Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.
Sie können AWS Lambda damit geplante Prozesse wie automatisierte Systemsicherungen, Dateikonvertierungen und Wartungsaufgaben ersetzen. In diesem Beispiel erstellen Sie eine Serverless-Anwendung, die regelmäßig geplante Wartungsarbeiten an einer DynamoDB-Tabelle durchführt, indem alte Einträge gelöscht werden. Die App verwendet EventBridge Scheduler, um eine Lambda-Funktion nach einem Cron-Zeitplan aufzurufen. Wenn die Funktion aufgerufen wird, fragt sie die Tabelle nach Elementen ab, die älter als ein Jahr sind und löscht sie. Die Funktion protokolliert jedes gelöschte Element in Logs. CloudWatch
Um dieses Beispiel zu implementieren, erstellen Sie zunächst eine DynamoDB-Tabelle und füllen Sie sie mit einigen Testdaten auf, damit Ihre Funktion sie abfragen kann. Erstellen Sie dann eine Python-Lambda-Funktion mit einem EventBridge Scheduler-Trigger und einer IAM-Ausführungsrolle, die der Funktion die Berechtigung erteilt, Elemente aus Ihrer Tabelle zu lesen und zu löschen.
Tipp
Wenn Sie neu bei Lambda sind, empfehlen wir Ihnen, vor der Erstellung dieser Beispielanwendung das Tutorial Erstellen Sie Ihre erste Lambda-Funktion zu absolvieren.
Sie können Ihre App manuell bereitstellen, indem Sie Ressourcen mit dem erstellen und konfigurieren. AWS Management Console Sie können die App auch mithilfe von AWS Serverless Application Model (AWS SAM) bereitstellen. AWS SAM ist ein Tool für Infrastruktur als Code (IaC). Mit IaC erstellen Sie Ressourcen nicht manuell, sondern definieren sie im Code und stellen sie dann automatisch bereit.
Wenn Sie mehr über die Verwendung von Lambda mit IaC erfahren möchten, bevor Sie diese Beispiel-App bereitstellen, finden Sie unter Verwenden von Lambda mit Infrastructure as Code (IaC).
Voraussetzungen
Bevor Sie die Beispiel-App erstellen können, stellen Sie sicher, dass Sie die erforderlichen Befehlszeilentools und Programme installiert haben.
-
Python
Um die DynamoDB-Tabelle zu füllen, die Sie zum Testen Ihrer App erstellen, verwendet dieses Beispiel ein Python-Skript und eine CSV-Datei, um Daten in die Tabelle zu schreiben. Stellen Sie sicher, dass Python Version 3.8 oder höher auf Ihrem Computer installiert ist.
-
AWS SAM CLI
Wenn Sie die DynamoDB-Tabelle erstellen und die Beispiel-App mithilfe bereitstellen möchten AWS SAM, müssen Sie die AWS SAM CLI installieren. Folgen Sie den Installationsanweisungen im AWS SAM Benutzerhandbuch.
-
AWS CLI
Um das bereitgestellte Python-Skript zum Auffüllen Ihrer Testtabelle zu verwenden, müssen Sie das AWS CLI installiert und konfiguriert haben. Das liegt daran, dass das Skript die verwendet AWS SDK for Python (Boto3), die Zugriff auf Ihre AWS Identity and Access Management (IAM-) Anmeldeinformationen benötigt. Sie benötigen außerdem die AWS CLI Installation, um Ressourcen mithilfe AWS SAM von bereitzustellen. Installieren Sie die Befehlszeilenschnittstelle, indem Sie die Installationsanweisungen im AWS Command Line Interface -Benutzerhandbuch befolgen.
-
Docker
Um die App mithilfe von bereitzustellen AWS SAM, muss Docker auch auf Ihrem Build-Computer installiert sein. Befolgen Sie die Anweisungen in Installieren der Docker-Engine
auf der Docker-Dokumentations-Website.
