AWS Lambda(Python)でDynamoDB テーブルを日次で削除/作成(オートスケーリング付き)
2018/12/08
この記事はAWS #2 Advent Calendar 2018に参加した記事です。
「Selenium, Headless ChromeとAWS Lambdaで夜な夜なスクレイピング」にも書きましたが、上記のようなアーキテクチャで、Alexaスキルの開発を進めていまして、元となる情報をwebとあるwebサイトから収集しています。
日時点での最新情報をDynamoDBに書き込んでいます。
洗い替えでかまわないので、テーブル名に日付け文字列を付加して、毎日作り直しています。
作り直しが完了すれば、スクレイピングを始めるという処理順番をStepFunctionsで設定しています。
DynamoDBテーブルを作るだけなら調べることなくさっさと終わったのですが、キャパシティユニットのオートスケーリングを有効にするところで、少し調べたので書き残します。
目次
StepFunctions
一応StepFunctionsのステートマシンのJSONです。
順番に処理しているだけなのでシンプルです。
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 |
{ "StartAt": "table_delete", "States": { "table_delete": { "Type": "Task", "Next": "table_create", "Resource": "arn:aws:lambda:ap-northeast-1:123456789012:function:table_delete" }, "table_create": { "Type": "Task", "Next": "1_course", "Resource": "arn:aws:lambda:ap-northeast-1:123456789012:function:table_create" }, "1_course": { "Type": "Task", "Resource": "arn:aws:lambda:ap-northeast-1:123456789012:function:1_course", "End": true } } } |
では、Lambdaのコードを見ていきますが、削除の前に作成から見ます。
作成したものを翌々日に削除するので、何を作成しているかから見たほうがわかりやすいからです。
テーブル作成(オートスケーリング付き)
現在、マネジメントコンソールでDynamoDBテーブルを作成すると、オートスケーリングがデフォルトで有効になります。
ですが、LambdaのSDK boto3ではそこまではやってくれません。
このLambdaは環境変数で、タイムゾーンをJSTにしています。
具体的にはLambdaの環境変数キーに TZ , 値に Asia/Toky としています。
そして、StepFunctionsはCloudWatch Eventsで23時にターゲットとして実行されています。
UTCでは9時間の時差があるので、Cron式で 0 14 * * ? としています。
それを踏まえた上で見ていきます。
まず最初に作成するテーブル名を決めます。
明日の日付が入るテーブル名にします。
|
1 2 3 4 |
table_name = 'course_detail{tomorrow}'.format( tomorrow=(datetime.now() + timedelta(days=1)).strftime('%Y%m%d') ) |
そしてDynamoDBテーブルを作成します。
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 |
dynamodb = boto3.client('dynamodb') response = dynamodb.create_table( TableName=table_name, AttributeDefinitions=[ { 'AttributeName': 'course_code', 'AttributeType': 'S' }, { 'AttributeName': 'row_no', 'AttributeType': 'N' }, { 'AttributeName': 'venue', 'AttributeType': 'S' }, ], KeySchema=[ { 'AttributeName': 'course_code', 'KeyType': 'HASH' }, { 'AttributeName': 'row_no', 'KeyType': 'RANGE' } ], LocalSecondaryIndexes=[ { 'IndexName': 'venue_index', 'KeySchema': [ { 'AttributeName': 'course_code', 'KeyType': 'HASH' }, { 'AttributeName': 'venue', 'KeyType': 'RANGE' } ], 'Projection': { 'ProjectionType': 'INCLUDE', 'NonKeyAttributes': [ 'date' ] } } ], ProvisionedThroughput={ 'ReadCapacityUnits': 1, 'WriteCapacityUnits': 100 } ) waiter = dynamodb.get_waiter('table_exists') waiter.wait( TableName=table_name ) |
ローカルセカンダリインデックスを持つDynamoDBテーブルを作成しました。
waiterを使ってテーブルが作成完了するまで待ちます。
次にこのテーブルにRCU,WCUそれぞれのオートスケーリングを設定していきます。
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 |
autoscaling_client = boto3.client('application-autoscaling') response = autoscaling_client.register_scalable_target( ServiceNamespace='dynamodb', ResourceId='table/{table_name}'.format( table_name=table_name ), ScalableDimension='dynamodb:table:ReadCapacityUnits', MinCapacity=1, MaxCapacity=100, RoleARN=ROLE_ARN ) response = autoscaling_client.register_scalable_target( ServiceNamespace='dynamodb', ResourceId='table/{table_name}'.format( table_name=table_name ), ScalableDimension='dynamodb:table:WriteCapacityUnits', MinCapacity=1, MaxCapacity=100, RoleARN=ROLE_ARN ) |
オートスケーリングを設定するには、application-autoscaling クライアントが必要でした。
dynamodb:table:ReadCapacityUnits, dynamodb:table:WriteCapacityUnitsでそれぞれ設定します。
これで完了かと思うとそうではないのですね。
この段階ではスケールする枠だけが決まって、いつスケールするかの設定が入っていません。
そうです。スケーリングポリシーもCloudWatchアラームも設定されていません。
次にその設定をしていきます。
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 |
