为什么我的 Lambda IteratorAge 指标会升高，我该如何降低该指标？

2 分钟阅读

我看到我的 AWS Lambda 函数的 IteratorAge 指标上升（或猛升）。为什么我的函数的迭代器年限会增加，我该如何降低该指标？

简短描述

当 Lambda 函数无法高效处理写入调用该函数的流的数据时，该函数的迭代器年限就会增加。要降低函数的 IteratorAge 指标，您必须增加流处理吞吐量。

以下因素会影响函数的 IteratorAge 指标：

查看本文，了解每个因子如何影响迭代器年限。然后，根据您的用例重新配置函数或数据流，以缩短函数的迭代器年限。有关更多信息，请参阅 Working with AWS Lambda function metrics（使用 AWS Lambda 函数指标）。

解决方法

缩短函数的运行时持续时间

较长的运行时持续时间会增加函数的迭代器年限。减少持续时间会增加函数的吞吐量，从而缩短函数的迭代器年限。

要缩短函数的运行时持续时间，请执行以下一项或两项操作：

1. 增加分配给函数的内存量。

2. 优化函数代码，以便减少处理记录所需的时间。

**注意：**有关更多信息，请参阅 AWS Lambda 和 AWS X-Ray 及分析 AWS Lambda 函数。

增加流式传输的分片数量

流中的分片数量较少会增加函数的迭代器年限。增加流中的分片数量会增加函数的吞吐量，从而缩短函数的迭代器年限。

要增加流的分片数量，请按照 Resharding a stream（重新分片流）中的说明进行操作。

**注意：**分片分割对函数的迭代器年限没有立即影响。现有记录仍保留在它们写入的分片中。这些分片必须在它们的迭代器年限缩短之前赶上分片积压的工作。有关更多信息，请参阅 Working with streams（使用流）。

增加流的批处理大小

如果函数的运行时持续时间与事件中的记录数无关，则增加函数的批处理大小会缩短函数的迭代器年限。

要增加函数的批处理大小，请按照 Configuring a stream as an event source（将流配置为事件源）中的说明进行操作。

**注意：**如果函数的持续时间取决于事件中的记录数，则提升函数的批处理大小不会缩短函数的迭代器年限。有关更多信息，请参阅 Working with streams（使用流）。

确保您的函数有条不紊地处理调用错误

调用错误可能导致 Lambda 函数需要更长时间来处理事件或多次处理同一事件。由于事件记录是按顺序读取的，因此如果一批记录在每次重试时都会导致错误，则函数将无法处理后面的记录。在此情况下，迭代器年限随着记录年龄的增长而线性上升。

您的函数能够从容处理写入流的记录非常重要。在开发函数时，记录和检测代码可以帮助您诊断错误。

有关更多信息，请参阅以下内容：

管理您的出现节流情况

由于事件记录是按顺序读取的，因此如果当前调用受到限制，则函数无法前进到以后的记录。在此情况下，当 Lambda 重试受限制的调用时，迭代器年限将提升。

要管理 Lambda 函数的节流，您可以在函数中请求提高并发或查看性能问题。

通过测试不同的并行化因子设置和使用增强扇出来增加流处理的吞吐量

测试并行化因子设置

您可以通过配置函数的并行化因子来增加流的每个分片的并发 Lambda 调用次数，从而改进流处理。您还可以指定 Lambda 从每个分片轮询的并发批处理次数。

例如，如果您的并行化因子设置为 10，则最多可以有 50 个并发 Lambda 调用来处理 5 个 Kinesis 数据分片。

有关更多信息，请参阅 Using AWS Lambda with Amazon Kinesis（将 AWS Lambda 与 Amazon Kinesis 结合使用）和 New AWS Lambda scaling controls for Kinesis and Amazon DynamoDB event sources（针对 Kinesis 和 Amazon DynamoDB 事件源的新 AWS Lambda 扩展控件）。

**注意：**增加每个分片的并发批处理次数时，Lambda 会在分区键级别管理按顺序处理。

使用增强的扇出

通过创建具有增强扇出功能的数据流使用者，您可以减少延迟并增加读取吞吐量。流使用者可以获得与每个分片的专用连接，这不会影响也在从流中读取数据的其他应用程序。

有关更多信息，请参阅 Developing custom consumers with dedicated throughput (enhanced fan-out)（开发具有专用吞吐量的自定义使用者（增强的扇出））和 Using AWS Lambda with Amazon Kinesis（将 AWS Lambda 与 Amazon Kinesis 结合使用）。

**注意：**如果您有许多应用程序读取相同的数据，或者您正在重新处理包含大量记录的流，则最好使用增强的扇出。