O que é inicialização a frio?

Na computação serverless, um “cold start” é o tempo que uma função leva para começar a processar depois de não ser chamada por muito tempo. Com a inferência de IA, o carregamento de um modelo pode levar minutos ou muito mais — como aquela carga de trabalho da NetEase Games que levou impressionantes 42 minutos. Quando um computador é ligado após ser desligado, ele pode precisar de tempo para atingir seu desempenho total.

Os cold starts são bem conhecidos por qualquer pessoa que esteja começando com arquiteturas serverless. Eles afetam o desempenho e a usabilidade da sua aplicação, especialmente em interações onde os tempos limite devem ser os mais curtos possíveis.

As inicializações a frio ocorrem nas seguintes circunstâncias.

• Primeira invocação: Isso ocorre quando uma função é chamada pela primeira vez após a implantação das aplicações ou após a atualização do código.
• escalonamento do zero: Quando uma função se expande de nenhuma ocorrência e recebe chamadas após um tempo de não operação.
• Realocando Recursos: Quando o provedor de nuvem realocar recursos ou se a base da função mudar para outros hosts, o que pode levar a instâncias de função frias.
• Tempo limite ou expiração: Se uma instância de função estiver no tempo máximo de execução ou tiver excedido seu tempo ocioso, ela poderá ser encerrada, o que significa que, se for invocada novamente, ela será iniciada novamente.

Um warm start tem o efeito oposto: a requisição chega a uma instância que ainda está em execução, de modo que a configuração é ignorada.

Um desafio primário associado às inicializações a frio é a latência adicional. Essa latência pode ser observada na forma de:

• Respostas atrasadas: Embora seu aplicativo geralmente forneça respostas rápidas, os usuários podem ocasionalmente encontrar atrasos que podem afetar sua experiência.
• Redução da taxa de transferência: Os cold starts podem exigir um aumento gradual na capacidade da sua aplicação de lidar com requisições concorrentes, especialmente durante períodos de uso intenso.
• Variações de desempenho: Os números de cold start variam entre as invocações, por isso serverless os tempos de resposta não podem ser previstos sem monitoramento serverless.

A duração de uma inicialização a frio do Lambda pode variar dependendo de diferentes fatores, como:

• Tamanho e dependências da função: Quanto maior a função, mais dependências estão envolvidas e mais tempo leva a inicialização a frio típica.
• Ambiente de tempo de execução: O ambiente de tempo de execução inicial selecionado (por exemplo, Node.js, Python, Java, etc.) determina necessariamente um fator como o tempo de inicialização a frio devido às diferenças nos processos de inicialização e carregamento.
• Otimizações do provedor de nuvem: Com o tempo, os provedores de nuvem fornecem consistentemente otimizações para reduzir o tempo de inicialização a frio tanto quanto possível; no entanto, não é fixo ou previsível.

No geral, os cold starts do Lambda podem variar entre menos de 100 ms e mais de 1 segundo. Verifique suas próprias funções para observar como as durações de cold start refletem as necessidades de suas funções e do seu ambiente para obter insights precisos.

Minimize o tempo de cold start do Lambda por meio de:

• Otimização de função:
• Exclua código e dependências não utilizados para reduzir o tamanho da função.
• Métodos de tree-shaking ou divisão de código devem ser usados para reduzir a quantidade de código carregado durante a inicialização.
• Melhore a distribuição do pacote e os fluxos de trabalho resolvidos de dependência do pacote.
• Restauração de snapshot: Lambda SnapStart, para ambientes de execução como Java, fornece um snapshot salvo de uma função inicializada em vez de iniciá-la novamente para reduzir a latência.
• Simultaneidade provisionada:

Configure a simultaneidade provisionada para manter o número específico de instâncias de função ativas para que as solicitações recebidas não causem uma inicialização a frio para essas instâncias.

• Solicitações de aquecimento:

Às vezes, você precisa enviar algumas solicitações fictícias para suas funções para que elas sejam aquecidas quando as solicitações reais do usuário chegarem.

• Processamento assíncrono:

Para operações não críticas, pode ser melhor refatorar as solicitações do usuário de funções introduzindo outros padrões assíncronos para que as inicializações a frio tenham efeito mínimo.

• Cache:

Introduza mecanismos de cache apropriados que armazenem dados acessados com frequência ou resultados pré-computados para reduzir o número de invocações de função e, assim, diminuir as ocorrências de inicializações a frio. O pré-carregamento da função na inicialização funciona da mesma maneira: a NetEase Games reduziu o tempo de carregamento de um modelo de IA de 42 para 14 minutos com um cache, e depois para 3 com pré-carregamento (CNCF, 2026).