Serverless架构让开发者摆脱了服务器管理的烦恼，但如果不注意成本优化，Lambda账单可能会让你大吃一惊。本文分享我在实际项目中总结的7个成本优化技巧，帮助你将Lambda费用降低90%。

1. 合理设置内存配置

Lambda的计费与内存配置直接相关。通过AWS Lambda Power Tuning工具测试不同内存配置下的执行时间和成本：

import boto3

def optimize_lambda_memory(function_name):
    """测试不同内存配置下的成本效益"""
    lambda_client = boto3.client('lambda')
    
    memory_configs = [128, 256, 512, 1024, 1769]
    results = []
    
    for memory in memory_configs:
        # 更新函数配置
        lambda_client.update_function_configuration(
            FunctionName=function_name,
            MemorySize=memory
        )
        # 测试执行并记录成本和时长...
    
    return results

关键发现：很多时候增加内存反而能降低总成本，因为执行时间缩短的效益超过了内存费用的增加。

2. 使用Provisioned Concurrency预置并发

对于需要低延迟响应的关键API，使用Provisioned Concurrency可以避免冷启动，同时获得比On-Demand更优惠的定价：

# serverless.yml 配置示例
functions:
  api:
    handler: handler.api
    provisionedConcurrency: 10

3. 优化依赖包大小

# 使用layer分离大型依赖
aws lambda publish-layer-version \
  --layer-name numpy-pandas \
  --zip-file fileb://layer.zip \
  --compatible-runtimes python3.11

# 生产环境只安装必要依赖
pip install --no-deps -r requirements-minimal.txt

4. 利用Lambda@Edge减少数据传输

// Lambda@Edge 响应处理
exports.handler = async (event) => {
  const response = event.Records[0].cf.response;
  
  // 在边缘节点添加缓存头
  response.headers['cache-control'] = [{
    key: 'Cache-Control',
    value: 'max-age=86400'
  }];
  
  return response;
};

5. 使用Savings Plans和Reserved Concurrency

对于可预测的工作负载，购买Savings Plans可以获得高达17%的折扣：

# 使用AWS Cost Explorer分析使用模式
import boto3

cost_explorer = boto3.client('ce')

response = cost_explorer.get_cost_and_usage(
    TimePeriod={
        'Start': '2026-04-01',
        'End': '2026-05-01'
    },
    Granularity='DAILY',
    Metrics=['UnblendedCost'],
    GroupBy=[
        {'Type': 'DIMENSION', 'Key': 'SERVICE'}
    ],
    Filter={
        'Dimensions': {
            'Key': 'SERVICE',
            'Values': ['AWS Lambda']
        }
    }
)

6. 优化函数超时设置

过长的超时设置会导致资源浪费。根据实际执行时间设置合理的timeout：

# CloudWatch Logs Insights查询平均执行时间
fields @timestamp, @duration
| filter @type = "REPORT"
| stats avg(@duration) as avg_duration,
        max(@duration) as max_duration,
        percentile(@duration, 99) as p99
| sort by avg_duration desc

7. 使用异步处理和批量操作

import boto3

def batch_process_records(records):
    """批量处理SQS消息"""
    sqs = boto3.client('sqs')
    
    # 一次处理多条消息
    batch_size = 10
    for i in range(0, len(records), batch_size):
        batch = records[i:i + batch_size]
        
        # 批量写入DynamoDB
        dynamodb = boto3.resource('dynamodb')
        table = dynamodb.Table('my-table')
        
        with table.batch_writer() as writer:
            for record in batch:
                writer.put_item(Item=record)

成本监控Dashboard

# 使用CloudWatch设置成本告警
cloudwatch = boto3.client('cloudwatch')

cloudwatch.put_metric_alarm(
    AlarmName='Lambda-Cost-Alert',
    ComparisonOperator='GreaterThanThreshold',
    EvaluationPeriods=1,
    MetricName='EstimatedCharges',
    Namespace='AWS/Billing',
    Period=86400,
    Statistic='Maximum',
    Threshold=50.0,
    ActionsEnabled=True,
    AlarmActions=['arn:aws:sns:us-east-1:123456789:alerts']
)

总结

通过这7个优化技巧，我们的Lambda月度成本从$500降到了$50。关键是：

引言