Die Beispiel-App-Dateien werden heruntergeladen
Um die Beispieldatenbank und die Anwendung für die geplante Wartung zu erstellen, müssen Sie die folgenden Dateien in Ihrem Projektverzeichnis erstellen:
Beispieldatenbankdateien
-
template.yaml- eine AWS SAM Vorlage, mit der Sie die DynamoDB-Tabelle erstellen können -
sample_data.csv- eine CSV-Datei mit Beispieldaten, die Sie in Ihre Tabelle laden können -
load_sample_data.py- ein Python-Skript, das die Daten in der CSV-Datei in die Tabelle schreibt
Anwendungsdateien für die planmäßige Wartung
-
lambda_function.py- den Python-Funktionscode für die Lambda-Funktion, die die Datenbankwartung durchführt -
requirements.txt- eine Manifestdatei, die die Abhängigkeiten definiert, die Ihr Python-Funktionscode benötigt -
template.yaml- eine AWS SAM Vorlage, mit der Sie die App bereitstellen können
Datei testen
-
test_app.py- ein Python-Skript, das die Tabelle scannt und den erfolgreichen Betrieb Ihrer Funktion bestätigt, indem es alle Datensätze ausgibt, die älter als ein Jahr sind
Erweitern Sie die folgenden Abschnitte, um den Code anzusehen und mehr über die Rolle der einzelnen Dateien beim Erstellen und Testen Ihrer App zu erfahren. Um die Dateien auf Ihrem lokalen Computer zu erstellen, kopieren Sie den folgenden Code und fügen Sie ihn ein.
Kopieren Sie den folgenden Code und fügen Sie ihn in eine Datei mit dem Namen template.yaml ein.
AWSTemplateFormatVersion: '2010-09-09'
Transform: AWS::Serverless-2016-10-31
Description: SAM Template for DynamoDB Table with Order_number as Partition Key and Date as Sort Key
Resources:
MyDynamoDBTable:
Type: AWS::DynamoDB::Table
DeletionPolicy: Retain
UpdateReplacePolicy: Retain
Properties:
TableName: MyOrderTable
BillingMode: PAY_PER_REQUEST
AttributeDefinitions:
- AttributeName: Order_number
AttributeType: S
- AttributeName: Date
AttributeType: S
KeySchema:
- AttributeName: Order_number
KeyType: HASH
- AttributeName: Date
KeyType: RANGE
SSESpecification:
SSEEnabled: true
GlobalSecondaryIndexes:
- IndexName: Date-index
KeySchema:
- AttributeName: Date
KeyType: HASH
Projection:
ProjectionType: ALL
PointInTimeRecoverySpecification:
PointInTimeRecoveryEnabled: true
Outputs:
TableName:
Description: DynamoDB Table Name
Value: !Ref MyDynamoDBTable
TableArn:
Description: DynamoDB Table ARN
Value: !GetAtt MyDynamoDBTable.ArnAnmerkung
AWS SAM Vorlagen verwenden eine standardmäßige Benennungskonvention von. template.yaml In diesem Beispiel haben Sie zwei Vorlagendateien - eine zur Erstellung der Beispieldatenbank und eine weitere zur Erstellung der Anwendung selbst. Speichern Sie sie in separaten Unterverzeichnissen im Projektordner.
Diese AWS SAM Vorlage definiert die DynamoDB-Tabellenressource, die Sie zum Testen Ihrer App erstellen. Die Tabelle verwendet einen Primärschlüssel von Order_number mit einem Sortierschlüssel von Date. Damit Ihre Lambda-Funktion Elemente direkt nach Datum finden kann, definieren wir auch einen globalen Sekundärindex mit dem Namen Date-index.
Weitere Informationen zum Erstellen und Konfigurieren einer DynamoDB-Tabelle mithilfe der AWS::DynamoDB::Table-Ressource finden Sie unter AWS::DynamoDB::Table im AWS CloudFormation Benutzerhandbuch.
Kopieren Sie den folgenden Code und fügen Sie ihn in eine Datei mit dem Namen sample_data.csv ein.
