← Financial Cloud Cloud Cloud Club · AWS Re:cap

極點宏觀|Financial Cloud Cloud · AWS Re:cap

AWS Re:cap 11: AWS Lambda 的最新功能 (CNS376)

講者: AWS re:Invent 2025

場次: 11

場次
Summit Dev Lounge2026 Re:cap
01 把架構寫成 Steering,引導 AI Agent
Summit Dev Lounge2026 Re:cap
02 Agent Harness 才是真正的工程護城河
Summit Dev Lounge2026 Re:cap
03 用白話詢問可觀測性資料
Summit Dev Lounge2026 Re:cap
04 以 Bedrock AgentCore 打造 Serverless AR 遊戲
Summit Dev Lounge2026 Re:cap
05 AgentCore 上的多 Agent 量化回測
Summit Dev Lounge2026 Re:cap
06 三分鐘用 Kiro 把部落格變簡報
Summit Dev Lounge2026 Re:cap
AWS Community Day Hong Kong 2025 Re:cap
02 使用 Terraform 實現 AWS 合規
AWS Community Day Hong Kong 2025 Re:cap
03 從新手到開發者:一段精彩的 AWS 雲端旅程
AWS Community Day Hong Kong 2025 Re:cap
04 以團隊為優先:使用 Laravel 與 Bref 進行無伺服器工程
AWS Community Day Hong Kong 2025 Re:cap
05 活動開幕
AWS Community Day Hong Kong 2025 Re:cap
06 Agent-to-Agent:在 AWS 上打造可互通的 AI
AWS Community Day Hong Kong 2025 Re:cap
07 運用另一種遙測資料,透過 AI Agent 加速改善
AWS Community Day Hong Kong 2025 Re:cap
08 告別 Vibe Coding:運用 Kiro 實踐規格驅動開發(Spec-Driven Development)
AWS Community Day Hong Kong 2025 Re:cap
09 運用 MCP 與 AI 代理進行自動化測試
AWS Community Day Hong Kong 2025 Re:cap
10 以 ML 驅動的方法實現電信安全現代化
AWS Community Day Hong Kong 2025 Re:cap
11 重新思考 GenAI Agent:RAG 與 MCP
AWS Community Day Hong Kong 2025 Re:cap
12 運用 TAK 與 AWS 進行災害及緊急應變
AWS Community Day Hong Kong 2025 Re:cap
13 從測試角度重新思考 Serverless 應用程式工作流程
AWS Community Day Hong Kong 2025 Re:cap
14 運用實務 AWS FinOps 邁向雲端成功
AWS Community Day Hong Kong 2025 Re:cap
15 運用 AWS 打造 AI 驅動的全球 Pure-Alpha 宏觀交易:革新風險調整後資產報酬
AWS Community Day Hong Kong 2025 Re:cap
FSI Recap
01 現代交易生命週期:從交易到結算
FSI Recap
02 Goldman Sachs:透過 Fast Track 將應用程式移至雲端 - AWS Re:cap Q1/2023
FSI Recap
03 Zurich Insurance Group:在 AWS 上建置有效的日誌管理解決方案
FSI Recap
04 FSI Meetup 2025 Q4 - Brex 資料庫災難復原
FSI Recap
05 FSI Meetup 2025 Q4 - Graviton 遷移成功案例
FSI Recap
06 FSI Meetup 2025 Q4 - Stifel 現代化資料平台
FSI Recap
07 FSI Meetup 2025 Q4 - PayPal 金融交易資料對帳器
FSI Recap
08 FSI Meetup 2025 Q4 - 擴展韌性
FSI Recap
09 最大化 AI 推論成本效益:策略性採用 AWS GPU 執行個體
FSI Recap
10 進階代理式 AI 設計模式
FSI Recap
11 在 AWS 上建置全新現代化應用程式
FSI Recap
AWS re:Invent 2025
01 Coinbase re:Invent 回顧 (IND3312)
