Exercice 07 : Créer et invoquer une fonction Lambda

🎯 Objectifs

À la fin de cet exercice, vous serez capable de :

✅ Créer une fonction Lambda en Python depuis la console AWS
✅ Invoquer la Lambda manuellement et via un événement de test
✅ Déclencher automatiquement la Lambda lors d'un upload S3
✅ Consulter les logs d'exécution dans CloudWatch Logs

Durée estimée : 35 minutes

Difficulté : ⭐⭐⭐☆☆ (Intermédiaire)

Prérequis : Exercice 05 (S3) complété, notions de Python

📖 Contexte

Lambda est le service "Functions as a Service" (FaaS) d'AWS. Vous écrivez du code, AWS l'exécute à la demande - sans gérer de serveur. Vous payez uniquement le temps d'exécution (facturation à la milliseconde). Le Free Tier offre 1 million d'invocations et 400 000 Go-secondes par mois.

Cas d'usage typiques : traitement d'images lors d'un upload, envoi d'emails, webhooks, automatisation de tâches planifiées.

📋 Énoncé

Créez une Lambda Python, déclenchez-la manuellement puis automatiquement lors d'un upload S3.

🧭 Déroulement de l'exercice

Tâche 1 : Créer la fonction Lambda

Console AWS → Lambda → Créer une fonction

Configuration :

Méthode : Créer à partir de rien
Nom de la fonction : traitement-upload
Runtime : Python 3.12
Architecture : x86_64
Rôle d'exécution : Créer un nouveau rôle avec autorisations Lambda de base

Dans l'éditeur de code, remplacer le code par :

python

import json
import boto3
import urllib.parse
from datetime import datetime

def lambda_handler(event, context):
    """
    Fonction Lambda déclenchée lors d'un upload S3.
    Affiche les informations de l'objet uploadé.
    """
    print(f"[{datetime.now().isoformat()}] Invocation reçue")
    print(f"Événement : {json.dumps(event, indent=2)}")

    # Si déclenché par S3
    if 'Records' in event:
        for record in event['Records']:
            bucket = record['s3']['bucket']['name']
            key = urllib.parse.unquote_plus(
                record['s3']['object']['key'],
                encoding='utf-8'
            )
            taille = record['s3']['object']['size']
            print(f"Nouveau fichier détecté !")
            print(f"  Bucket : {bucket}")
            print(f"  Fichier : {key}")
            print(f"  Taille : {taille} octets")

        return {
            'statusCode': 200,
            'body': json.dumps({
                'message': f'Traitement de {len(event["Records"])} fichier(s) terminé',
                'timestamp': datetime.now().isoformat()
            })
        }

    # Invocation directe (test)
    return {
        'statusCode': 200,
        'body': json.dumps({
            'message': 'Lambda invoquée directement',
            'input': event,
            'timestamp': datetime.now().isoformat()
        })
    }

Cliquer Déployer

Tâche 2 : Invoquer manuellement avec un événement de test

Dans la console Lambda → onglet Test → Créer un nouvel événement

Nom : test-direct
Template : hello-world
JSON :

json

{
  "nom": "Alice",
  "action": "test",
  "valeur": 42
}

Cliquer Tester

Lire le résultat dans la section "Détails de l'exécution" :

Status : Succeeded
Durée : < 50ms
Mémoire utilisée : < 50MB

bash

# Via CLI
aws lambda invoke \
  --function-name traitement-upload \
  --payload '{"source": "cli", "action": "test"}' \
  --cli-binary-format raw-in-base64-out \
  response.json

cat response.json

Tâche 3 : Déclencher depuis S3

Configurer le trigger S3 :

Console Lambda → onglet Configuration → Déclencheurs → Ajouter un déclencheur
Source : S3
Bucket : votre bucket de l'Exercice 05
Types d'événements : PUT (upload de fichier)
Préfixe : uploads/ (ne déclencher que pour les fichiers dans ce dossier)
Confirmer → Ajouter

Autoriser Lambda à accéder à S3 :

Dans la console Lambda → Configuration → Autorisations → cliquer sur le rôle d'exécution.

Ajouter la politique AmazonS3ReadOnlyAccess.

