# AWS 相關
# 【AWS】Day 2：AWS 的基本知識
# Day 2：AWS 的基本知識
上一篇文章我們大致介紹了什麼是雲端服務，並且認識了幾個主流的雲端服務商，像是 AWS、GCP、Azure……等等。
這篇文章則會來介紹 AWS（Amazon Web Services）裡面的一些基本概念，包括：
- AWS 的 Region 和 Availability Zone（簡稱 AZ）
- AWS 上的資源範圍（Region、AZ、Global）
- 管理 AWS 資源的方法有哪些
---
## Region 和 Availability Zone 是什麼？
AWS 和 GCP 一樣，也使用了類似的概念來區分地理區域，他們稱作：
- **Region（區域）**
- **Availability Zone（可用區）**
### Region（區域）
Region 就是地理位置的概念，例如：
- 台灣最近的是 **Asia Pacific (Tokyo)**，代碼是 `ap-northeast-1`
- 新加坡是 `ap-southeast-1`
- 美國東岸的維吉尼亞北部是 `us-east-1`（也是最多 AWS 服務最早上線的 Region）
截至 2023 年，AWS 在全球已經有超過 **30 個以上的 Region**，每個 Region 都是 AWS 自建的實體資料中心群。
### Availability Zone（AZ，可用區）
每一個 Region 底下會有多個 Availability Zones（通常 2~6 個），可以想像成是一個個獨立的資料中心（不同大樓、不同電力、不同網路線路），目的是增加可靠性。
舉例來說：
- `us-east-1` 底下就有 `us-east-1a`、`us-east-1b`、`us-east-1c`……等 AZ
- `ap-southeast-1`（新加坡）底下有 `ap-southeast-1a`、`ap-southeast-1b`、`ap-southeast-1c`
AZ 是 AWS 用來實現高可用（High Availability）的基本單位。服務部署在多個 AZ，可以避免單一機房故障造成整個應用中斷。
---
## 資源範圍：Region / AZ / Global 的區分
在 AWS 上，每一種服務在建立時都有自己的作用範圍，分為三種：
### 🔹 以 AZ 為單位的服務
像是 EC2（虛擬機）、EBS（區塊儲存）就是屬於這一類。
- 在建立 EC2 時，你需要選擇一個 AZ，像是 `ap-northeast-1a`
- EBS 只能掛載在同一個 AZ 裡的 EC2
- 如果你要做高可用，就要部署在多個 AZ，並自己設計 failover 機制
### 🔸 以 Region 為單位的服務
像是 S3（物件儲存）、RDS（資料庫）、Elastic Load Balancer、VPC 網路等等，都是 Region 級別的服務。
- 在一個 Region 中建立的 S3 bucket，可以讓這個 region 內的資源共同使用
- RDS 則可以設定 Multi-AZ（跨 AZ 高可用）
### 🌐 以 Global 為單位的服務
有些服務是全域性的，例如：
- IAM（身份與權限管理）
- Route 53（DNS 服務）
- CloudFront（CDN 服務）
這些服務在建立時不會要求你選擇 Region，它們的作用範圍就是「整個 AWS 帳號或全球網路」。
---
## 管理 AWS 的四種方式
在 AWS 上，我們有四種主要方式可以操作與管理服務：
### 1. AWS Management Console（管理主控台）
透過瀏覽器進入 [https://console.aws.amazon.com](https://console.aws.amazon.com)，就可以用圖形化介面來操作各種資源。
是最簡單、最直覺的操作方式。
### 2. AWS CLI（Command Line Interface）
透過終端機安裝 CLI 工具（`aws` 指令），可以用命令列操作 AWS 的服務。
適合自動化部署、寫腳本、CI/CD 等情境。
### 3. AWS SDKs
AWS 提供多種語言的開發套件（Java, Python, Node.js, Go…等），可以直接透過程式碼呼叫 AWS API。
適合建構自動化應用或將 AWS 整合進你自己的系統。
