Nano Hash - криптовалюты, майнинг, программирование

поток публикации / развертывания aws sam

Я не совсем понимаю, как публиковать / развертывать с помощью sam. Моя самая большая проблема заключается в том, что мой шаблон sam объявляет AWS::Serverless::Function, а параметр CodeUri вынуждает меня ввести URL-адрес корзины s3.

Я видел примеры, где CodeUri - это просто путь к ресурсам кода на вашем компьютере. Когда я пытаюсь это сделать, Сэм жалуется

«CodeUri» не является допустимым Uri S3 в форме «s3: // bucket / key» с необязательным параметром запроса versionId.

Чтобы обойти это, мне нужно

  • измените мой CodeUri для моих функций в корневую папку моего кода в моем шаблоне
  • зайдите в консоль AWS, удалите ресурсы в моем ведре s3, иначе пакет sam не будет загружен
  • запустите пакет sam, чтобы загрузить мои обновленные ресурсы кода
  • скопируйте новый ключ ресурса s3
  • вернитесь в мой шаблон и замените CodeUri новым uri ведра s3
  • запустить sam deploy

Это крайне неприятно.

Что мне не хватает?

{ 
    "Description" : "Serverless backend",
    "Transform" : "AWS::Serverless-2016-10-31",
    "Globals" : {
    },
    "Resources" : {
        "db" : {
            "Type": "AWS::RDS::DBInstance",
            "Properties" : {
                "AllocatedStorage": "20",
                "DBInstanceClass": "db.t2.micro",
                "DBName": "nameforthedb",
                "DeleteAutomatedBackups": true,
                "Engine": "postgres",
                "MasterUsername": "masterUserName",
                "MasterUserPassword": "******",
                "PubliclyAccessible": true
            }
        },
        "signIn" : {
            "Type": "AWS::Serverless::Function",
            "Properties": {
                "Handler": "index.signIn",
                "Runtime": "nodejs8.10",
                "CodeUri": "src", <--- complains when this is set to this. Code lives in the src folder. this is fine when I run sam package, but has to be changed to the s3 bucket when running sam deploy
                "FunctionName": "signIn",
                "Events": {
                    "SignIn" : {
                        "Type": "Api",
                        "Properties" : {
                            "Path" : "/signIn",
                            "Method" : "post"
                        }
                    }
                }
            }
        },
        "Auth" : {
            "Type" : "AWS::Cognito::UserPool",
            "Properties": {
                "Schema" : [
                    {
                        "AttributeDataType": "String",
                        "Name": "email",
                        "Mutable": true,
                        "Required": true
                    },
                    {
                        "AttributeDataType": "String",
                        "Name": "family_name",
                        "Mutable": true,
                        "Required": true
                    },
                    {
                        "AttributeDataType": "String",
                        "Name": "given_name",
                        "Mutable": true,
                        "Required": true
                    },
                    {
                        "AttributeDataType": "String",
                        "Name": "houseId",
                        "Mutable": true
                    },
                    {
                        "AttributeDataType": "Boolean",
                        "Name": "owner",
                        "Mutable": true
                    }
                ],
                "UsernameAttributes": ["email"]
            }
        }
    }
  }

Ответы:


1

Комментарий TemporaryFix - правильный ответ на это. AWS SAM правильно загружает артефакты в s3, а затем создает обновленный файл шаблона. Вам необходимо указать --template-output-path packaged.yaml при запуске sam package, эта команда затем сгенерирует файл со ссылкой на корзину s3 для вашей функции. Затем вы должны указать --template-file packaged.yaml при запуске deploy command

что-то вроде:


sam build

sam package --s3-bucket your-bucket --output-template-file packaged.yaml

sam deploy --template-file packaged.yaml \
--region eu-west-1 \
--capabilities CAPABILITY_IAM \
--stack-name your-stack


19.09.2019
  • Спасибо, что сформулировали мой комментарий как ответ! 19.09.2019

  • 2

    Вы можете использовать этот рабочий процесс для развертывания лямбда-функции

    1. Сгенерируйте случайное число. (похоже на java uuid) Или это может быть ваш номер коммита git

    2. Загрузите артефакт в s3: // your_lmabda_code_bucket_name / uuid

    3. В вашем sam сделайте codeuri настраиваемым следующим образом

      CodeUri:
          Bucket: your_lmabda_code_bucket_name
          Key: !Sub '${uuid}/main.zip'
      
    4. Передайте uri в качестве параметра во время развертывания.

    07.01.2019
  • Думаю, я действительно понял это. Для пакета есть недокументированный аргумент cli, который указывает выходной файл при запуске пакета sam. Если вы запустите sam deploy в выходном шаблоне, sam package сгенерирует, все готово. Ссылка на задокументированные параметры - docs.aws.amazon.com/serverless-application-model/latest/ Ссылка на третий параметр, не указанный в документации - github.com/awslabs/aws-sam-cli/blob/ 07.01.2019
  • Новые материалы

    Кластеризация: более глубокий взгляд
    Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..

    Как написать эффективное резюме
    Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..

    Частный метод Python: улучшение инкапсуляции и безопасности
    Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..

    Как я автоматизирую тестирование с помощью Jest
    Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..

    Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
    Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..

    Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
    В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..

    Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
    В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..