Automatic deployment of docker image based lambda function using AWS CodePipeline
Zusammenfassung
Kurz
Der Autor beschreibt einen AWS-Ablauf, der bei Änderungen in CodeCommit per CodePipeline und CodeBuild ein Docker-Image in ECR neu baut und damit eine Lambda-Funktion aktualisiert. Er ergänzt einen S3-Auslöser für veränderliche Daten und berichtet, dass CodeDeploy in seinem Versuch an den erforderlichen Versionsangaben scheiterte; die Funktionsnachweise sind Beispiele aus seiner eigenen Einrichtung.
Mittel
Der Bericht zeigt, wie eine Docker-basierte AWS-Lambda-Funktion bei Änderungen in CodeCommit automatisch neu gebaut und aktualisiert werden kann. Der Autor richtet dazu ein CodeCommit-Repository, ein ECR-Repository, eine Lambda-Funktion sowie ein CodeBuild-Projekt ein und verbindet Quelle und Build anschließend mit CodePipeline. In `buildspec.yml` stehen die Schritte zum Bauen und Hochladen des Images sowie der CLI-Befehl zum Aktualisieren des Lambda-Codes. Dafür braucht die CodeBuild-Service-Rolle laut Anleitung Zugriff auf ECR und die Berechtigung, den Funktionscode zu ändern. Für Docker-Builds soll CodeBuild im privilegierten Modus laufen; außerdem hebt der Autor die vollständige Git-Klontiefe hervor.
Als Funktionsnachweis ändert der Autor den Beispiel-Handler: Statt eins abzuziehen, addiert er hundert. Nach einem Commit soll der Pipeline-Lauf das Image erneuern; im beschriebenen Test wird aus Eingabe 1 die Ausgabe 101. Für veränderliche große Daten schlägt der Bericht vor, sie aus S3 in der Pre-Build-Phase zu kopieren und S3 als zusätzliche Pipeline-Quelle einzurichten. Die Ergebnisse sind Erfahrungsberichte des Autors, keine umfassende Zuverlässigkeitsprüfung. CodeDeploy habe bei ihm wegen dynamisch zu pflegender Versionsangaben in `appspec.yml` nicht funktioniert.
Ausführlich lesen
Der Bericht beschreibt einen Aufbau, mit dem eine Lambda-Funktion auf Basis eines Docker-Images nach Änderungen im Quellcode automatisch aktualisiert werden soll. Der Autor führt die Einrichtung über die AWS-Konsole vor und setzt dafür CodeCommit, Amazon ECR, Lambda, CodeBuild und CodePipeline ein. Als Voraussetzung nennt er Grundkenntnisse zu Lambda und Container-Images.
Zunächst wird ein CodeCommit-Repository erstellt und lokal geklont. Darin liegen eine Python-Handlerdatei, ein Dockerfile, eine gegebenenfalls leere Datei für Abhängigkeiten sowie die Build-Konfiguration `buildspec.yml`. Das Beispiel verarbeitet eine übergebene Zahl: anfangs zieht die Funktion eins ab. Das Docker-Image wird lokal gebaut und in ein neu angelegtes ECR-Repository hochgeladen. Mit dessen Image-URI wird die Lambda-Funktion erstellt und durch einen einfachen Test geprüft.
Die Build-Konfiguration enthält die Befehle zum Anmelden bei ECR, Bauen und Hochladen des Images sowie zum Aktualisieren des Lambda-Codes mit `aws lambda update-function-code`. Dafür benötigt die CodeBuild-Service-Rolle nach Darstellung des Autors passende Rechte für ECR und Lambda; zusätzlich muss die Lambda-Funktion dieser Rolle das Aktualisieren des Funktionscodes erlauben. Für das Bauen eines Docker-Images soll in CodeBuild der privilegierte Modus aktiviert werden. Der Autor hebt außerdem hervor, dass die Git-Klontiefe auf „Full“ gesetzt werden müsse. Ein zusätzliches Build-Artefakt sei für diesen Ablauf nicht erforderlich, weil das Image in ECR landet.