AWS re:Invent 2025
02 利用 AI 和 AWS 構建未來交易平臺
AWS re:Invent 2025
03 交易創新:Jefferies 在 Amazon Bedrock 上的 AI 助理 (IND3315)
AWS re:Invent 2025
04 FSI 如何運用代理式 AI 徹底改造 HFT 分析 (GBL302)
AWS re:Invent 2025
05 透過 Amazon Time Sync 改善分散式系統,Nasdaq 專題分享
AWS re:Invent 2025
06 Amazon Aurora HA 與 DR 的全球韌性設計模式 (DAT442)
AWS re:Invent 2025
07 建構代理式 AI:Amazon Nova Act 與 Strands Agents 實務應用 (DEV327)
AWS re:Invent 2025
08 深入探討 Amazon Aurora 及其創新 (DAT441)
AWS re:Invent 2025
09 深入探討 Amazon S3 (STG407)
AWS re:Invent 2025
10 Nasdaq:為全球金融服務打造具彈性的基礎設施(HMC327)
AWS re:Invent 2025
11 AWS Lambda 的最新功能 (CNS376)
AWS re:Invent 2025
12 使用 Kiro 進行規格驅動開發 (DEV314)
AWS re:Invent 2025
13 Amazon 的 FinOps:全球電子商務巨擘的雲端成本經驗 (AMZ308)
AWS re:Invent 2025
14 AWS 上的 Tick-to-trade 延遲交易平台
AWS re:Invent 2025
政務資料
01 The AI Era: The Boundary Between Development and Design Is Disappearing
政務資料
02 裝置端多模態 AI 與智慧城市實踐
政務資料
03 大模型能力評測與 AI 專案落地方法論
政務資料
04 基於雲端代理的政府開發全鏈路受控自動化
政務資料
05 從多智能體看 Agent 時代軟體新生態
政務資料
06 AI 驅動的宏觀量化研究與智慧治理
政務資料
07 公共數據授權營運與智慧政務實踐
政務資料
08 数据资产化落地实践:确权合规、工程治理与数字政府案例
政務資料
09 AI技術賦能心理健康公益:可信平台的治理、架構與實踐
政務資料
Amarathon 2025 回顧
01 開發人員的代理架構設計路線圖
Donnie Prakoso
02 Amazon Bedrock 資料自動化
Hafiz Syed Ashir Hassan
03 AgentCore 上的多代理
Tan Xin
04 實務建置代理式 AI:Nova Act 與 Strands Agents
Haowen Huang
04 運用規格驅動開發,以 Kiro 加速移轉專案
Sanchit Dilip Jain
06 從「比對」到「理解」:由 AgentCore Memory 驅動的個人化 AI 搜尋實踐
Liu Cao
07 從觀察到最佳化:從 LLM 可觀測性邁向 AIOps,將即時洞察轉化為智慧自動化
Jimmy Soh
08 部署 TEAM 並打造最佳工程團隊
Yuji Oshima
09 五年來所謂無伺服器資料庫帶來的五個慘痛教訓
Renato Losio
14 如果 AI 替我工作會怎樣:Q Developer CLI 與 Kiro 如何改變我的日常工作
Miguel Angel Muñoz
16 兼顧速度與警覺:Amazon Bedrock Agent 開發的安全要點
Brian Tarbox
26 在單張 H100 上執行 OSS LLM:更聰明、更便宜、更快速
Adit Modi Adit Modi
28 現代化統一中繼資料架構:打破資料孤島的新方法
Shaofeng Shi
29 無伺服器 MediaOps:運用 Amazon Web Services 上的 AI 自動化影片工作流程
Luis Valdivia
30 透過大規模效能測試建構兼具效率與可靠性的架構
Luis Guirigay
31 透過開放原始碼連結世界:技術、社群與全球開發者關係的實踐歷程
Richard Lin
33 建置串流 Iceberg 資料表以進行即時物流分析
Fahad Shah
34 加速大規模機器人策略訓練:以 Kiro、Trainium 與 EKS 為基礎的自動化閉環架構
Junjie Tang
35 透過規格驅動開發,從 Vibe 走向可行方案
Ricardo Sueiras
36 讓雲端成本分析更智慧:使用 Strands 與 AgentCore 建置 FinOps 智慧 Agent
Xiaofei Li
37 使用 CNCF Kagent、K8sGPT 與 Nova Sonic,轉型 K8s 對話式 Agentic AIOps
Shaoyi Li