Date,Order_number,CustomerName,ProductID,Quantity,TotalAmount 2023-09-01,ORD001,Alejandro Rosalez,PROD123,2,199.98 2023-09-01,ORD002,Akua Mansa,PROD456,1,49.99 2023-09-02,ORD003,Ana Carolina Silva,PROD789,3,149.97 2023-09-03,ORD004,Arnav Desai,PROD123,1,99.99 2023-10-01,ORD005,Carlos Salazar,PROD456,2,99.98 2023-10-02,ORD006,Diego Ramirez,PROD789,1,49.99 2023-10-03,ORD007,Efua Owusu,PROD123,4,399.96 2023-10-04,ORD008,John Stiles,PROD456,2,99.98 2023-10-05,ORD009,Jorge Souza,PROD789,3,149.97 2023-10-06,ORD010,Kwaku Mensah,PROD123,1,99.99 2023-11-01,ORD011,Li Juan,PROD456,5,249.95 2023-11-02,ORD012,Marcia Oliveria,PROD789,2,99.98 2023-11-03,ORD013,Maria Garcia,PROD123,3,299.97 2023-11-04,ORD014,Martha Rivera,PROD456,1,49.99 2023-11-05,ORD015,Mary Major,PROD789,4,199.96 2023-12-01,ORD016,Mateo Jackson,PROD123,2,199.99 2023-12-02,ORD017,Nikki Wolf,PROD456,3,149.97 2023-12-03,ORD018,Pat Candella,PROD789,1,49.99 2023-12-04,ORD019,Paulo Santos,PROD123,5,499.95 2023-12-05,ORD020,Richard Roe,PROD456,2,99.98 2024-01-01,ORD021,Saanvi Sarkar,PROD789,3,149.97 2024-01-02,ORD022,Shirley Rodriguez,PROD123,1,99.99 2024-01-03,ORD023,Sofia Martinez,PROD456,4,199.96 2024-01-04,ORD024,Terry Whitlock,PROD789,2,99.98 2024-01-05,ORD025,Wang Xiulan,PROD123,3,299.97
Diese Datei enthält einige Beispieltestdaten, mit denen Sie Ihre DynamoDB-Tabelle im CSV-Standardformat (durch Komma getrennte Werte) füllen können.
Kopieren Sie den folgenden Code und fügen Sie ihn in eine Datei mit dem Namen load_sample_data.py ein.
import boto3
import csv
from decimal import Decimal
# Initialize the DynamoDB client
dynamodb = boto3.resource('dynamodb')
table = dynamodb.Table('MyOrderTable')
print("DDB client initialized.")
def load_data_from_csv(filename):
with open(filename, 'r') as file:
csv_reader = csv.DictReader(file)
for row in csv_reader:
item = {
'Order_number': row['Order_number'],
'Date': row['Date'],
'CustomerName': row['CustomerName'],
'ProductID': row['ProductID'],
'Quantity': int(row['Quantity']),
'TotalAmount': Decimal(str(row['TotalAmount']))
}
table.put_item(Item=item)
print(f"Added item: {item['Order_number']} - {item['Date']}")
if __name__ == "__main__":
load_data_from_csv('sample_data.csv')
print("Data loading completed.")Dieses Python-Skript verwendet zunächst die AWS SDK for Python (Boto3) , um eine Verbindung zu Ihrer DynamoDB-Tabelle herzustellen. Anschließend wird jede Zeile in der CSV-Datei mit den Beispieldaten durchlaufen, ein Element aus dieser Zeile erstellt und das Element mithilfe des boto3-SDK in die DynamoDB-Tabelle geschrieben.
Kopieren Sie den folgenden Code und fügen Sie ihn in eine Datei mit dem Namen lambda_function.py ein.
import boto3
from datetime import datetime, timedelta
from boto3.dynamodb.conditions import Key, Attr
import logging
logger = logging.getLogger()
logger.setLevel("INFO")
def lambda_handler(event, context):
# Initialize the DynamoDB client
dynamodb = boto3.resource('dynamodb')
# Specify the table name
table_name = 'MyOrderTable'
table = dynamodb.Table(table_name)
# Get today's date
today = datetime.now()
# Calculate the date one year ago
one_year_ago = (today - timedelta(days=365)).strftime('%Y-%m-%d')
# Scan the table using a global secondary index
response = table.scan(
IndexName='Date-index',
FilterExpression='#date < :one_year_ago',
ExpressionAttributeNames={
'#date': 'Date'
},
ExpressionAttributeValues={
':one_year_ago': one_year_ago
}
)
# Delete old items
with table.batch_writer() as batch:
for item in response['Items']:
Order_number = item['Order_number']
batch.delete_item(
Key={
'Order_number': Order_number,
'Date': item['Date']
}
)
logger.info(f'deleted order number {Order_number}')
# Check if there are more items to scan
while 'LastEvaluatedKey' in response:
response = table.scan(
IndexName='DateIndex',
FilterExpression='#date < :one_year_ago',
ExpressionAttributeNames={
'#date': 'Date'
},
ExpressionAttributeValues={
':one_year_ago': one_year_ago
},
ExclusiveStartKey=response['LastEvaluatedKey']
)
# Delete old items
with table.batch_writer() as batch:
for item in response['Items']:
batch.delete_item(
Key={
'Order_number': item['Order_number'],
'Date': item['Date']
}
)
return {
'statusCode': 200,
'body': 'Cleanup completed successfully'
}Der Python-Funktionscode enthält die Handler-Funktion (lambda_handler), die Lambda ausführt, wenn Ihre Funktion aufgerufen wird.
