AWS Lambda 冷启动优化：从 5 秒到 500 毫秒

# AWS Lambda 冷启动优化：从 5 秒到 500 毫秒 ## 冷启动的组成 冷启动时间 = 下载代码 + 启动运行时 + 初始化函数 + 建立连接 Java/Spring 函数冷启动通常在 5-15 秒，而 Python/Node.js 通常在 1-3 秒。 ## 优化策略一：SnapStart（Java） AWS SnapStart 在部署时对初始化后的执行环境做快照（Firecracker microVM snapshot），冷启动时直接恢复快照。 ```yaml # SAM 模板 Resources: MyFunction: Type: AWS::Serverless::Function Properties: Runtime: java17 SnapStart: ApplyOn: PublishedVersions AutoPublishAlias: live ``` 效果：Java 冷启动从 5 秒降至 200-500 毫秒。 ## 优化策略二：Provisioned Concurrency ```bash aws lambda put-provisioned-concurrency-config \ --function-name my-function \ --qualifier live \ --provisioned-concurrent-executions 10 ``` 预热 10 个执行环境，消除冷启动。但会产生额外费用。 ## 优化策略三：精简依赖 ```python # 反例：引入整个 boto3（50MB） import boto3 # 正例：只引入需要的客户端 import boto3 s3 = boto3.client('s3') # 延迟导入 ``` 使用 Lambda Layer 分离依赖，减少每次部署的代码包大小。 ## 优化策略四：连接池复用 ```python import os import psycopg2 # 在 handler 外部初始化连接（在冷启动时执行一次） conn = psycopg2.connect(os.environ['DATABASE_URL']) def handler(event, context): with conn.cursor() as cur: cur.execute('SELECT 1') return cur.fetchone() ``` ## 优化策略五：使用 ARM64 ```yaml Architectures: - arm64 # Graviton2，比 x86 便宜 20%，冷启动更快 ``` ## 优化效果对比 | 优化措施 | 冷启动时间 | |----------|-----------| | 未优化（Java） | ~5000ms | | + SnapStart | ~500ms | | + 精简依赖 | ~400ms | | + ARM64 | ~350ms | | + Provisioned Concurrency | 0ms |