Lambda使用Docker- 持续时间短，计费时间却很高

【以下的回答经过翻译处理】 问题）3800毫秒是正常的冷启动时间吗？答）冷启动受运行时和Lambda函数的依赖项影响。正常的冷启动时间实际上取决于Lambda函数正在执行的任务。Lambda函数在初始化持续时间内执行的任务越少，冷启动时间就越短。如果您想要查看Docker容器对冷启动的影响，您可以创建一个Lambda函数，仅打印"hello world"，并收集性能基准数据。

问题）在我的新管道中，为什么初始化持续时间没有改进？答）目前不太清楚您的Lambda函数是否仍然经历冷启动。您可以使用CloudWatch Insights查询Lambda函数的日志，并生成有关冷启动的报告。以下是您可以使用的查询示例：

filter @type = “REPORT”
  | stats count(@type) as countInvocations, 
    count(@initDuration) as countColdStarts, 
    (count(@initDuration)/count(@type))*100 as percentageColdStarts,
    max(@initDuration) as maxColdStartTime,
    avg(@duration) as averageDuration,
    max(@duration) as maxDuration,
    min(@duration) as minDuration,
    avg(@maxMemoryUsed) as averageMemoryUsed,
    max(@memorySize) as memoryAllocated,  (avg(@maxMemoryUsed)/max(@memorySize))*100 as percentageMemoryUsed 
  by bin(1h) as timeFrame

您可以使用这个方法来比较这两个管道。您还可以使用X-Ray来追踪Lambda函数，X-Ray守护程序会记录有关函数调用和执行的详细信息。

问题）您建议采取什么方法来降低/解决成本？有三个方面可以考虑：

1. 如果你的Lambda函数仍然受到冷启动的影响，你可以使用Reserved Concurrency来限制函数的并发实例数量。如果我了解您的工作负载，就是同一个 Lambda，只是接收了不同的参数，因此您可以使用预置并发来确保不会创建 200 个函数实例。您需要测试我们不同的最大并发实例数，以找到最能满足您对成本和速度的要求的方法。
2. 确保您正在优化静态初始化。
3. 使用 AWS Lambda Power Tuning 对函数进行分析，以确保您使用了最经济和/或性能最佳的内存配置。