'installation de Terraform
Linux : Téléchargez le binaire et déplacez-le vers /usr/local/bin.
Vérifier l'installation :
terraform -version
Étape 2 : Configuration d'AWS Access
Configurez votre AWS CLI avec des clés d'accès pour permettre à Terraform et Lambda de s'authentifier auprès des services AWS.
Obtenez les clés d'accès depuis votre compte AWS (AWS IAM Console).
Configurer AWS CLI :
aws configure
Suivez les invites pour saisir votre clé d'accès, votre clé d'accès secrète, votre région par défaut (par exemple, us-east-1) et votre format de sortie (par exemple, json).
Étape 3 : Code Python pour le nettoyage des instantanés orphelins
Des instructions étape par étape pour créer une fonction Lambda sont fournies ici.
Cette fonction Lambda utilise Boto3, le SDK Python d'AWS, pour répertorier tous les instantanés EBS, vérifier l'état de leur volume associé et supprimer les instantanés lorsque le volume n'est plus disponible. Voici le code de fonction complet :
import boto3 import logging logger = logging.getLogger() logger.setLevel(logging.INFO) def lambda_handler(event, context): ec2_cli = boto3.client("ec2") response = ec2_cli.describe_snapshots(OwnerIds=["self"], DryRun=False) snapshot_id = [] for each_snapshot in response["Snapshots"]: try: volume_stat = ec2_cli.describe_volume_status( VolumeIds=[each_snapshot["VolumeId"]], DryRun=False ) except ec2_cli.exceptions.ClientError as e: if e.response["Error"]["Code"] == "InvalidVolume.NotFound": snapshot_id.append(each_snapshot["SnapshotId"]) else: raise e if snapshot_id: for each_snap in snapshot_id: try: ec2_cli.delete_snapshot(SnapshotId=each_snap) logger.info(f"Deleted SnapshotId {each_snap}") except ec2_cli.exceptions.ClientError as e: return { "statusCode": 500, "body": f"Error deleting snapshot {each_snap}: {e}", } return {"statusCode": 200}
Étape 4 : Configuration de Terraform pour une infrastructure sans serveur
À l'aide de Terraform, nous créerons une fonction Lambda, un rôle IAM et une stratégie pour déployer ce script sur AWS. De plus, nous configurerons une règle EventBridge pour déclencher Lambda selon un calendrier régulier.
Installation de Terraform et configuration du fournisseur
Cette section configure Terraform, y compris la configuration de la gestion de l'état à distance dans S3.
Remarque : Modifiez la valeur de require_version selon la sortie terraform -version.
aws --version
Rôle et politique IAM pour Lambda
Cette configuration IAM configure les autorisations permettant à Lambda d'accéder à EC2 et CloudWatch, permettant la suppression et la journalisation des instantanés.
terraform -version
Emballage et déploiement de la fonction Lambda
Ici, nous emballons le code Python et le déployons en tant que fonction Lambda.
aws configure
Règle EventBridge pour l'invocation Lambda
AWS EventBridge vous permet de créer des déclencheurs planifiés ou basés sur des événements pour les fonctions Lambda. Ici, nous allons configurer EventBridge pour appeler notre fonction Lambda selon un planning, par exemple toutes les 24 heures. Vous pouvez en savoir plus sur EventBridge et les événements planifiés dans la documentation AWS ici.
import boto3 import logging logger = logging.getLogger() logger.setLevel(logging.INFO) def lambda_handler(event, context): ec2_cli = boto3.client("ec2") response = ec2_cli.describe_snapshots(OwnerIds=["self"], DryRun=False) snapshot_id = [] for each_snapshot in response["Snapshots"]: try: volume_stat = ec2_cli.describe_volume_status( VolumeIds=[each_snapshot["VolumeId"]], DryRun=False ) except ec2_cli.exceptions.ClientError as e: if e.response["Error"]["Code"] == "InvalidVolume.NotFound": snapshot_id.append(each_snapshot["SnapshotId"]) else: raise e if snapshot_id: for each_snap in snapshot_id: try: ec2_cli.delete_snapshot(SnapshotId=each_snap) logger.info(f"Deleted SnapshotId {each_snap}") except ec2_cli.exceptions.ClientError as e: return { "statusCode": 500, "body": f"Error deleting snapshot {each_snap}: {e}", } return {"statusCode": 200}
Étape 5 : Application de la configuration Terraform
Après avoir défini l'infrastructure, initialisez et appliquez la configuration Terraform :
terraform { required_version = ">=1.5.6" required_providers { aws = { source = "hashicorp/aws" version = "~> 5.72.0" } } backend "s3" { bucket = "terraform-state-files-0110" key = "delete-orphan-snapshots/terraform.tfstate" region = "us-east-1" dynamodb_table = "tf_state_file_locking" } } provider "aws" { region = "us-east-1" }
Étape 6 : Test et surveillance de la fonction Lambda
Pour vérifier que la solution fonctionne :
- Déclencher manuellement l'événement (facultatif) : pour les tests initiaux, déclenchez la fonction Lambda manuellement à partir de la console AWS Lambda.
- Surveiller les journaux CloudWatch : La fonction Lambda écrit des journaux dans CloudWatch, où vous pouvez consulter les entrées pour vérifier les suppressions d'instantanés.
- Ajustez la planification selon vos besoins : Modifiez l'expression_schedule pour définir une fréquence personnalisée pour le nettoyage des instantanés.
Conclusion
En combinant Python (Boto3), Terraform et AWS EventBridge, nous avons créé une solution entièrement automatisée et sans serveur pour nettoyer les instantanés EBS orphelins. Cette configuration réduit non seulement les coûts du cloud, mais favorise également un environnement AWS ordonné et efficace. Grâce aux appels planifiés, vous pouvez être assuré que les ressources orphelines sont systématiquement supprimées.
Essayez cette solution dans votre propre compte AWS et découvrez les avantages de l'automatisation dans la gestion des ressources cloud !
Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!