### 4. AWS Mobile App
AWS 官方也有提供手機 App，可以用來查看服務狀態、成本、帳單、甚至手動操作某些資源。
---
## 小結
這篇文章我們介紹了 AWS 中的基本概念，包括：
- Region 和 Availability Zone 的差別
- 服務根據作用範圍可以分為 AZ 級、Region 級與 Global 級
- 常見的四種管理 AWS 的方法
理解這些概念之後，會對後續的服務操作更容易上手，也比較知道為什麼某些設定不能跨 AZ 或跨 Region。
---
那麼下一篇文章，我們就會進一步來介紹，在 AWS 中的帳號與 Project 結構（包含 Account、Organization、OU、Tagging 等觀念），幫助你理解大型團隊怎麼管理 AWS 資源。
我們下篇見啦～👋
# 【AWS】Day 3：AWS 中的帳號與資源管理架構
上一篇我們介紹了 AWS 的基本概念，包括什麼是 Region、Availability Zone，以及怎麼操作 AWS 的幾種方式。
那這篇文章，我們要來聊聊一個很多人初學 AWS 時會感到困惑的問題：**AWS 裡面的資源，到底是怎麼被組織與管理的？**
---
## 為什麼要有架構？
當你只是個人開一個帳號、開幾台機器、弄幾個服務，帳號的資源大致上不會太複雜，console 點一點都還可以處理。
但當你是企業使用者、跨部門團隊、有多個環境（dev / uat / prod）、多個專案、甚至上百個服務時，就會遇到一堆問題：
- 權限怎麼分？
- 帳單怎麼分？
- 誰能看？誰能用？
- 怎麼防止誤刪 / 誤操作？
這時候就會用到 AWS 提供的資源管理架構囉～
---
## AWS 的三層資源管理架構
在 GCP 中，我們常會提到 **Project** 的概念。但在 AWS 裡面，這樣的概念其實是被拆成以下幾層來實現的：
### 🔑 1. Account（AWS 帳號）
AWS 帳號是最基本的管理單位。每個帳號就是一個獨立的資源空間，擁有自己的：
- IAM 設定（權限、角色）
- 資源與服務（EC2、S3、RDS 等等）
- 帳單與計費紀錄
可以想像成一個帳號就是一間房間，裡面什麼資源你都自己負責。
👉 很多企業會用多帳號來隔離環境，例如：
- 一個帳號放開發環境（dev）
- 一個帳號放測試環境（uat）
- 一個帳號放生產環境（prod）
這樣的好處是資源更隔離、權限更清楚、帳單也更容易拆分。
---
### 🏢 2. AWS Organizations（組織）
AWS Organizations 是一個多帳號的管理工具，讓你可以統一控管多個 AWS 帳號，並集中管理費用與權限。
使用 Organizations 後，可以做到：
- 建立帳號之間的層級架構（像是 OU = 組織單位）
- 統一帳單（Consolidated Billing）
- 實作 SCP（Service Control Policies）來限制某些帳號能用的服務
👉 這就像是你開了一間公司，然後底下開了一堆子公司，每個子公司有自己的帳號，但你這個總部可以看所有分公司的帳單，也能下政策規定大家不能亂搞。
---
### 🏷️ 3. Resource Tag（資源標籤）
這個就是 AWS 用來補足「Project」概念的做法。
因為 AWS 沒有像 GCP 的 Project 架構，所以會建議大家在建立資源時，**養成加上標籤（Tag）的習慣**！
常見的標籤包含：
- `Project`: live-api、momo-shop、data-pipeline
- `Env`: dev、uat、prod
- `Owner`: treeman、team-data、ops-team
- `CostCenter`: 90123、IT-Backend、Marketing
透過 Tag：
- 可以更清楚知道這台機器是做什麼的
- 可以用在 **成本分析**（Cost Explorer）
- 可以配合 IAM 權限做限制（例如只能操作特定 Project 的資源）
- 還能透過工具（如 Config、Budgets）追蹤管理
---
## 小結
這篇文章我們介紹了 AWS 的資源管理架構，總結如下：
| 概念名稱 | 對應用途 |
|---|
| **Account** | 資源與權限的邊界、計費單位 |
| **Organizations** | 多帳號統一管理架構 |