Anschließend verbindet eine CodePipeline das CodeCommit-Repository als Quelle mit dem CodeBuild-Projekt. Eine eigene Deploy-Stufe wird übersprungen, da der Aktualisierungsbefehl bereits im Build ausgeführt wird. Zur Veranschaulichung ändert der Autor den Handler so, dass er hundert zur Eingabe addiert. Nach dem Commit soll die Pipeline das Image neu bauen und hochladen und Lambda aktualisieren; beim beschriebenen Test werde aus der Eingabe 1 die Ausgabe 101. Der Autor berichtet, dass der erste Pipeline-Lauf wegen der noch nicht vollständig angelegten Service-Rolle fehlschlagen könne und ein erneuter Versuch nach kurzer Wartezeit funktionieren könne.
Als Erweiterung behandelt der Bericht große oder regelmäßig veränderte Daten in S3. Vorgeschlagen wird, der CodeBuild-Rolle S3-Rechte zu geben, die aktuelle Datei in der Pre-Build-Phase in das Arbeitsverzeichnis zu kopieren und der Pipeline eine zusätzliche S3-Quellaktion hinzuzufügen, die bei Änderungen der ausgewählten Datei auslöst. Der Artikel nennt dafür `AmazonS3FullAccess`, ohne die Rechte weiter einzugrenzen.
Die Aussagen beruhen auf einer Schritt-für-Schritt-Anleitung und den vom Autor beschriebenen Tests. Sie belegen keine allgemeine Zuverlässigkeit oder vollständige Bewertung des Ansatzes. Der Autor merkt an, dass CodeDeploy für ihn nicht funktionierte, weil die in `appspec.yml` benötigten Versionswerte nicht dynamisch gesetzt werden konnten. Die Anleitung richtet sich an einen konkreten Konsolenaufbau; weitergehende Betriebs-, Sicherheits- oder Fehlerbehandlungsfragen werden nicht umfassend behandelt.
Gegengeprüft von Claude Haiku 5.5: kleine Mängel
Lunas Einordnung enthält nur die Sammelfrage SF-A1; der Abschnitt „je Teilfrage“ ist leer, daher gibt es dort nichts zu bewerten. Die Fassungen „kurz“ und „mittel“ wurden beide geprüft, das Urteil bezieht sich auf beide.
Im Bericht, aber nicht in der Zusammenfassung
- Die Warnung, dass die Pipeline beim ersten Lauf wegen der Anlaufzeit der Service-Rolle fehlschlagen kann, fehlt in der mittleren Fassung.
- Die Anleitung, der CodeBuild-Service-Rolle für den S3-Zugriff AmazonS3FullAccess zu geben, fehlt in beiden Fassungen.
- Die Empfehlung, für Docker-Builds den privilegierten Modus zu nutzen und die volle Klontiefe zu setzen, fehlt in der kurzen Fassung.
- Der Hinweis, dass CodeDeploy scheiterte, weil Versionsangaben in appspec.yml nicht dynamisch gepflegt werden konnten, ist in der mittleren Fassung nur knapp enthalten.
In der Zusammenfassung, laut Prüfung nicht im Bericht belegt
- Die Aussage, die Ergebnisse seien keine umfassende Zuverlässigkeitsprüfung, steht so nicht im Bericht; der Autor beschreibt nur seine eigenen Erfahrungen.
Wie die Modelle den Bericht einordnen
Ansicht
Filter
Agenten und vernetzte Systeme
- SF-A1 Welche Befugnisse darf ein KI-Agent haben, also eine KI, die selbstständig mit Werkzeugen handelt? Wer entzieht sie ihm, und wie prüft man, dass er in seinem Auftrag bleibt?
- clef 100 %kein Bezug
- Luna 36 %einzelne zitierbare Belege
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- Haiku-Prüfung kein Bezug