Outils d'IA chauds

Undresser.AI Undress
Application basée sur l'IA pour créer des photos de nu réalistes

AI Clothes Remover
Outil d'IA en ligne pour supprimer les vêtements des photos.

Undress AI Tool
Images de déshabillage gratuites

Clothoff.io
Dissolvant de vêtements AI

Video Face Swap
Échangez les visages dans n'importe quelle vidéo sans effort grâce à notre outil d'échange de visage AI entièrement gratuit !

Article chaud

Outils chauds

Bloc-notes++7.3.1
Éditeur de code facile à utiliser et gratuit

SublimeText3 version chinoise
Version chinoise, très simple à utiliser

Envoyer Studio 13.0.1
Puissant environnement de développement intégré PHP

Dreamweaver CS6
Outils de développement Web visuel

SublimeText3 version Mac
Logiciel d'édition de code au niveau de Dieu (SublimeText3)

Sujets chauds











Python est plus facile à apprendre et à utiliser, tandis que C est plus puissant mais complexe. 1. La syntaxe Python est concise et adaptée aux débutants. Le typage dynamique et la gestion automatique de la mémoire le rendent facile à utiliser, mais peuvent entraîner des erreurs d'exécution. 2.C fournit des fonctionnalités de contrôle de bas niveau et avancées, adaptées aux applications haute performance, mais a un seuil d'apprentissage élevé et nécessite une gestion manuelle de la mémoire et de la sécurité.

Est-ce suffisant pour apprendre Python pendant deux heures par jour? Cela dépend de vos objectifs et de vos méthodes d'apprentissage. 1) Élaborer un plan d'apprentissage clair, 2) Sélectionnez les ressources et méthodes d'apprentissage appropriées, 3) la pratique et l'examen et la consolidation de la pratique pratique et de l'examen et de la consolidation, et vous pouvez progressivement maîtriser les connaissances de base et les fonctions avancées de Python au cours de cette période.

Python est meilleur que C dans l'efficacité du développement, mais C est plus élevé dans les performances d'exécution. 1. La syntaxe concise de Python et les bibliothèques riches améliorent l'efficacité du développement. Les caractéristiques de type compilation et le contrôle du matériel de CC améliorent les performances d'exécution. Lorsque vous faites un choix, vous devez peser la vitesse de développement et l'efficacité de l'exécution en fonction des besoins du projet.

Python et C ont chacun leurs propres avantages, et le choix doit être basé sur les exigences du projet. 1) Python convient au développement rapide et au traitement des données en raison de sa syntaxe concise et de son typage dynamique. 2) C convient à des performances élevées et à une programmation système en raison de son typage statique et de sa gestion de la mémoire manuelle.

PythonlistSaReparmentofthestandardLibrary, tandis que les coloccules de colocède, tandis que les colocculations pour la base de la Parlementaire, des coloments de forage polyvalent, tandis que la fonctionnalité de la fonctionnalité nettement adressée.

Python excelle dans l'automatisation, les scripts et la gestion des tâches. 1) Automatisation: La sauvegarde du fichier est réalisée via des bibliothèques standard telles que le système d'exploitation et la fermeture. 2) Écriture de script: utilisez la bibliothèque PSUTIL pour surveiller les ressources système. 3) Gestion des tâches: utilisez la bibliothèque de planification pour planifier les tâches. La facilité d'utilisation de Python et la prise en charge de la bibliothèque riche en font l'outil préféré dans ces domaines.

Les applications de Python en informatique scientifique comprennent l'analyse des données, l'apprentissage automatique, la simulation numérique et la visualisation. 1.Numpy fournit des tableaux multidimensionnels et des fonctions mathématiques efficaces. 2. Scipy étend la fonctionnalité Numpy et fournit des outils d'optimisation et d'algèbre linéaire. 3. Pandas est utilisé pour le traitement et l'analyse des données. 4.Matplotlib est utilisé pour générer divers graphiques et résultats visuels.

Les applications clés de Python dans le développement Web incluent l'utilisation des cadres Django et Flask, le développement de l'API, l'analyse et la visualisation des données, l'apprentissage automatique et l'IA et l'optimisation des performances. 1. Framework Django et Flask: Django convient au développement rapide d'applications complexes, et Flask convient aux projets petits ou hautement personnalisés. 2. Développement de l'API: Utilisez Flask ou DjangorestFramework pour construire RestulAPI. 3. Analyse et visualisation des données: utilisez Python pour traiter les données et les afficher via l'interface Web. 4. Apprentissage automatique et AI: Python est utilisé pour créer des applications Web intelligentes. 5. Optimisation des performances: optimisée par la programmation, la mise en cache et le code asynchrones