Tester le trigger :

bash

BUCKET="devops-exercice-<votre-prenom>-2024"

# Uploader un fichier dans le dossier surveillé
echo "Fichier de test pour Lambda" > test-lambda.txt
aws s3 cp test-lambda.txt s3://$BUCKET/uploads/

# La Lambda est automatiquement déclenchée !

Tâche 4 : Consulter les logs CloudWatch

bash

# Via CLI : voir les derniers logs
aws logs describe-log-groups --query 'logGroups[?starts_with(logGroupName, `/aws/lambda/traitement`)].logGroupName'

# Lire les dernières entrées de log
LOG_GROUP="/aws/lambda/traitement-upload"
LOG_STREAM=$(aws logs describe-log-streams \
  --log-group-name $LOG_GROUP \
  --order-by LastEventTime \
  --descending \
  --limit 1 \
  --query 'logStreams[0].logStreamName' \
  --output text)

aws logs get-log-events \
  --log-group-name $LOG_GROUP \
  --log-stream-name "$LOG_STREAM" \
  --query 'events[*].message' \
  --output text

Sur la console AWS → CloudWatch → Groupes de journaux → /aws/lambda/traitement-upload

Indice : Chaque invocation Lambda crée un log stream séparé dans CloudWatch. Les logs incluent START, END et REPORT (durée, mémoire utilisée). Tout ce que vous écrivez avec print() (Python) ou console.log() (Node.js) apparaît dans CloudWatch Logs.

✅ Vérification du résultat

La Lambda répond au test manuel avec statusCode: 200
L'upload d'un fichier dans s3://$BUCKET/uploads/ déclenche automatiquement la Lambda
Les logs CloudWatch affichent le nom du fichier uploadé
Le temps d'exécution est inférieur à 100ms

💡 À retenir

Modèle d'exécution Lambda :

Événement → Trigger → Lambda invoquée → Exécution → Résultat → Logs CloudWatch
    ↓                                                              ↓
(S3 upload,                                                  (print/console.log)
 API Gateway,
 EventBridge...)

Limites importantes :

Limite	Valeur par défaut
Timeout maximum	15 minutes
Mémoire	128 Mo - 10 Go
Package de déploiement	50 Mo (zip) / 250 Mo (décompressé)
Accès disque temporaire	10 Go (/tmp)

Free Tier Lambda : 1 million d'invocations/mois et 400 000 Go-secondes/mois - toujours gratuit (pas limité aux 12 premiers mois).

✨ Solution Complète

python

import json

def lambda_handler(event, context):
    # Toujours inclure les 2 paramètres
    # event : données d'entrée (dict)
    # context : infos runtime (function_name, memory_limit_in_mb, etc.)

    print(f"Invoqué avec : {json.dumps(event)}")

    return {
        'statusCode': 200,
        'body': json.dumps({'status': 'ok'})
    }

Exercice 07 : Créer et invoquer une fonction Lambda

🎯 Objectifs

À la fin de cet exercice, vous serez capable de :

✅ Créer une fonction Lambda en Python depuis la console AWS
✅ Invoquer la Lambda manuellement et via un événement de test
✅ Déclencher automatiquement la Lambda lors d'un upload S3
✅ Consulter les logs d'exécution dans CloudWatch Logs

Durée estimée : 35 minutes

Difficulté : ⭐⭐⭐☆☆ (Intermédiaire)

Prérequis : Exercice 05 (S3) complété, notions de Python

📖 Contexte

Cas d'usage typiques : traitement d'images lors d'un upload, envoi d'emails, webhooks, automatisation de tâches planifiées.

📋 Énoncé

Créez une Lambda Python, déclenchez-la manuellement puis automatiquement lors d'un upload S3.

🧭 Déroulement de l'exercice

Tâche 1 : Créer la fonction Lambda

Console AWS → Lambda → Créer une fonction

Configuration :

Méthode : Créer à partir de rien
Nom de la fonction : traitement-upload
Runtime : Python 3.12
Architecture : x86_64
Rôle d'exécution : Créer un nouveau rôle avec autorisations Lambda de base

Dans l'éditeur de code, remplacer le code par :

python

import json
import boto3
import urllib.parse
from datetime import datetime

def lambda_handler(event, context):
    """
    Fonction Lambda déclenchée lors d'un upload S3.
    Affiche les informations de l'objet uploadé.
    """
    print(f"[{datetime.now().isoformat()}] Invocation reçue")
    print(f"Événement : {json.dumps(event, indent=2)}")

    # Si déclenché par S3
    if 'Records' in event:
        for record in event['Records']:
            bucket = record['s3']['bucket']['name']
            key = urllib.parse.unquote_plus(
                record['s3']['object']['key'],
                encoding='utf-8'
            )
            taille = record['s3']['object']['size']
            print(f"Nouveau fichier détecté !")
            print(f"  Bucket : {bucket}")
            print(f"  Fichier : {key}")
            print(f"  Taille : {taille} octets")

        return {
            'statusCode': 200,
            'body': json.dumps({
                'message': f'Traitement de {len(event["Records"])} fichier(s) terminé',
                'timestamp': datetime.now().isoformat()
            })
        }

