Где можно использовать serverless?

Где можно использовать Serverless?

Serverless архитектура — это парадигма облачных вычислений, где разработчик больше не управляет инфраструктурой. Вместо этого облачный провайдер автоматически масштабирует ресурсы в соответствии с нагрузкой. Это открывает множество применений.

Основные сценарии использования

1. REST API и микросервисы Serverless отлично подходит для создания масштабируемых API-сервисов с переменной нагрузкой. AWS Lambda, Google Cloud Functions, Azure Functions легко справляются с REST эндпоинтами.

from flask import Flask, jsonify

app = Flask(__name__)

@app.route('/api/users', methods=['GET'])
def get_users():
    return jsonify({"users": [{"id": 1, "name": "John"}]})

2. Обработка событий и webhooks Триггеры на различные события (загрузка файла в S3, сообщение в очередь, изменение БД) — идеальный usecase. Функция срабатывает только когда нужно, без постоянного мониторинга.

3. Обработка данных в фоне Этап-скейлинг обработки больших объёмов данных. Например, ресайзинг изображений, конвертация видео, парсинг документов.

import boto3
from PIL import Image
import io

def lambda_handler(event, context):
    s3 = boto3.client('s3')
    bucket = event['Records'][0]['s3']['bucket']['name']
    key = event['Records'][0]['s3']['object']['key']
    
    obj = s3.get_object(Bucket=bucket, Key=key)
    img = Image.open(io.BytesIO(obj['Body'].read()))
    img.thumbnail((200, 200))
    
    output = io.BytesIO()
    img.save(output, format='JPEG')
    s3.put_object(Bucket=bucket, Key=f'thumbs/{key}', Body=output.getvalue())
    
    return {'statusCode': 200}

4. Планируемые задачи (cron jobs) Периодические задачи: очистка данных, отправка уведомлений, синхронизация, резервные копии. CloudWatch Events или функция запускается по расписанию.

5. Chat-боты и AI интеграции Обработка сообщений Telegram, Slack, обработка текста через ML модели. Низкая нагрузка большую часть дня, но может быть всплеск.

6. IoT и мониторинг Обработка потока данных с IoT устройств, реальный мониторинг, аналитика в реальном времени.

Преимущества

• Автоматическое масштабирование — от 0 до тысяч параллельных выполнений
• Pay-per-use — платишь только за время выполнения в миллисекундах
• Простота развёртывания — не нужно управлять серверами и контейнерами
• Быстрое время отклика — для холодного старта обычно 100-500ms
• Встроенная логирование и мониторинг — CloudWatch, Application Insights

Когда NOT использовать

• Длительные операции — таймауты обычно 15 минут max
• Постоянная нагрузка — становится дороже, чем VPS
• Сложные состояния — бессохраняемое выполнение затрудняет отладку
• Большие файлы — лимиты на размер памяти и диска

Практический пример: обработка загруженного файла

import json
import boto3
import csv
from io import StringIO

def lambda_handler(event, context):
    s3 = boto3.client('s3')
    dynamodb = boto3.resource('dynamodb')
    table = dynamodb.Table('processed_files')
    
    try:
        bucket = event['Records'][0]['s3']['bucket']['name']
        key = event['Records'][0]['s3']['object']['key']
        
        obj = s3.get_object(Bucket=bucket, Key=key)
        csv_data = obj['Body'].read().decode('utf-8')
        
        reader = csv.DictReader(StringIO(csv_data))
        for row in reader:
            table.put_item(Item={'filename': key, 'data': json.dumps(row)})
        
        return {'statusCode': 200, 'body': json.dumps('File processed')}
    except Exception as e:
        return {'statusCode': 500, 'body': json.dumps(f'Error: {str(e)}')}

Serverless — это мощный инструмент для определённых задач, особенно с непредсказуемой нагрузкой и низким трафиком.