Wenn die Funktion vom EventBridge Scheduler aufgerufen wird, verwendet sie die, um eine Verbindung AWS SDK for Python (Boto3) zu der DynamoDB-Tabelle herzustellen, für die die geplante Wartungsaufgabe ausgeführt werden soll. Anschließend wird mit Hilfe der Python datetime-Bibliothek das Datum vor einem Jahr berechnet, bevor die Tabelle nach Einträgen durchsucht wird, die älter als dieses Datum sind und diese gelöscht werden.
Beachten Sie, dass Antworten von DynamoDB-Abfrage- und Scanvorgängen auf eine maximale Größe von 1 MB begrenzt sind. Wenn die Antwort größer als 1 MB ist, paginiert DynamoDB die Daten und gibt ein LastEvaluatedKey-Element in der Antwort zurück. Um sicherzustellen, dass unsere Funktion alle Datensätze in der Tabelle verarbeitet, prüfen wir, ob dieser Schlüssel vorhanden ist und führen weiterhin Tabellenscans von der zuletzt ausgewerteten Position aus, bis die gesamte Tabelle gescannt wurde.
Kopieren Sie den folgenden Code und fügen Sie ihn in eine Datei mit dem Namen requirements.txt ein.
boto3
In diesem Beispiel hat Ihr Funktionscode nur eine Abhängigkeit, die nicht Teil der Standard-Python-Bibliothek ist: das SDK für Python (Boto3), das die Funktion zum Scannen und Löschen von Elementen aus der DynamoDB-Tabelle verwendet.
Anmerkung
Eine Version des SDK für Python (Boto3) ist Teil der Lambda-Laufzeit, sodass Ihr Code ausgeführt werden kann, ohne Boto3 zum Bereitstellungspaket Ihrer Funktion hinzuzufügen. Um jedoch die volle Kontrolle über die Abhängigkeiten Ihrer Funktion zu behalten und mögliche Probleme mit Versionsfehlern zu vermeiden, empfiehlt es sich für Python, alle Funktionsabhängigkeiten in das Bereitstellungspaket Ihrer Funktion aufzunehmen. Weitere Informationen hierzu finden Sie unter Laufzeitabhängigkeiten in Python.
Kopieren Sie den folgenden Code und fügen Sie ihn in eine Datei mit dem Namen template.yaml ein.
AWSTemplateFormatVersion: '2010-09-09'
Transform: AWS::Serverless-2016-10-31
Description: SAM Template for Lambda function and EventBridge Scheduler rule
Resources:
MyLambdaFunction:
Type: AWS::Serverless::Function
Properties:
FunctionName: ScheduledDBMaintenance
CodeUri: ./
Handler: lambda_function.lambda_handler
Runtime: python3.11
Architectures:
- x86_64
Events:
ScheduleEvent:
Type: ScheduleV2
Properties:
ScheduleExpression: cron(0 3 1 * ? *)
Description: Run on the first day of every month at 03:00 AM
Policies:
- CloudWatchLogsFullAccess
- Statement:
- Effect: Allow
Action:
- dynamodb:Scan
- dynamodb:BatchWriteItem
Resource: !Sub 'arn:aws:dynamodb:${AWS::Region}:${AWS::AccountId}:table/MyOrderTable'
LambdaLogGroup:
Type: AWS::Logs::LogGroup
Properties:
LogGroupName: !Sub /aws/lambda/${MyLambdaFunction}
RetentionInDays: 30
Outputs:
LambdaFunctionName:
Description: Lambda Function Name
Value: !Ref MyLambdaFunction
LambdaFunctionArn:
Description: Lambda Function ARN
Value: !GetAtt MyLambdaFunction.ArnAnmerkung
AWS SAM Vorlagen verwenden eine Standardbenennungskonvention von. template.yaml In diesem Beispiel haben Sie zwei Vorlagendateien - eine zur Erstellung der Beispieldatenbank und eine weitere zur Erstellung der Anwendung selbst. Speichern Sie sie in separaten Unterverzeichnissen im Projektordner.