| **Tag** | 資源標記，模擬 Project 分類 |
| 分類 | 說明 | 代表服務 |
|---|
| **IaaS** | 自己管理作業系統、網路、防火牆 | EC2（虛擬機） |
| **PaaS** | 自動幫你處理 OS、佈署、監控等事情 | Elastic Beanstalk |
| **FaaS** | 無伺服器架構，只有 Function 和事件觸發 | Lambda |
| **Container** | 使用容器技術來執行應用程式，彈性、可擴展 | ECS、EKS、App Runner |
| 使用情境 | 推薦服務 |
|---|
| 自己掌控一切、用久習慣了 | EC2 |
| 想快速部署、不管底層 | Elastic Beanstalk / App Runner |
| 要做簡單的資料處理任務 | Lambda |
| 已有 Docker 經驗的團隊 | ECS / EKS / App Runner |
| 想玩 Kubernetes | EKS |
| 管理對象/模型 | 自架主機 | IaaS | PaaS | FaaS | SaaS |
|---|
| 硬體設備 | ✅ 自己買 | ❌ AWS 提供 | ❌ AWS 提供 | ❌ AWS 提供 | ❌ AWS 提供 |
| 作業系統 | ✅ 自己裝 | ✅ 自己裝/管理 | ❌ AWS 管理 | ❌ AWS 管理 | ❌ AWS 管理 |
| 中介軟體（DB、Runtime） | ✅ 自建 | ✅ 自建 | ❌ AWS 幫你配好 | ❌ AWS 幫你配好 | ❌ AWS 幫你配好 |
| 應用程式邏輯 | ✅ 自己寫 | ✅ 自己寫 | ✅ 自己寫 | ✅ 自己寫 | ❌ 你不需要寫 |
| 維運、監控 | ✅ 全部自己 | ✅ 自己負責 | ⚠️ 半自動 | ❌ AWS 自動處理 | ❌ AWS 處理 |
| 模型 | AWS 常見服務 |
|---|
| IaaS | EC2、EBS、VPC、ELB |
| PaaS | Elastic Beanstalk、App Runner |
| FaaS | AWS Lambda、Step Functions |
| SaaS | WorkMail、QuickSight、Chime、Honeycode |
| 類型代號 | 用途 | 代表型號 |
|---|
| t 系列 | 一般型、低成本 | t3.micro、t4g.nano |
| m 系列 | 平衡型 | m6i.large |
| c 系列 | 計算密集型 | c7g.medium |
| r 系列 | 記憶體密集型 | r6g.large |
| g 系列 | GPU 運算型 | g5.xlarge |
---
## 建立 EC2 的流程簡介
1. **選擇 AMI**：決定你要用哪一種作業系統
2. **選擇 Instance Type**：例如 `t3.micro`（免費方案支援）
3. **設定 Key Pair**：建立 SSH 金鑰，用來連線 EC2
4. **設定 Network（VPC）與 Security Group（防火牆）**
5. **設定磁碟（EBS）大小**
6. **啟動 EC2！**
完成後你會拿到一組 Public IP，就可以用 SSH 連進去使用了。
---
## 價格與計費方式
EC2 的價格組成會根據幾個項目決定：
| 項目 | 說明 |
|---|
| Instance Type | 不同型號每小時價格不同 |
| 計費模式 | On-Demand / Spot / Reserved |
| 使用時間 | 每秒或每小時計費 |
| 是否有附加儲存 | EBS 空間也另外計費 |
| 傳輸流量 | Outbound（出站）會收費 |
---
## EC2 的使用情境
EC2 適合用在哪些情況呢？以下列舉幾個常見案例：
- 需要完整控制環境與作業系統
- 要安裝自訂軟體或中介軟體（middleware）
- 部署高效能或特殊架構的應用（如容器主機、資料庫伺服器）
- 架設 CI/CD 服務、自架 Git、Redis、RabbitMQ
- 建立可手動調整、監控的後台系統
---
## 小結
EC2 是 AWS 中最基礎的運算服務，具備極大的彈性與控制權：
- 可以自由選擇作業系統與機型
- 適合習慣傳統主機操作的團隊