    # Invocation directe (test)
    return {
        'statusCode': 200,
        'body': json.dumps({
            'message': 'Lambda invoquée directement',
            'input': event,
            'timestamp': datetime.now().isoformat()
        })
    }

Cliquer Déployer

Tâche 2 : Invoquer manuellement avec un événement de test

Dans la console Lambda → onglet Test → Créer un nouvel événement

Nom : test-direct
Template : hello-world
JSON :

json

{
  "nom": "Alice",
  "action": "test",
  "valeur": 42
}

Cliquer Tester

Lire le résultat dans la section "Détails de l'exécution" :

Status : Succeeded
Durée : < 50ms
Mémoire utilisée : < 50MB

bash

# Via CLI
aws lambda invoke \
  --function-name traitement-upload \
  --payload '{"source": "cli", "action": "test"}' \
  --cli-binary-format raw-in-base64-out \
  response.json

cat response.json

Tâche 3 : Déclencher depuis S3

Configurer le trigger S3 :

Console Lambda → onglet Configuration → Déclencheurs → Ajouter un déclencheur
Source : S3
Bucket : votre bucket de l'Exercice 05
Types d'événements : PUT (upload de fichier)
Préfixe : uploads/ (ne déclencher que pour les fichiers dans ce dossier)
Confirmer → Ajouter

Autoriser Lambda à accéder à S3 :

Dans la console Lambda → Configuration → Autorisations → cliquer sur le rôle d'exécution.

Ajouter la politique AmazonS3ReadOnlyAccess.

Tester le trigger :

bash

BUCKET="devops-exercice-<votre-prenom>-2024"

# Uploader un fichier dans le dossier surveillé
echo "Fichier de test pour Lambda" > test-lambda.txt
aws s3 cp test-lambda.txt s3://$BUCKET/uploads/

# La Lambda est automatiquement déclenchée !

Tâche 4 : Consulter les logs CloudWatch

bash

# Via CLI : voir les derniers logs
aws logs describe-log-groups --query 'logGroups[?starts_with(logGroupName, `/aws/lambda/traitement`)].logGroupName'

# Lire les dernières entrées de log
LOG_GROUP="/aws/lambda/traitement-upload"
LOG_STREAM=$(aws logs describe-log-streams \
  --log-group-name $LOG_GROUP \
  --order-by LastEventTime \
  --descending \
  --limit 1 \
  --query 'logStreams[0].logStreamName' \
  --output text)

aws logs get-log-events \
  --log-group-name $LOG_GROUP \
  --log-stream-name "$LOG_STREAM" \
  --query 'events[*].message' \
  --output text

Sur la console AWS → CloudWatch → Groupes de journaux → /aws/lambda/traitement-upload

Indice : Chaque invocation Lambda crée un log stream séparé dans CloudWatch. Les logs incluent START, END et REPORT (durée, mémoire utilisée). Tout ce que vous écrivez avec print() (Python) ou console.log() (Node.js) apparaît dans CloudWatch Logs.

✅ Vérification du résultat

La Lambda répond au test manuel avec statusCode: 200
L'upload d'un fichier dans s3://$BUCKET/uploads/ déclenche automatiquement la Lambda
Les logs CloudWatch affichent le nom du fichier uploadé
Le temps d'exécution est inférieur à 100ms

💡 À retenir

Modèle d'exécution Lambda :

Événement → Trigger → Lambda invoquée → Exécution → Résultat → Logs CloudWatch
    ↓                                                              ↓
(S3 upload,                                                  (print/console.log)
 API Gateway,
 EventBridge...)

Limites importantes :

Limite	Valeur par défaut
Timeout maximum	15 minutes
Mémoire	128 Mo - 10 Go
Package de déploiement	50 Mo (zip) / 250 Mo (décompressé)
Accès disque temporaire	10 Go (/tmp)

Free Tier Lambda : 1 million d'invocations/mois et 400 000 Go-secondes/mois - toujours gratuit (pas limité aux 12 premiers mois).

✨ Solution Complète

python

import json

def lambda_handler(event, context):
    # Toujours inclure les 2 paramètres
    # event : données d'entrée (dict)
    # context : infos runtime (function_name, memory_limit_in_mb, etc.)

    print(f"Invoqué avec : {json.dumps(event)}")

    return {
        'statusCode': 200,
        'body': json.dumps({'status': 'ok'})
    }