Diese AWS SAM Vorlage definiert die Ressourcen für Ihre App. Wir definieren die Lambda-Funktion mithilfe der AWS::Serverless::Function-Ressource. Der EventBridge Scheduler-Zeitplan und der Trigger zum Aufrufen der Lambda-Funktion werden mithilfe der Events Eigenschaft dieser Ressource unter Verwendung eines Typs von erstellt. ScheduleV2 Weitere Informationen zum Definieren von EventBridge Scheduler-Zeitplänen in AWS SAM Vorlagen finden Sie unter ScheduleV2 im Entwicklerhandbuch.AWS Serverless Application Model
Zusätzlich zur Lambda-Funktion und dem EventBridge Scheduler-Zeitplan definieren wir auch eine CloudWatch Protokollgruppe für Ihre Funktion, an die Datensätze gelöschter Elemente gesendet werden sollen.
Kopieren Sie den folgenden Code und fügen Sie ihn in eine Datei mit dem Namen test_app.py ein.
import boto3
from datetime import datetime, timedelta
import json
# Initialize the DynamoDB client
dynamodb = boto3.resource('dynamodb')
# Specify your table name
table_name = 'YourTableName'
table = dynamodb.Table(table_name)
# Get the current date
current_date = datetime.now()
# Calculate the date one year ago
one_year_ago = current_date - timedelta(days=365)
# Convert the date to string format (assuming the date in DynamoDB is stored as a string)
one_year_ago_str = one_year_ago.strftime('%Y-%m-%d')
# Scan the table
response = table.scan(
FilterExpression='#date < :one_year_ago',
ExpressionAttributeNames={
'#date': 'Date'
},
ExpressionAttributeValues={
':one_year_ago': one_year_ago_str
}
)
# Process the results
old_records = response['Items']
# Continue scanning if we have more items (pagination)
while 'LastEvaluatedKey' in response:
response = table.scan(
FilterExpression='#date < :one_year_ago',
ExpressionAttributeNames={
'#date': 'Date'
},
ExpressionAttributeValues={
':one_year_ago': one_year_ago_str
},
ExclusiveStartKey=response['LastEvaluatedKey']
)
old_records.extend(response['Items'])
for record in old_records:
print(json.dumps(record))
# The total number of old records should be zero.
print(f"Total number of old records: {len(old_records)}")
Dieses Testskript verwendet die AWS SDK for Python (Boto3) , um eine Verbindung zu Ihrer DynamoDB-Tabelle herzustellen und nach Elementen zu suchen, die älter als ein Jahr sind. Um zu überprüfen, ob die Lambda-Funktion erfolgreich ausgeführt wurde, druckt die Funktion am Ende des Tests die Anzahl der Datensätze, die älter als ein Jahr sind, noch in der Tabelle aus. Wenn die Lambda-Funktion erfolgreich war, sollte die Anzahl der alten Datensätze in der Tabelle Null sein.
DynamoDB-Beispieltabelle erstellen und auffüllen
Um Ihre App für geplante Wartungsarbeiten zu testen, erstellen Sie zunächst eine DynamoDB-Tabelle und füllen sie mit einigen Beispieldaten. Sie können die Tabelle entweder manuell mithilfe von AWS Management Console oder mithilfe von AWS SAM erstellen. Wir empfehlen Ihnen, die Tabelle mithilfe einiger AWS CLI Befehle schnell AWS SAM zu erstellen und zu konfigurieren.
Erstellen einer DynamoDB-Tabelle
-
Öffnen Sie die Seite Tables (Tabellen)
in der DynamoDB-Konsole. -
Wählen Sie Create table (Tabelle erstellen) aus.
-
Erstellen Sie die Tabelle folgendermaßen:
-
Geben Sie unter Tabellendetails für Tabellenname den Wert
MyOrderTableein. -
Geben Sie für Partitionsschlüssel
Order_numberein und behalten Sie den Datentyp als Zeichenfolge bei. -
Geben Sie für Sortierschlüssel
Dateein und behalten Sie den Datentyp als Zeichenfolge bei. -
Lassen Sie die Tabelleneinstellungen auf Standardeinstellungen eingestellt und wählen Sie Tabelle erstellen.
