Che cos'è l'avvio a freddo?

Nel contesto del serverless computing, un “avvio a freddo” si riferisce alla latenza della prima volta o al tempo necessario affinché una funzione inizi l'elaborazione dopo che non è stata chiamata per un lungo periodo di tempo. Ad esempio, quando un computer viene acceso dopo essere stato spento, potrebbe aver bisogno di un po' di tempo per raggiungere le sue massime prestazioni.

Gli avvii a freddo sono fondamentali per chiunque inizi con architetture serverless. Influenzano le prestazioni e l'usabilità della tua applicazione, in particolare per quanto riguarda le interazioni in cui le durate del timeout devono essere soddisfatte nel minor tempo possibile.

Gli avvii a freddo si verificano nelle seguenti circostanze.

• Prima invocazione: Ha due casi; il primo è quando una funzione viene chiamata per la prima volta dopo l'implementazione delle applicazioni o dopo l'aggiornamento del codice.
• scalabilità da zero: Quando una funzione si espande da nessuna occorrenza e riceve chiamate dopo un po' di inattività.
• Riassegnazione delle risorse: Quando il provider cloud riassegna le risorse o la base della funzione cambia su altri host, potrebbe portare a istanze di funzione fredde.
• Timeout o scadenza: Se un'istanza di funzione è al tempo massimo di esecuzione o ha superato il suo tempo di inattività, può essere terminata, il che significa che se viene richiamata di nuovo, ripartirà da zero.

Una sfida primaria associata agli avvii a freddo è la latenza aggiuntiva. Questa latenza può essere osservata sotto forma di:

• Risposte ritardate: Sebbene la tua app in genere fornisca risposte rapide, gli utenti potrebbero occasionalmente riscontrare ritardi che potrebbero influire sulla loro esperienza.
• Rendimento ridotto: Gli avvii a freddo potrebbero richiedere un aumento graduale della capacità della tua applicazione di gestire richieste simultanee, specialmente durante i periodi di utilizzo intenso.
• Variazioni delle prestazioni: Il grado in cui le durate di avvio a freddo cambiano nel tempo può influenzare l'efficacia dell'applicazione, ponendo possibilità sia per semplificare i tempi di risposta che per consolidare la costanza.

La durata di un avvio a freddo di Lambda può variare a seconda di diversi fattori, come:

• Dimensioni e dipendenze della funzione: Più grande è la funzione, più dipendenze sono coinvolte e più lungo è il tipico avvio a freddo.
• Ambiente di runtime: L'ambiente di runtime iniziale selezionato (ad esempio, Node.js, Python, Java, ecc.) determina necessariamente un fattore come il tempo di avvio a freddo a causa delle differenze nei processi di inizializzazione e caricamento.
• Ottimizzazioni del provider cloud: Nel tempo, i provider cloud forniscono costantemente ottimizzazioni per ridurre il più possibile il tempo di avvio a freddo; tuttavia, non è fisso o prevedibile.

Nel complesso, gli avvii a freddo di Lambda possono variare tra mezzo secondo e alcuni secondi. Pertanto, per ottenere dati accurati e osservare come le durate di avvio a freddo riflettono le esigenze delle funzioni e dell'ambiente per ottenere informazioni accurate.

Ecco alcuni modi per ridurre o almeno gestire gli avvii a freddo di Lambda:

• Ottimizzazione della funzione:
  • Elimina il codice e le dipendenze inutilizzati per ridurre le dimensioni della funzione.
  • I metodi tree-shaking o code-splitting dovrebbero essere utilizzati per ridurre la quantità di codice caricato durante l'inizializzazione.
  • Migliora la distribuzione dei pacchetti e i flussi di lavoro risolti dalla dipendenza del pacchetto.

• Concorrenza fornita:

Configura la concorrenza fornita per mantenere attivo il numero specifico di istanze di funzione in modo che le richieste in arrivo non causino un avvio a freddo per tali istanze.

• Richieste di riscaldamento:

A volte, devi inviare alcune richieste fittizie alle tue funzioni in modo che siano riscaldate quando arrivano le richieste degli utenti reali.

• Elaborazione asincrona:

Per le operazioni non critiche, potrebbe essere meglio riorganizzare le richieste degli utenti dalle funzioni introducendo altri modelli asincroni in modo che gli avvii a freddo abbiano un effetto minimo.

• Caching:

Introduci meccanismi di caching appropriati che memorizzino i dati a cui si accede frequentemente o i risultati precalcolati per ridurre il numero di invocazioni di funzioni e quindi diminuire le occorrenze di avvii a freddo.