影片: https://www.youtube.com/watch?v=Ce9lJzpHBJ0

Lambda 的主要差異化優勢:速度

● 主要願景:為客戶與建置者提供速度

● 速度涵蓋程式碼產生以及整個交付週期

● 更快的交付能帶來更吸引人的應用程式與使用者回饋

● 應用程式預設即採用良好架構,能處理可擴展性、可用性與可靠性

● 主要優點:無須管理基礎設施,可減少維運並提升速度

發布項目分為 3 個群組

1 個新原語

● 推出 Lambda 的受管執行個體

2 個受管執行個體

● 心智模型:Lambda 在針尖型工作負載(流量大幅暴增)方面表現出色

● 對於穩定狀態流量,建置者會尋求最佳化效能與成本

● 可選擇運算執行個體、網路或記憶體,以最佳化效能

● 保留完整的監管作業與開發人員體驗

● 事件來源整合、修補、路由與擴展皆由 Lambda 處理

● 推出多重並行,以更有效率地處理請求

● 納入 EC2 的定價優惠(Savings Plans、Reserved Instances)以降低成本

最佳化

3 個容量供應者

● 額外要求:建立容量供應者

10.指定運算執行個體、記憶體執行個體或擴展設定檔的偏好

11.也可選擇讓 Lambda 做決定,並持續改善價格效能

使用案例與功能

● 穩定狀態應用程式:由 Lambda 順暢處理

● 針尖型暴增/流量管理:交由 Lambda 處理以提供功能

● 穩定狀態/普及使用:移至受管執行個體以進行最佳化

● 效能關鍵應用程式:提供專用執行個體

● 多種應用程式:媒體資料處理、Web 應用程式、事件驅動應用程式

● 法規要求:受管執行個體可設定運算區域偏好

租戶隔離功能

● 使用案例:需要隔離不同請求的情境

● 優點:傳遞唯一租戶 ID 或 JWT token,以取得乾淨且隔離的執行環境

● 改善:CICD 週期,並且不再需要自訂工具

預設即採用良好架構

● 價值主張:採用具有效能與安全性修正的最新程式語言

● 最近新增:Python 3.14、Java 2.5、Node.js 24

● 優點:提升開發人員生產力,並能安全、更快速地交付軟體

● 心智模型:在社群發布後 90 天內提供新的執行階段

其他功能與優點

執行階段升級

● 自動化修補:處理 Log4j 等漏洞

● 挑戰:函式數量龐大時,升級執行階段需要投入大量心力

● 解決方案:AWS Transform Custom(以生成式 AI 為基礎的升級)

● 優點:最多可減少 85% 的技術債,並順暢整合至開發週期

● Snapstart:

● 問題:函式初始化期間的冷啟動

● 解決方案:建立執行環境快照,讓後續叫用更快速

● 優點:縮短冷啟動時間,不需要變更程式碼或自訂工具

● Fault Injection Service (FIS) 整合:

● 用途:測試應用程式在壓力條件下的韌性

● 功能:指定延遲增加或下游服務無法使用等條件

● 優點:協助規劃並預防服務中斷,提高對正式環境情境的信心

● 改善的可觀測性:

● 挑戰:無法掌握事件來源輪詢機制

● 解決方案:啟用額外的 CloudWatch 指標,用於計數、日誌與節流

● 優點:立即偵測問題並縮短解決時間,無須自訂工具

AWS Transform custom

由 AWS 管理、開箱即用的轉換,是預先建置且經 AWS 審查的轉換

適用於常見的升級情境。這些轉換無須任何額外設定即可使用。

目前可用的轉換

● Java 8 至 17 遷移(適用於 Gradle 與 Maven)

● Node.js 12 至 22 升級(包括 Lambda 環境)

● Python 執行階段更新至 3.11/3.12/3.13(標準與 Lambda)

● AWS SDK 遷移(v1 至 v2)

● 主要特性:

● 經 AWS 驗證 - 這些轉換已由 AWS 審查,確保高品質

● 可直接使用 - 無須額外設定

● 持續增加 - 持續新增其他轉換

● 可自訂 - 可使用符合貴組織需求的特定規則強化預先建置的轉換(例如,新增處理內部程式庫或程式碼標準的規則)

● 實驗性支援 - 某些轉換在進一步測試期間可能標示為實驗性

其他功能與優點

其他 CloudWatch 指標

● 問題:無法掌握事件來源輪詢機制(Kafka、SQS)

● 解決方案:啟用額外指標,用於 polar 計數、延遲與節流

● 優點:立即偵測問題並縮短解決時間,無須自訂工具

● 支援 Avro 格式的 Schema Registry:

● 問題:建置者必須手動加入 Avro 序列化/還原序列化的樣板程式碼

● 解決方案:新增自動序列化與還原序列化 Avro 事件的功能

● 優點:程式碼更少、錯誤更少、支援結構描述演進,無須自訂工具

● SQS 的佈建模式:

● 問題:客戶需要更快速地擴展,並控制輪詢的並行

● 解決方案:佈建模式可預先暖機容量,以立即處理流量暴增

● 優點:消除流量暴增期間的延遲、協助達成 SLA、最佳化成本,無須自訂工具

● 加速開發人員:

● 目標:協助開發人員更快速地交付軟體

● 開發人員偏好:完成初步主控台測試後,在本機/IDE 中進行開發

● 重點:簡化開發流程以縮短上市時間

加速開發週期的功能

從主控台順暢轉移至 IDE

● 功能:按一下即可在主控台建置最基本的應用程式

● 優點:封裝相依性、在本機 IDE 中啟用,以便立即撰寫程式碼,無須手動作業

● 使用 LocalStack 進行本機測試:

● 合作夥伴:LocalStack 模擬 AWS 服務(儲存、資料庫、網路)

● 優點:完全在本機離線開發與測試,能更快速地反覆調整商業邏輯,無須自訂工具

● 遠端偵錯:

● 功能:按兩下即可啟用檢查點/中斷點

● 優點:程式碼在正式環境執行時,可在本機分析變數與原始程式碼,測試 IAM 政策、角色、資料庫連線、VPC 與網路設定,無須自訂工具

● 最佳實務 MCP Server:

● 功能:內建最佳實務(輸入驗證、錯誤處理、狀態碼)

● 優點:產生品質更好且一致的程式碼、減少程式碼審查週期、加快開發速度

● 支援:Web 應用程式與事件驅動應用程式(Kafka 觸發程序、事件驅動架構)