-
-
Wenn Ihre Tabelle mit der Erstellung fertig ist und ihr Status als Aktiv angezeigt wird, erstellen Sie einen globalen sekundären Index (GSI), indem Sie wie folgt vorgehen. Ihre App verwendet diesen globalen Index, um direkt anhand des Datums nach Elementen zu suchen, um zu bestimmen, welche gelöscht werden sollen.
-
Wählen Sie MyOrderTableaus der Liste der Tabellen aus.
-
Wählen Sie die Registerkarte Indizes.
-
Wählen Sie unter Globale Sekundärindizes die Option Index erstellen aus.
-
Geben Sie unter Indexdetails
Datefür den Partitionsschlüssel ein und lassen Sie den Datentyp auf String eingestellt. -
Geben Sie für Indexname
Date-indexein. -
Verwenden Sie für alle anderen Parameter die Standardwerte, scrollen Sie ans Seitenende und wählen Sie Index erstellen aus.
-
Nachdem Sie Ihre Tabelle erstellt haben, fügen Sie als Nächstes einige Beispieldaten hinzu, um Ihre App zu testen. Die CSV-Datei sample_data.csv, die Sie zuvor heruntergeladen haben, enthält eine Reihe von Beispieleinträgen, die aus Bestellnummern, Daten sowie Kunden- und Bestellinformationen bestehen. Verwenden Sie das bereitgestellte Python-Skript load_sample_data.py, um diese Daten zu Ihrer Tabelle hinzuzufügen.
So fügen Sie der Tabelle die Beispieldaten hinzu
-
Wechseln Sie in das Verzeichnis, das die
sample_data.csv- undload_sample_data.py-Dateien enthält. Wenn sich diese Dateien in separaten Verzeichnissen befinden, verschieben Sie sie so, dass sie am selben Ort gespeichert werden. -
Erstellen Sie eine virtuelle Python-Umgebung zur Ausführung des Skripts, indem Sie den folgenden Befehl ausführen. Wir empfehlen Ihnen, eine virtuelle Umgebung zu verwenden, da Sie im nächsten Schritt das AWS SDK for Python (Boto3) installieren müssen.
python -m venv venv -
Aktivieren Sie die virtuelle Umgebung, indem Sie den folgenden Befehl ausführen.
source venv/bin/activate -
Installieren Sie das SDK für Python (Boto3) in Ihrer virtuellen Umgebung, indem Sie den folgenden Befehl ausführen. Das Skript verwendet diese Bibliothek, um eine Verbindung zu Ihrer DynamoDB-Tabelle herzustellen und die Elemente hinzuzufügen.
pip install boto3 -
Führen Sie das Skript aus, um die Tabelle zu füllen, indem Sie den folgenden Befehl ausführen.
python load_sample_data.pyWenn das Skript erfolgreich läuft, sollte es jedes Element beim Laden auf der Konsole ausgeben und
Data loading completedmelden. -
Deaktivieren Sie die virtuelle Umgebung, indem Sie den folgenden Befehl ausführen.
deactivate -
Sie können überprüfen, ob die Daten in Ihre DynamoDB-Tabelle geladen wurden, indem Sie Folgendes tun:
-
Öffnen Sie die Seite Elemente untersuchen
der DynamoDB-Konsole und wählen Sie Ihre Tabelle ( MyOrderTable). -
Im Bereich Zurückgegebene Elemente sollten Sie die 25 Elemente aus der CSV-Datei sehen, die das Skript der Tabelle hinzugefügt hat.
-
Die App für geplante Wartungsarbeiten erstellen
Sie können die Ressourcen für diese Beispiel-App Schritt für Schritt mithilfe von AWS Management Console oder mithilfe von erstellen und bereitstellen. AWS SAM In einer Produktionsumgebung empfehlen wir, ein Infrustracture-as-Code (IaC-) Tool zu verwenden, AWS SAM um wiederholt serverlose Anwendungen bereitzustellen, ohne manuelle Prozesse zu verwenden.
Folgen Sie in diesem Beispiel den Anweisungen auf der Konsole, um zu erfahren, wie Sie jede AWS Ressource separat konfigurieren, oder folgen Sie den AWS SAM Anweisungen, um die App mithilfe von Befehlen schnell bereitzustellen. AWS CLI
Um die Funktion mit dem zu erstellen AWS Management Console
Erstellen Sie zunächst eine Funktion, die den grundlegenden Startercode enthält. Anschließend ersetzen Sie diesen Code durch Ihren eigenen Funktionscode, indem Sie den Code entweder kopieren und direkt im Lambda-Code-Editor einfügen oder Ihren Code als .zip-Paket hochladen. Für diese Aufgabe empfehlen wir, den Code einfach zu kopieren und einzufügen.
