Día 15: Optimizando costos y rendimiento en AWS Lambda: Memory, Timeout y Concurrency

3 minute read

⚡ Día 15: Optimización en Lambda — ¡Más rápido y más barato!

Ayer aprendimos a persistir datos, pero hoy vamos a tocar las “perillas” de nuestra función. Mucha gente piensa que en Serverless solo despliegas y te olvidas, pero configurar mal la Memoria, el Timeout o la Concurrencia puede hacer que tu factura de AWS suba innecesariamente o que tu aplicación falle bajo carga.

Hoy aprenderás a tunear tu Lambda para encontrar el equilibrio perfecto entre rendimiento y costo.

🧠 1. Memoria (Memory)

En AWS Lambda, la memoria es el único control que tienes sobre el poder de cómputo. Al asignar más memoria, AWS asigna proporcionalmente más CPU y ancho de banda de red.

El Mito: “Menos memoria = menos costo”.
La Realidad: A veces, darle 1024MB a una función en lugar de 128MB hace que termine tan rápido que terminas pagando menos (el famoso Power Tuning).
Best Practice: No adivines. Usa herramientas como AWS Lambda Power Tuning para encontrar el “punto dulce” donde el costo y el tiempo de ejecución se cruzan de forma óptima.

⏳ 2. Tiempo de espera (Timeout)

El Timeout es el tiempo máximo que permites que tu función corra antes de que AWS la “mate”.

Riesgo: Si es muy corto, tus procesos pesados fallarán. Si es muy largo (ej. 15 min para una API), un error en tu código o una base de datos lenta podría mantener la Lambda encendida gastando dinero innecesariamente.
Best Practice: Configura el timeout a un 20-30% por encima de tu tiempo de ejecución promedio. Si tu API tarda 200ms, un timeout de 3 segundos es más que suficiente.

🚦 3. Concurrencia (Concurrency)

La concurrencia es el número de instancias de tu función que se ejecutan al mismo tiempo.

Reserved Concurrency: Garantiza que tu función siempre tenga capacidad disponible, pero también actúa como un límite máximo. Úsalo para evitar que una Lambda consuma toda la capacidad de tu cuenta de AWS o para no saturar una base de datos tradicional (como RDS).
Provisioned Concurrency: ¡Adiós a los Cold Starts! Mantiene funciones “calientes” listas para responder instantáneamente. Ideal para APIs críticas donde la latencia inicial es inaceptable.

🛠️ Ejemplo de Configuración (CloudFormation)

Mira cómo definimos estos límites de forma profesional en un template:

  LambdaOptimizada:
    Type: AWS::Lambda::Function
    Properties:
      FunctionName: Lambda-High-Performance
      Runtime: python3.12
      Handler: index.lambda_handler
      Role: !GetAtt LambdaExecutionRole.Arn
      # --- AJUSTES DE OPTIMIZACIÓN ---
      MemorySize: 512                 # Más memoria = más CPU
      Timeout: 10                     # Evita procesos zombis de larga duración
      ReservedConcurrentExecutions: 5 # No queremos saturar nuestra DB
      # -------------------------------
      Code:
        ZipFile: |
          import json
          def lambda_handler(event, context):
              return {'statusCode': 200, 'body': '¡Optimizada!'}

📊 Monitoreo: ¿Cómo saber si voy bien?

No puedes mejorar lo que no mides. En Amazon CloudWatch Metrics, debes vigilar estos tres indicadores:

Duration: ¿Cuánto tarda realmente? Si estás muy cerca del Timeout, actúa.
Invocations vs Throttles: Si tienes “Throttles”, significa que llegaste al límite de concurrencia y AWS está rechazando peticiones.

CloudWatch Insights: Usa esta query para ver cuánta memoria usas realmente:

filter @type == "REPORT"
| stats max(@maxMemoryUsed) as max_mem, avg(@duration) as avg_dur by @logStream

💡 Tips de Oro para ahorrar hoy mismo

Evita el “Fat Lambda”: No metas librerías gigantes que no usas. Menos código = menor tiempo de inicialización (Cold Start).
Conexiones persistentes: Si usas bases de datos, inicializa el cliente fuera del lambda_handler para que se reutilice en futuras llamadas.
Log Level: No imprimas todo en producción. Los logs en CloudWatch también cuestan. Usa variables de entorno para cambiar a ERROR en lugar de DEBUG.

📂 Recursos del día

📂 Código Adjunto

Puedes encontrar el template y el código de la función aquí: Ver archivo en GitHub

🎥 Video Tutorial

Mira el proceso paso a paso en video:

💡 Próximo paso

S3, Introducción a S3 y creación de tu primer Bucket.

Rodrigo Salgado