- 計費彈性、整合其他 AWS 服務方便
---
# EC2 進階篇：實戰操作與進階應用
在上一篇我們介紹了 EC2 的基本觀念與用途，這篇會帶大家進一步實作：
- 如何登入 EC2？
- 如何開放 port（像是 80、443）讓外部可以訪問？
- 怎麼設定開機自動執行程式？
- EC2 如何實作自動擴展（Auto Scaling）？
---
## 一、登入 EC2 實例（Linux）
當你啟動好一台 EC2 Linux 實例後，登入方式如下：
### ✅ 準備工作
- 確保當初有建立 Key Pair，下載了 `.pem` 檔案
- 開啟 Security Group 的 TCP port 22（SSH）
- 有 Public IP 或 Public DNS（可在 EC2 頁面查看）
### 💻 登入指令
```bash
chmod 400 my-key.pem
ssh -i my-key.pem ec2-user@<你的 Public IP>
```
> 不同 AMI 登入帳號不同：
>
> - Amazon Linux 用 `ec2-user`
> - Ubuntu 用 `ubuntu`
> - Debian 用 `admin` 或 `debian`
---
## 二、開放 HTTP / HTTPS 連線
如果你要讓外部可以訪問你的 EC2，例如跑 Web server，需要設定 **Security Group**。
### ✅ 開啟常見 port：
- HTTP：80
- HTTPS：443
- 自定服務：你用什麼就開什麼（例如 3000、8080）
### 操作步驟：
1. 到 EC2 頁面點選「Security Group」
2. 找到你 EC2 所使用的 security group
3. 編輯「Inbound rules」
4. 新增：
- 類型：HTTP、HTTPS
- 來源：0.0.0.0/0（所有人都可以連）或限制特定 IP
---
## 三、設定開機後自動執行程式（User Data）
你可以在建立 EC2 時加入 **User Data**，當機器第一次啟動時會自動執行這段腳本。
### 範例：自動安裝 Nginx 並啟動 Web Server
```bash
#!/bin/bash
yum update -y
yum install -y nginx
systemctl enable nginx
systemctl start nginx
echo "Hello from EC2!" > /usr/share/nginx/html/index.html
```
> ✅ 注意：User Data 只能在 EC2 **首次啟動時執行一次**。
> ✅ 如果想修改已存在的 User Data，需要重新建立新的 EC2 或自己寫開機指令。
---
## 四、設定 Auto Scaling Group（自動擴展）
Auto Scaling 是 EC2 強大的特點之一，可以根據負載自動增減 EC2 數量。
### 使用場景：
- 使用者流量增加，自動開新機器
- 流量低時自動縮減節省成本
- 保證服務有固定最少機器數（High Availability）
### 建立流程簡略：
1. 建立一個 Launch Template（定義要開什麼樣的 EC2）
2. 設定 Auto Scaling Group：
- 定義最小 / 最大 EC2 數量
- 設定 Scaling Policy（例如 CPU > 60% 時新增 1 台）
3. 可結合 Load Balancer，讓所有流量平均分配到所有 EC2 上
---
## 五、備份與還原
EC2 本身不會自動備份，要使用以下方式保護資料：
### 快照（Snapshot）
- 可對 EBS 磁碟建立快照
- 快照可以還原成新的 EBS 磁碟掛回 EC2
### 建立 AMI
- 對目前 EC2 建立 AMI 映像檔
- 可隨時用這個 AMI 快速建立新機器（帶所有設定）
---
## 小結
這篇進階實作帶你實際操作 EC2，包括：
- 使用 SSH 登入實例
- 開放外部連線 port
- 利用 User Data 自動化設定
- 設定 Auto Scaling Group 自動擴展
- 建立快照與 AMI 做備份
EC2 的強大在於它的彈性與可控性，從個人專案到大型分散式系統，都能發揮作用。
---