-
Öffnen Sie die Seite Funktionen
der Lambda-Konsole. -
Wählen Sie Funktion erstellen aus.
-
Wählen Sie Author from scratch aus.
-
Führen Sie unter Basic information (Grundlegende Informationen) die folgenden Schritte aus:
-
Geben Sie für Function name (Funktionsname)
ScheduledDBMaintenance -
Für Laufzeit wählen Sie die neueste Python-Version.
-
Wählen Sie für Architektur x86_64 aus.
-
-
Wählen Sie Funktion erstellen aus.
-
Nachdem Ihre Funktion erstellt wurde, können Sie Ihre Funktion mit dem bereitgestellten Funktionscode konfigurieren.
-
Ersetzen Sie im Bereich Codequelle den Hello World-Code, den Lambda erstellt hat, durch den Python-Funktionscode aus der
lambda_function.py-Datei, die Sie zuvor gespeichert haben. -
Wählen Sie im Abschnitt BEREITSTELLEN die Option Bereitstellen aus, um den Code Ihrer Funktion zu aktualisieren:
-
Um den Funktionsspeicher und das Timeout (Konsole) zu konfigurieren
-
Wählen Sie die Registerkarte Konfiguration für Ihre Funktion.
-
Wählen Sie im Bereich Allgemeine Konfiguration die Option Bearbeiten aus.
-
Stellen Sie Speicher auf 256 MB und Timeout auf 15 Sekunden ein. Wenn Sie eine große Tabelle mit vielen Datensätzen verarbeiten, z. B. in einer Produktionsumgebung, sollten Sie in Erwägung ziehen, Timeout auf einen höheren Wert festzulegen. Dadurch hat Ihre Funktion mehr Zeit zum Scannen und Bereinigen der Datenbank.
-
Wählen Sie Save (Speichern) aus.
So konfigurieren Sie das Protokollformat (Konsole)
Sie können Lambda-Funktionen so konfigurieren, dass sie Protokolle entweder im unstrukturierten Text- oder im JSON-Format ausgeben. Wir empfehlen, das JSON-Format für Protokolle zu verwenden, um die Protokolldaten einfacher durchsuchen und filtern zu können. Weitere Informationen über die Optionen für die Konfiguration des Lambda-Protokolls finden Sie unter Konfigurieren erweiterter Protokollierungsoptionen für Lambda-Funktionen.
-
Wählen Sie die Registerkarte Konfiguration für Ihre Funktion.
-
Wählen Sie Überwachungs- und Betriebstools aus.
-
Wählen Sie im Bereich Protokollierungskonfiguration die Option Bearbeiten aus.
-
Wählen Sie für die Konfiguration der Protokollierung JSON aus.
-
Wählen Sie Save (Speichern) aus.
So richten Sie IAM-Berechtigungen ein
Um Ihrer Funktion die erforderlichen Berechtigungen zum Lesen und Löschen von DynamoDB-Elementen zu erteilen, müssen Sie der Ausführungsrolle Ihrer Funktion eine Richtlinie hinzufügen, die die erforderlichen Berechtigungen definiert.
-
Öffnen Sie die Registerkarte Konfiguration und wählen Sie dann in der linken Navigationsleiste Berechtigungen aus.
-
Wählen Sie den Rollennamen unter Ausführungsrolle.
-
Wählen Sie in der IAM-Konsole Berechtigungen hinzufügen und dann Inline-Richtlinie erstellen aus.
-
Verwenden Sie den JSON-Editor und geben Sie die folgenden Richtlinien ein:
{ "Version": "2012-10-17", "Statement": [ { "Effect": "Allow", "Action": [ "dynamodb:Scan", "dynamodb:DeleteItem", "dynamodb:BatchWriteItem" ], "Resource": "arn:aws:dynamodb:*:*:table/MyOrderTable" } ] } -
Geben Sie der Richtlinie
DynamoDBCleanupPolicyeinen Namen und erstellen Sie sie dann.
Um den EventBridge Scheduler als Trigger einzurichten (Konsole)
-
Öffnen Sie die EventBridge -Konsole
. -
Wählen Sie im linken Navigationsbereich im Bereich Scheduler die Option Schedulers aus.
-
Wählen Sie Zeitplan erstellen.
