AWS X-Rayのご紹介

こんにちは。AWS X-Rayを仕事でお試し使用したのでご紹介したいと思います。

AWS X-Ray

AWS X-Rayはアプリケーションのパフォーマンスや動作をモニタリングできるサービスになります。AWS上で動作するLambda、EC2上のWebアプリケーションなどにAWS SDKを使用してコードを組み込み、それを元にモニタリングを行います。

公式ドキュメント

https://docs.aws.amazon.com/ja_jp/xray/latest/devguide/aws-xray.html

プログラミング

Hello Worldレベルのモニタリングをしても面白くないので、今回はLambdaでDynamoDBからデータを取得して、平均値を計算して結果をファイルに書き出してS3にファイルをアップロードするプログラムを作成します。

DynamoDBに適当なデータを投入します。今回は2019年1月のドル円の始値と終値を使用しました。

テーブル名USDJPYで作成、CSVからデータ登録しました。

Lambda関数は、直接編集では作成できないので（aws-sdkを含める必要があるため）今回Cloud9で作成し、ダウンロードしてZIPファイルでLambdaにアップロードしました。

import json, datetime
import boto3
from aws_xray_sdk.core import xray_recorder, patch, patch_all

TABLE_NAME = "USDJPY"
BUCKET = "test-ueda-public"
KEY = "avg.txt"

print('Loading function')

def lambda_handler(event, context):
    patch_all()
    xray_recorder.begin_segment("main fn start")

    dynamoDB = boto3.resource("dynamodb")
    table = dynamoDB.Table(TABLE_NAME)
    res = table.scan()

    openSum = 0
    closeSum = 0
    i = 0
    for row in res["Items"]:
        openSum = openSum + float(row["OPEN"])
        closeSum = closeSum + float(row["CLOSE"])
        i = i + 1

    # print(openSum/i)
    # print(closeSum/i)
    content = "OpenAvg:" + str(openSum/i) + " CloseAvg:" + str(closeSum/i)

    s3 = boto3.resource("s3")
    obj = s3.Object(BUCKET, KEY)
    obj.put(Body=content)

    xray_recorder.end_segment()
    return {'statusCode': 200,
            'body': json.dumps(res),
            'headers': {'Content-Type': 'application/json'}}

print('Finishing function')

import json, datetime

import boto3

from aws_xray_sdk.core import xray_recorder, patch, patch_all

TABLE_NAME = "USDJPY"

BUCKET = "test-ueda-public"

KEY = "avg.txt"

print('Loading function')

def lambda_handler(event, context):

patch_all()

xray_recorder.begin_segment("main fn start")

dynamoDB = boto3.resource("dynamodb")

table = dynamoDB.Table(TABLE_NAME)

res = table.scan()

openSum = 0

closeSum = 0

i = 0

for row in res["Items"]:

openSum = openSum + float(row["OPEN"])

closeSum = closeSum + float(row["CLOSE"])

i = i + 1

# print(openSum/i)

# print(closeSum/i)

content = "OpenAvg:" + str(openSum/i) + " CloseAvg:" + str(closeSum/i)

s3 = boto3.resource("s3")

obj = s3.Object(BUCKET, KEY)

obj.put(Body=content)

xray_recorder.end_segment()

return {'statusCode': 200,

'body': json.dumps(res),

'headers': {'Content-Type': 'application/json'}}

print('Finishing function')

X-rayのログに出力するのは以下のコードになります。

xray_recorder.begin_segment("main fn start")

1	xray_recorder.begin_segment("main fn start")

xray_recorder.end_segment()

1	xray_recorder.end_segment()

また下記のコードにてAWS SDKのライブラリの使用時間が計測できます。

patch_all()

1	patch_all()

Lambdaの設定で「デバッグとエラー処理」の「アクティブとレースを有効にします」にチェックします。

Lambda関数を実行します。

まずServiceMapと呼ばれるもの。

main関数からDynamoDB、S3とそれぞれ呼び出していることが分かります。

次にTraces。DynamoDB、S3のアクセスにどのくらい時間がかかっているか詳細に取れます。

処理が正常に動いてるかの確認します。S3を開いてファイルを確認します。

おわりに

今回は、AWS X-rayをLambda関数に適応して動作を確認しました。あらかじめ組み込んでLambda関数を作成しておけば、何かあったときX-rayを有効にして、解析したり、速度が遅い箇所の判定などに使用できそうです。

AWS X-Ray

プログラミング

おわりに