Voici un résumé de ce que vous devez faire si vous utilisez AWS Lambda (Python). Y compris ceux qui n'ont pas encore été essayés. Mis à jour de temps en temps.
(Tout d'abord) J'ai essayé de résumer ce qu'il fallait faire après l'ouverture d'un compte AWS https://dev.classmethod.jp/articles/after_get_aws_account/
Application du framework Jeffy La mise en œuvre d'un traitement commun pour le traçage et la journalisation peut être simplifiée. https://dev.classmethod.jp/cloud/app-fw-for-lamdba-jeffy-released/
Appliquer les destinations AWS Lambda Le traitement suivant peut être exécuté en fonction du résultat de l'exécution de Lambda. https://qiita.com/kojiisd/items/efcb2ac3d5cc176534ba
Application de couches AWS Lambda Vous pouvez standardiser les bibliothèques fréquemment utilisées. https://qiita.com/t_okkan/items/394a15577bd1aad46ec3
--Traitement parallèle Traitez les traitements lourds en parallèle. https://qiita.com/kenmaro/items/69fdd84e18e793a21790 https://aws.amazon.com/jp/blogs/news/parallelizing-across-multiple-cpu-gpus-to-speed-up-deep-learning-inference-at-the-edge/
--AWS Lambda économies de coûts Introduisez un outil de profil. https://dev.classmethod.jp/cloud/aws/lamba-profile-with-qcachegrind/
--Pip update (ajouté à buildspec.yml)
#Afficher une liste de packages avec des mises à jour avec pip
pip list -o
#Mise à jour en masse avec commande
pip list -o | tail -n +3 | awk '{ print $1 }' | xargs pip install -U
Recommended Posts