-
Konfigurieren Sie den Zeitplan, indem Sie wie folgt vorgehen:
-
Geben Sie unter Zeitplanname einen Namen für Ihren Zeitplan ein (z. B.
DynamoDBCleanupSchedule). -
Wählen Sie unter Zeitplanmuster die Option Wiederkehrender Zeitplan aus.
-
Belassen Sie für Zeitplantyp die Standardeinstellung Cron-basierter Zeitplan und geben Sie dann die folgenden Zeitplandetails ein:
Minuten:
0Stunden:
3Tag des Monats:
1Monat:
*Wochentag:
?Jahr:
*
Bei der Auswertung wird dieser Cron-Ausdruck am ersten Tag jedes Monats um 03:00 Uhr ausgeführt.
-
Wählen Sie für Flexibles Zeitfenster die Option Aus.
-
-
Wählen Sie Weiter.
-
Konfigurieren Sie den Auslöser für Ihre Lambda-Funktion folgendermaßen:
-
Lassen Sie im Bereich Zieldetails die Einstellung Ziel-API auf Vorgefertigte Ziele eingestellt und wählen Sie dann AWS Lambda aufrufen aus.
-
Wählen Sie unter Aufrufen Ihre Lambda-Funktion (
ScheduledDBMaintenance) aus der Dropdown-Liste aus. -
Lassen Sie das Feld Payload leer und wählen Sie Weiter.
-
Scrollen Sie nach unten zu Berechtigungen und wählen Sie Neue Rolle für diesen Zeitplan erstellen aus. Wenn Sie mit der Konsole einen neuen EventBridge Scheduler-Zeitplan erstellen, erstellt EventBridge Scheduler eine neue Richtlinie mit den erforderlichen Berechtigungen, die der Zeitplan benötigt, um Ihre Funktion aufzurufen. Weitere Informationen zur Verwaltung Ihrer Zeitplanberechtigungen finden Sie unter Cron-basierte Zeitpläne. im Scheduler-Benutzerhandbuch. EventBridge
-
Wählen Sie Weiter.
-
-
Überprüfen Sie Ihre Einstellungen und wählen Sie Zeitplan erstellen, um die Erstellung des Zeitplans und des Lambda-Triggers abzuschließen.
Testen der App
Um zu testen, ob Ihr Zeitplan Ihre Funktion korrekt auslöst und ob Ihre Funktion die Datensätze in der Datenbank korrekt bereinigt, können Sie Ihren Zeitplan vorübergehend so ändern, dass er einmal zu einer bestimmten Zeit ausgeführt wird. Sie können dann sam deploy erneut ausführen, um Ihren Wiederholungsplan so zurückzusetzen, dass er einmal pro Monat ausgeführt wird.
Um die Anwendung mit dem auszuführen AWS Management Console
-
Navigieren Sie zurück zur EventBridge Scheduler-Konsolenseite.
-
Wählen Sie Ihren Zeitplan aus und klicken Sie dann auf Bearbeiten.
-
Wählen Sie im Abschnitt Zeitplanmuster unter Wiederholung die Option Einmaliger Zeitplan aus.
-
Stellen Sie Ihre Aufrufzeit auf ein paar Minuten ein, überprüfen Sie Ihre Einstellungen und wählen Sie dann Speichern.
Nachdem der Zeitplan ausgeführt und sein Ziel aufgerufen wurde, führen Sie das test_app.py-Skript aus, um zu überprüfen, ob Ihre Funktion erfolgreich alle alten Datensätze aus der DynamoDB-Tabelle entfernt hat.
Um zu überprüfen, ob alte Datensätze mit einem Python-Skript gelöscht wurden
-
Navigieren Sie in Ihrem Befehlszeilenfenster zu dem Ordner, in dem Sie
test_app.pygespeichert haben. -
Führen Sie das Skript aus.
python test_app.pyBei Erfolg erhalten Sie die folgende Ausgabe.
Total number of old records: 0
Nächste Schritte
Sie können den EventBridge Scheduler-Zeitplan jetzt an Ihre speziellen Anwendungsanforderungen anpassen. EventBridge Scheduler unterstützt die folgenden Zeitplanausdrücke: Cron, Rate und One-Time Schedules.
Weitere Informationen zu EventBridge Scheduler-Zeitplanausdrücken finden Sie unter Zeitplantypen im Scheduler-Benutzerhandbuch. EventBridge
