AWS Lambda 指标监控完全指南

Lambda 是托管的，但不是"免监控"的——它的失败模式（冷启动、节流、超时、并发打满）全都藏在指标里。CloudWatch 自动采集标准 Lambda 指标；Init Duration、Billed Duration 与内存字段还需区分 REPORT 日志、Lambda Insights 等来源。本文讲清含义与告警建议，不存在适用于所有函数的统一正常水位。

一、调用类指标

Errors 包含代码异常和运行时返回的函数错误（如超时、配置错误），不等于 Lambda 服务自身故障计数。节流及其他调用阶段错误不计入 Invocations/Errors，需另查。告警建议按错误率（Errors/Invocations）而非绝对数——流量波动时绝对数会误报。

二、性能指标

Duration 与 Billed Duration

Duration 是函数执行时长，不含冷启动初始化；Billed Duration 是执行报告中的计费时长，不能与标准 Duration 指标混为一谈。盯 P95/P99 而非平均值——平均值掩盖长尾。Duration 持续上涨可能来自下游依赖变慢、代码路径变化或资源竞争，应结合日志与链路区分。

Init Duration（冷启动）

新执行环境初始化花的时间，需从相应日志或增强遥测读取。耗时取决于运行时与初始化工作，不能固定为 1–3 秒，也不能仅凭 P99 与 P50 的差距认定冷启动。缓解手段可评估预置并发、受支持运行时的 SnapStart（不只 Java）与精简初始化工作；SnapStart 与预置并发不能直接组合。

MaxMemoryUsed vs MemorySize

实际使用内存与分配内存可从 REPORT 日志等来源核对；Lambda Insights 还提供增强内存指标。CPU 分配与配置内存相关，低内存利用率不能单独证明浪费，应结合执行时长与成本实测；贴近上限需排查 OOM 风险。

三、并发指标

• ConcurrentExecutions：当前并发实例数。接近账户/函数级并发上限时，新请求会被限流；
• ProvisionedConcurrencySpilloverInvocations：预置并发用尽后溢出的调用（可能复用温热的按需环境，不保证每次冷启动）。

四、流式场景：IteratorAge

Kinesis/DynamoDB Streams 触发时，IteratorAge（记录积压时长，毫秒）是最重要的健康指标——它直接回答"我的消费速度跟不跟得上生产速度"。持续上涨需排查处理失败、重试、节流与吞吐瓶颈，再决定批量和并发。SQS 应查看 ApproximateAgeOfOldestMessage 等队列指标及适用的事件源映射指标。

告警配置建议

先核对函数、地域、统计方式和采集周期。将指标接入观测云时，按 AWS Lambda 集成文档配置云同步任务与访问权限，再与 CloudWatch 同一时间窗的调用量、错误量对比，确认后再设置阈值。冷启动日志与链路数据需要单独确认采集来源。

以下数值仅作起点，须按流量基线、SLO 与可接受延迟验证；不是通用生产阈值。

常见问题（FAQ）

Q：Lambda 超时设多少合适？
A：结合执行分布、依赖超时、重试和调用方截止时间设定，P99 倍数仅可作初始参考。API Gateway 上限依 API 类型和配额配置而异，不是统一 29 秒。长任务考虑 Step Functions 编排或迁移到 ECS/Fargate。

Q：函数一直没被调用，监控什么？
A：定时触发的函数（EventBridge 调度）恰恰要监控 Invocations==0——调度规则失效是静默故障，用心跳式监控兜底；无调用可能表现为缺失数据而非显式 0，须配置缺失数据判断。

Q：X-Ray 和指标是什么关系？
A：指标回答"出问题了没有"，X-Ray 追踪回答"问题在哪一段"。需要把函数链路送到观测云时，另按 AWS Lambda 扩展文档配置，不能把云指标同步当作链路接入。