下一篇，我們將來看看如果你不想自己處理作業系統、網路設定、磁碟掛載這些瑣事時，AWS 有沒有更輕鬆的方案？
**Day 7：Elastic Beanstalk - 全自動部署的神隊友！**，我們不見不散！
# 【AWS】Day 7：運算服務 - Elastic Beanstalk（自動化部署服務）
在前幾篇，我們介紹了 EC2，了解了怎麼自己開一台雲端主機、自己設定環境、自己管防火牆、自己擴展、自己備份。
但如果你覺得自己管這些基礎建設很麻煩，希望可以更專注在「寫程式」跟「部署應用程式」上面，那 AWS 其實也有更方便的選擇：
今天要介紹的就是 —— **Elastic Beanstalk**
---
## 什麼是 Elastic Beanstalk？
Elastic Beanstalk 是 AWS 提供的一種 **PaaS（平台即服務）**。
它的目標很簡單：
- 你只要準備好應用程式
- 把應用程式丟給 Beanstalk
- Beanstalk 幫你處理所有底層繁瑣的事情
包括：
- 建好 EC2 instance
- 建好負載平衡器（Load Balancer）
- 建好 Auto Scaling
- 建好 Security Group、防火牆設定
- 幫你佈署、監控、收集日誌
- 還可以一鍵回滾版本
你專注在開發跟部署，AWS 幫你顧好其他基礎設施。
---
## 支援的應用類型
Elastic Beanstalk 支援超多種語言與平台：
- Node.js
- Python
- Java
- Ruby
- PHP
- .NET
- Go
- Docker（完整支援 Container）
- 靜態網站（HTML/CSS/JS）
如果你是 Web 應用開發者，基本上都可以直接使用 Beanstalk 部署。
---
## Elastic Beanstalk 的架構概念
雖然 Beanstalk 幫你管理底層資源，但其實背後還是會幫你建立 AWS 其他服務，包括：
- EC2（跑你的應用）
- Elastic Load Balancer（分流）
- Auto Scaling Group（自動擴展）
- CloudWatch（監控、日誌）
- RDS（如果有需要資料庫）
這些資源都是 Beanstalk 幫你「托管」，你可以選擇要不要深入調整。
> ✅ 你仍然可以進入 EC2 頁面看到自己應用用到的實例，但建議不要直接手動修改，避免破壞 Beanstalk 的管理邏輯。
---
## 建立 Elastic Beanstalk 應用的流程
1. 進入 AWS Console，打開 Elastic Beanstalk
2. 點選「Create Application」
3. 填入：
- Application Name（應用名稱）
- Platform（選語言與環境）
- Upload your code（上傳程式碼壓縮檔）
4. 設定部署設定（可以預設）
5. 點下「Create Application」
幾分鐘後，AWS 就會幫你建好整個環境，還會提供一個 URL，直接可以訪問你的應用！
---
## 部署更新與版本管理
Elastic Beanstalk 很貼心地內建了「版本管理」功能：
- 每次部署新程式碼，都會建立一個新的版本
- 可以快速回滾（Rollback）到前一個版本
- 可以在不同環境（例如 dev、prod）快速切換程式版本
---
## 常見 Elastic Beanstalk 的使用情境
- 快速啟動 MVP、小型專案
- 開發階段測試不同版本部署
- 中小型團隊的 Web 應用架設
- 需要簡單 Auto Scaling、Load Balancing 但不想自己架設
---
## 注意事項
- **不是完全免維運**：雖然簡化很多，但還是要稍微理解 VPC、Security Group 等 AWS 基本概念
- **資源會產生費用**：Beanstalk 本身不收費，但底層建立的 EC2、RDS、S3 等都會收費
- **適合標準架構**：如果應用有非常特殊的環境需求（例如自訂作業系統 kernel）可能還是要回去用 EC2 自己建
---
## 小結
Elastic Beanstalk 是 AWS 上手最簡單的運算服務之一：
- 幫你管理底層基礎建設
- 讓你快速部署、快速擴展、快速回滾
- 適合中小型 Web 應用，也適合剛開始學 AWS 的人嘗試
當然可以！這裡直接幫你補上
