副作用のある Lambda を AWS Lambda Power Tuning でチューニングする方法

Posted at 2026-07-22

はじめに

こんにちは、ほうき星 @H0ukiStar です。

AWS Lambda は、割り当てるメモリのサイズを増やすことによって CPU をはじめとする実行リソースも比例して割り当てられる特徴があります。
そのため、割り当てるメモリサイズを変更することにより処理時間も変化し、処理内容によっては、メモリサイズを増やした方が実行時間を大きく短縮でき、結果として実行コストを下げられる場合があります。

しかし、処理の内容によって当然適切な割り当てメモリサイズは異なり、128MB～10,240MBの中から適切なメモリサイズを手動で確認していくのは、現実的ではありません。
この最適なメモリサイズを見つけるためのツールの1つに、AWS Lambda Power Tuning があります。

本記事では、AWS Lambda Power Tuning を用いて副作用のある Lambda 関数をチューニングする方法を紹介します。

AWS Lambda Power Tuning とは

AWS Lambda Power Tuning は、Lambda 関数のメモリサイズを最適化するためのオープンソースツールです。

はじめにで述べた通り、Lambda 関数は 128MB ～ 10,240MB の範囲でメモリを割り当てることができ、割り当てたメモリサイズに応じて CPU をはじめとする実行リソースも比例して割り当てられます。

また、Lambda 関数は「割り当てメモリ量 × 実行時間」に応じて課金されるため、例えばメモリを 2 倍にしても実行時間が半分以下になれば、実行コストを抑えられる場合があります。

しかし、複数のメモリサイズで Lambda 関数を繰り返し実行し、実行時間やコストを比較する作業を手動で行うのは、現実的ではありません。

AWS Lambda Power Tuning は、このような比較を自動化し、複数のメモリサイズで Lambda 関数を実行して、コストやパフォーマンスを比較・可視化してくれるツールです。

実測値をもとに最適なメモリサイズを判断できるため、経験や勘に頼らないチューニングが可能になります。

本ツールは Alex Casalboni 氏によって公開されており、ソースコードは以下の GitHub リポジトリで公開されています。

デプロイ方法

GitHub リポジトリをクローンして SAM でデプロイする方法や、Serverless Application Repository (SAR) からデプロイする方法などがあります。
本記事では、手軽に利用できる SAR を使用します。

AWS Lambda Power Tuning の SAR レポジトリを開き Deploy を押下
マネジメントコンソールに遷移しアプリケーションの設定にてパラメータを確認・指定しIAMロールを作成することを了承しデプロイを押下
デプロイタブでステータスがCreate completeであれば完了

Lambda 関数のチューニング方法

AWS Lambda Power Tuning は Step Functions のステートマシンとして実装されています。
このステートマシンにチューニング対象の Lambda 関数 ARN などを渡してチューニングを行います。

powerTuningStateMachine を開き実行を開始を押下
入力に以下の json を渡し実行を開始
入力例
```
{
    "lambdaARN": "＜チューニングしたい Lambda 関数 ARN＞",
    "powerValues": [128, 256, 512, 1024],
    "num": 10,
    "payload": {}
}
```
- powerValues は試行するメモリ割り当てサイズ
- num はメモリ割り当てサイズごとの試行回数
- payload はチューニング対象の Lambda 関数へ渡す辞書

チューニング結果の確認

ステートマシンの実行完了後実行の入力と出力タブの出力： visualization に記載された URL より、今回試したメモリ割り当て設定に関するレポートをグラフィカルに確認することができます。
例では 512MB の設定が、コスト最適であることが分かりました。

副作用のある Lambda では何が問題になるのか

AWS Lambda Power Tuning は、チューニング対象の Lambda 関数を以下のような流れで実行します。

同一のメモリ割り当て設定では num 回分、直列で実行（デフォルトの場合）
各メモリ割り当て設定間は並列で実行

そのため、チューニング対象の Lambda 関数がデータベースからデータを取得したり書き込んだりする等の副作用を持つ場合、各実行毎に処理条件をそろえるためデータベースへのデータの準備や削除などを別途行う必要があります。

また、処理内容によっては単にデータを準備するだけではなく、各試行が互いに影響しないよう試行ごとに独立したデータセットを用意する必要があります。

例えば、データの更新や削除を伴う処理では、同じレコードを複数の試行で共有すると実行結果が前回の試行に影響され、正しい性能比較ができなくなる可能性があります。

このような課題を解決する方法として、AWS Lambda Power Tuning には各試行の前後で任意の Lambda 関数を実行できる preProcessorARN と postProcessorARN が用意されています。

preProcessorARN / postProcessorARN を利用したデータベースへのデータの準備・削除

AWS Lambda Power Tuning のステートマシンは preProcessorARN と postProcessorARN で前処理・後処理を行う Lambda 関数を指定することができます。
このプロパティを使用することで、チューニング対象の Lambda 関数がデータベース等への副作用を伴う場合であっても、各実行毎にデータの準備や削除を行うことができます。

preProcessorARN と postProcessorARN を使用した入力例

{
    "lambdaARN": "＜チューニングしたい Lambda 関数の ARN＞",
    "powerValues": [128, 256, 512, 1024],
    "num": 10,
    "payload": {},
    "preProcessorARN": "＜前処理を行う Lambda 関数の ARN＞",
    "postProcessorARN": "＜後処理を行う Lambda 関数の ARN＞"
}

preProcessorARN および postProcessorARN を指定した場合、AWS Lambda Power Tuning は各試行ごとに以下のような流れで処理を実行します。

ただしこの場合、以下の疑似コードで示されるように、ステートマシン実行時に指定した payload は前処理を行う Lambda 関数に渡され、前処理を行う Lambda 関数の出力がチューニング対象の Lambda 関数に渡されます。

function Executor:
  iterate from 0 to num:
    [payload = execute Pre-processor (payload)]
    results = execute Main Function (payload)
    [execute Post-processor (results)]

そのため、チューニング対象の Lambda 関数に payload を渡したい場合は、前処理を行う Lambda 関数で受け取った payload を出力するように実装する必要がある点に注意してください。

この挙動は preProcessorARN を利用した場合のみ発生します。前処理を利用しない場合は、指定した payload がそのままチューニング対象の Lambda 関数へ渡されます。

さいごに

AWS Lambda Power Tuning は、Lambda 関数のメモリサイズを最適化するうえで非常に便利なツールですが、「副作用を伴う Lambda には適用しづらい」と感じていた方もいるのではないでしょうか。

本記事で紹介したように、preProcessorARN と postProcessorARN を利用することで、各試行の前後でデータの準備・後片付けを行うことができ、データベースなどの状態を変更する Lambda 関数に対しても、同一条件でチューニングを実施できます。

また、payload の受け渡し方法など、実際に利用してみて気付きやすいポイントもあるため、これから利用する方はぜひ押さえておくことをおすすめします。

Lambda 関数の性能やコストを最適化する際の選択肢として、本記事が参考になれば幸いです。

You get articles that match your needs
You can efficiently read back useful information
You can use dark theme

What you can do with signing up