Panoramica del laboratorio
Puoi creare pacchetti e distribuire funzioni Lambda come immagini di container con una dimensione massima fino a 10 GB. Tutto questo consente di creare e distribuire carichi di lavoro più grandi che si basano su numerose dipendenze, come il machine learning o carichi di lavoro ad alta intensità di dati. Analogamente alle funzioni impacchettate come archivi ZIP, quelle distribuite come immagini di container beneficiano degli stessi vantaggi, tra cui semplicità operativa, dimensionamento automatico, disponibilità elevata e integrazioni native con diversi servizi.
In questo laboratorio, distribuirai un’applicazione di esempio in AWS Lambda tramite un’immagine di container, utilizzando AWS Cloud9 come ambiente di sviluppo integrato (IDE) basato sul cloud, nel quale creerai l’applicazione di esempio, la testerai in locale, caricherai l’immagine di container su Amazon Elastic Container Registry (Amazon ECR) e, infine, la distribuirai in AWS Lambda tramite AWS Serverless Application Model (SAM).
Questo laboratorio viene completato tramite Javascript e inizierai con un’immagine di base AWS per Lambda per creare un’immagine di container per una nuova funzione Lambda. Tieni presente che puoi anche creare un’immagine da un’immagine di base alternativa.
Per creare l’immagine di container, puoi utilizzare qualsiasi strumento di sviluppo che supporti uno dei seguenti formati manifesto dell’immagine di container:
- Manifesto immagine Docker V2, schema 2 (usato con Docker versione 1.10 e successive)
- Specifiche OCI (v1.0.0 e successive)
Ad esempio, puoi utilizzare la CLI Docker per creare, testare e distribuire le immagini di container. In questo laboratorio, utilizzeremo AWS SAM CLI a tale scopo.
Il completamento di questo laboratorio richiederà circa 90 minuti.
Argomenti trattati
Alla fine di questo laboratorio sarai in grado di:
- creare e testare una funzione Lambda in locale nell’ambiente di sviluppo Cloud9 tramite l’emulatore dell’interfaccia runtime Lambda;
- caricare l’immagine di container Lambda in Amazon Elastic Container Registry (Amazon ECR);
- modificare e caricare nuovamente il container utilizzato nella funzione Lambda;
- richiamare la funzione Lambda tramite un endpoint Amazon API Gateway.
Competenze tecniche preliminari
Per completare correttamente questo laboratorio è necessario avere familiarità con la navigazione di base della Console di gestione AWS ed essere in grado di modificare gli script utilizzando un editor di testo.