**Elastic Beanstalk 簡易實作教學（以 Node.js 舉例）**，延續前面文章的語氣與結構，實作內容也保持簡單明瞭，讓讀者可以直接跟著做。
---
# Elastic Beanstalk 簡易實作教學（以 Node.js 範例）
剛剛介紹了 Elastic Beanstalk 是什麼，接下來就實際帶大家操作一次：
- 我們會快速做出一個 Node.js 小應用
- 壓成 ZIP 檔
- 部署到 Elastic Beanstalk 上
目標是：**10 分鐘內完成一個雲端 Web App！**
---
## 1. 建立一個簡單的 Node.js 專案
首先，在你的電腦上開一個新資料夾，例如 `eb-demo-app`，然後建立最基本的 Node.js 應用。
```bash
mkdir eb-demo-app
cd eb-demo-app
npm init -y
npm install express
```
接著建立一個 `app.js`，內容如下：
```javascript
const express = require('express');
const app = express();
const port = process.env.PORT || 3000;
app.get('/', (req, res) => {
res.send('Hello from Elastic Beanstalk!');
});
app.listen(port, () => {
console.log(`Server running on port ${port}`);
});
```
這樣就完成了最基本的 Node.js Web 應用。
注意：這裡我們用 `process.env.PORT` 是 Elastic Beanstalk 的部署要求，讓它自動分配正確的 port。
---
## 2. 建立必要的設定檔
Elastic Beanstalk 在 Node.js 環境中，需要有一個叫做 `package.json` 的設定檔（剛剛 `npm init` 已經自動生成），還需要明確標出啟動指令。
請確認 `package.json` 中有這一段：
```json
"scripts": {
"start": "node app.js"
}
```
如果沒有，手動加上去，這樣 Elastic Beanstalk 才知道要怎麼啟動你的應用程式。
---
## 3. 壓縮成 ZIP 檔案
回到 `eb-demo-app` 目錄，將所有檔案壓縮成一個 `.zip` 檔。
注意：**不要把整個資料夾壓縮進去！**
- ZIP 檔裡面應該是直接包含 `app.js`、`package.json`，不是包一層資料夾！
例如正確的內容：
```
app.js
package.json
node_modules/
```
如果你想省空間，其實可以只壓 `app.js` 和 `package.json`，讓 Elastic Beanstalk 自己在雲端跑 `npm install`。
---
## 4. 登入 AWS Elastic Beanstalk 控制台
打開 [Elastic Beanstalk 主控台](https://console.aws.amazon.com/elasticbeanstalk)
1. 點選「Create Application」
2. 填上：
- **Application name**：例如 `demo-node-app`
- **Platform**：選 `Node.js`
- **Application code**：選擇「Upload your code」上傳剛剛的 `.zip` 檔
3. 點選「Create Application」
接下來 AWS 會自動：
- 建 EC2
- 建 Load Balancer
- 建 Auto Scaling Group
- 佈署你的應用程式
大概 3-5 分鐘後，就可以從 Elastic Beanstalk 頁面拿到一個網址，直接訪問你的應用！
---
## 5. 驗證部署結果
打開 Elastic Beanstalk 頁面給你的 URL，比如：
```
http://demo-node-app.ap-northeast-1.elasticbeanstalk.com/
```
你應該會看到網頁上寫著：
```
Hello from Elastic Beanstalk!