percent_of_use_to_aim_for = 70.0 scale_out_cooldown_in_seconds = 60 scale_in_cooldown_in_seconds = 60 autoscaling_client.put_scaling_policy( ServiceNamespace='dynamodb', ResourceId='table/{table_name}'.format( table_name=table_name ), PolicyType='TargetTrackingScaling', PolicyName='{table_name}ReadCapacity'.format( table_name=table_name ), ScalableDimension='dynamodb:table:ReadCapacityUnits', TargetTrackingScalingPolicyConfiguration={ 'TargetValue': percent_of_use_to_aim_for, 'PredefinedMetricSpecification': { 'PredefinedMetricType': 'DynamoDBReadCapacityUtilization' }, 'ScaleOutCooldown': scale_out_cooldown_in_seconds, 'ScaleInCooldown': scale_in_cooldown_in_seconds } ) autoscaling_client.put_scaling_policy( ServiceNamespace='dynamodb', ResourceId='table/{table_name}'.format( table_name=table_name ), PolicyType='TargetTrackingScaling', PolicyName='{table_name}WriteCapacity'.format( table_name=table_name ), ScalableDimension='dynamodb:table:WriteCapacityUnits', TargetTrackingScalingPolicyConfiguration={ 'TargetValue': percent_of_use_to_aim_for, 'PredefinedMetricSpecification': { 'PredefinedMetricType': 'DynamoDBWriteCapacityUtilization' }, 'ScaleOutCooldown': scale_out_cooldown_in_seconds, 'ScaleInCooldown': scale_in_cooldown_in_seconds } ) |
application-autoscaling クライアントのput_scaling_policyを使いました。
これでDynamoDBのオートスケーリングとCloudWatchのアラームも出来ました。
テーブル削除(CloudWatchアラームも削除)
次にテーブルを削除するコードを見ます。
DynamoDBのテーブルだけが削除されてアラームが残っていては余分なコストがかかってしまいます。
ですので、消し忘れのないようにCloudWatchアラームも削除します。
|
1 2 3 4 |
table_name = 'course_detail{yesterday}'.format( yesterday=(datetime.now() - timedelta(days=1)).strftime('%Y%m%d') ) |
テーブルは2日間は保持しておくので、昨日の日付のテーブルを削除しています。
|
1 2 3 4 5 |
dynamodb = boto3.client('dynamodb') response = dynamodb.delete_table( TableName=table_name ) |
テーブルを削除します。
テーブルに追加したスケーラブルターゲットもあわせて削除されました。
でもこれだけではCloudWatchアラームが残ります。
オートスケーリングポリシーを削除します。
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 |
autoscaling_client = boto3.client('application-autoscaling') response = autoscaling_client.delete_scaling_policy( PolicyName='{table_name}ReadCapacity'.format( table_name=table_name ), ServiceNamespace='dynamodb', ResourceId='table/{table_name}'.format( table_name=table_name ), ScalableDimension='dynamodb:table:ReadCapacityUnits' ) response = autoscaling_client.delete_scaling_policy( PolicyName='{table_name}WriteCapacity'.format( table_name=table_name ), ServiceNamespace='dynamodb', ResourceId='table/{table_name}'.format( table_name=table_name ), ScalableDimension='dynamodb:table:WriteCapacityUnits' ) |
これで掃除完了です。
最後までお読みいただきましてありがとうございました！
「AWS認定資格試験テキスト＆問題集 AWS認定ソリューションアーキテクト - プロフェッショナル 改訂第2版」という本を書きました。
「AWS認定資格試験テキスト AWS認定クラウドプラクティショナー 改訂第3版」という本を書きました。
「AWS認定資格試験テキスト AWS認定AIプラクティショナー」という本を書きました。
「ポケットスタディ AWS認定 デベロッパーアソシエイト ［DVA-C02対応］ 」という本を書きました。
「要点整理から攻略するAWS認定ソリューションアーキテクト-アソシエイト」という本を書きました。
「AWSではじめるLinux入門ガイド」という本を書きました。
開発ベンダー5年、ユーザ企業システム部門通算9年、ITインストラクター5年目でプロトタイプビルダーもやりだしたSoftware Engineerです。
質問はコメントかSNSなどからお気軽にどうぞ。
出来る限りなるべく答えます。
このブログの内容/発言の一切は個人の見解であり、所属する組織とは関係ありません。
このブログは経験したことなどの共有を目的としており、手順や結果などを保証するものではありません。
ご参考にされる際は、読者様自身のご判断にてご対応をお願いいたします。
また、勉強会やイベントのレポートは自分が気になったことをメモしたり、聞いて思ったことを書いていますので、登壇者の意見や発表内容ではありません。
関連記事
-
-
DynamoDB IAMポリシーで特定項目だけを許可する
検証記録です。 対象テーブル 書籍のサンプルで作ったこちらです。 所属バンドの楽 …
-
-
試したい事があるのでAWS でとりあえずAmazon Linuxのサーバを作る
1年間の無料キャンペーン期間中に検証する とある勉強会でせっかくAWSのアカウン …
-
-
東京リージョンでAWS Control Towerランディングゾーンをセットアップする
AWS Control Towerの最初の画面で[ランディングゾーンの設定]を押 …
-
-
AWS認定試験の自宅受験で壁のポスターを注意されちゃいました
AWS認定オンライン受験をしてみましたに書きましたとおり、自宅受験デビューしまし …
-
-
Amazon BedrockがGAしたので触りました(boto3からも)
Amazon Bedrock Is Now Generally Availabl …
-
-
AWSエンコードされたエラーメッセージをデコードするコマンドのメモ
Stdout: couldn’t create ENI: Unaut …
-
-
新しいVPCウィザード(2022年)がすんごく便利になってました
VPCウィザードがすんごく便利になってました。 ウィザードの左ペインで設定を選択 …
-
-
S3オブジェクトロックを試しました
S3オブジェクトロックが必要になる要件に今のところ、出会ってないのでまだ設定した …
-
-
AWS Global Acceleratorでアクセラレーターを作成する
バージニア北部、東京、大阪のEC2インスタンスをエンドポイントにして作成してみま …
-
-
CloudFrontディストリビューションを別アカウントへ移動する
すでにCNAMEを設定しているCloudFrontディストリビューションを、別ア …