```
部署成功 🎉！
---
## 小結
這就是最簡單的 Elastic Beanstalk 實作流程，總結一下步驟：
1. 建立應用（Node.js / Python / etc）
2. 加好 `start` 指令
3. 壓成 ZIP 檔
4. 上傳到 Elastic Beanstalk
5. 幾分鐘內自動建立並上線
對於想快速上線 MVP 或測試環境的人來說，Elastic Beanstalk 真的是一個超省力的好選擇！
---
沒問題！這裡幫你補上
**Elastic Beanstalk 簡易實作教學（Python / Flask 範例）**
延續剛剛 Node.js 範例的風格和節奏，一樣清楚、快速能跟著做！
---
# Elastic Beanstalk 簡易實作教學（以 Python / Flask 範例）
如果你是使用 **Python** 的開發者，想要快速把 Flask App 部署到 Elastic Beanstalk，也是非常簡單的！
這篇教學會帶你從零建立一個最簡單的 Flask App，並且成功部署到 Elastic Beanstalk 上運行。
---
## 1. 建立一個 Flask 專案
首先，在你的電腦上新建一個資料夾，例如 `eb-python-demo`：
```bash
mkdir eb-python-demo
cd eb-python-demo
python3 -m venv venv
source venv/bin/activate # Windows 用 venv\Scripts\activate
pip install flask
```
接著新增一個 `application.py`（注意：**檔名是 `application.py`，Elastic Beanstalk 預設會找這個名字**）
```python
from flask import Flask
application = Flask(__name__)
@application.route("/")
def hello():
return "Hello from Elastic Beanstalk with Python!"
if __name__ == "__main__":
application.run(host='0.0.0.0', port=5000)
```
這樣就完成一個超簡單的 Flask Web App！
---
## 2. 建立 requirements.txt
Elastic Beanstalk 需要知道要安裝哪些套件，所以要建立一個 `requirements.txt` 檔案，內容如下：
```
Flask
```
（未來如果有更多套件，就加在這個檔案裡。）
指令快速產生：
```bash
pip freeze > requirements.txt
```
---
## 3. 建立 `.ebextensions` 設定檔（可選）
如果你想在 Elastic Beanstalk 上做更多進階設定（例如自動安裝系統套件），可以用 `.ebextensions`。
不過這次我們簡單部署，這步可以先跳過。
---
## 4. 壓縮成 ZIP 檔案
跟剛剛 Node.js 一樣，把你的檔案壓縮成一個 `.zip` 檔案。
⚡ **注意**：
- ZIP 裡面應該包含：`application.py`、`requirements.txt`
- 不要壓整個資料夾進去
正確的結構是：
```
application.py
requirements.txt
```
---
## 5. 部署到 Elastic Beanstalk
打開 [AWS Elastic Beanstalk Console](https://console.aws.amazon.com/elasticbeanstalk)
操作步驟：
1. 點選「Create Application」
2. 填寫：
- **Application name**：例如 `demo-python-app`
- **Platform**：選 **Python**
- **Platform Branch**：例如 Python 3.11
3. 上傳剛剛壓好的 `.zip` 檔案
4. 點選「Create Application」
Elastic Beanstalk 會自動：
- 幫你建立 EC2
- 幫你佈署 Flask
- 幫你設定 Load Balancer
大約 3-5 分鐘部署完成。
---
## 6. 驗證部署結果
部署好之後，Elastic Beanstalk 會給你一個 URL，比如：
```
http://demo-python-app.ap-northeast-1.elasticbeanstalk.com/
```
打開之後應該會看到：
```
Hello from Elastic Beanstalk with Python!
```
大成功！🎉
---
## 小結
Python / Flask 的 Elastic Beanstalk 快速部署流程：
1. 建好 Flask 應用（注意 `application.py`）
2. 建立 `requirements.txt`
3. 打包成 `.zip`
4. 上傳到 Elastic Beanstalk
5. 等待幾分鐘，直接有一個可以訪問的 Web App
---
# Elastic Beanstalk 進階教學
（環境變數、eb CLI 部署、自動串接 RDS）
---
## 一、設定環境變數（Environment Variables）
在實際應用中，很常需要讓應用程式讀取一些敏感資訊（像資料庫連線字串、API 金鑰等等），這些不適合硬寫在程式碼裡。
這時就需要使用「環境變數」。
### ✅ 在 Elastic Beanstalk 上設定環境變數
操作步驟：
1. 打開 Elastic Beanstalk Console，進入你的應用 Environment
2. 左邊選單找到「Configuration」
3. 找到「Software」，按下「Edit」
4. 在 Environment properties 區塊新增你的變數，例如：
| Key | Value |
|---|
| `DB_HOST` | mydb.xxxxxxxxx.rds.amazonaws.com |
| `DB_USER` | admin |
| `DB_PASSWORD` | supersecure123 |
儲存後，Elastic Beanstalk 會自動重啟環境，讓你的應用可以透過環境變數讀取設定。
---
### ✅ 在程式中讀取環境變數（Python Flask 範例）
```python
import os
db_host = os.getenv('DB_HOST')
db_user = os.getenv('DB_USER')
db_password = os.getenv('DB_PASSWORD')
```
這樣就能安全地使用環境設定，不用把敏感資訊寫死在程式碼裡！
---
## 二、使用 eb CLI 進行快速部署
如果你覺得每次都開 Console 點來點去很煩，AWS 提供了專門給 Elastic Beanstalk 用的指令工具：
**Elastic Beanstalk CLI (eb CLI)**
可以直接從 Terminal 完成初始化、部署、查看環境狀態等等，非常方便！
### ✅ 安裝 eb CLI
先安裝 AWS EB CLI：
```bash
pip install awsebcli --upgrade
```
> 有時候 MacOS 或 Linux 需要加上 `--user`，或用 virtualenv 安裝。
安裝好後，試試：
```bash
eb --version
```
如果能正常顯示版本號，代表安裝成功。
---
### ✅ eb CLI 操作基本流程
1. 登入 AWS（要先設定好 AWS CLI credentials）
```bash
aws configure
```
2. 初始化 eb 專案
在你的應用資料夾內：
```bash
eb init
```
過程中會問你：
- 要使用哪個 Region？
- 是哪個 Platform？（Node.js、Python 等）
- 是否需要設定 SSH？
3. 建立 Environment
```bash
eb create dev-env
```
（可以自己取環境名字）
4. 部署更新
```bash
eb deploy
```
5. 查看環境資訊
```bash
eb status
```
6. 開啟瀏覽器查看應用
```bash
eb open
```
超級方便，可以完全不開網頁直接部署更新！
---
## 三、自動串接 RDS 資料庫（一起建立）
如果你的應用需要資料庫（例如 MySQL、PostgreSQL），Elastic Beanstalk 可以在建立 Environment 時**順便幫你建立 RDS**！
### ✅ 如何設定
1. 建立 Environment 時，選擇「Configure more options」
2. 找到「Database」選項，點選「Edit」
3. 選擇：
- 資料庫引擎（MySQL、PostgreSQL）
- 資料庫版本
- 使用者名稱、密碼
- 硬碟空間大小
建立好後：
- Elastic Beanstalk 會自動把 RDS 與你的應用放在同一個 VPC、Security Group
- 會自動把資料庫連線資訊存到環境變數（`RDS_HOSTNAME`、`RDS_USERNAME`、`RDS_PASSWORD`、`RDS_PORT`）
你的 Flask / Node.js 應用只要讀取這些環境變數，就能連上資料庫！
---
### ✅ Flask 範例（連接 Elastic Beanstalk RDS）
```python
import os
import pymysql
db_host = os.getenv('RDS_HOSTNAME')
db_user = os.getenv('RDS_USERNAME')
db_password = os.getenv('RDS_PASSWORD')
db_name = os.getenv('RDS_DB_NAME')
conn = pymysql.connect(
host=db_host,
user=db_user,
password=db_password,
database=db_name
)
```
就可以在應用程式中直接操作資料庫啦！
---
## 小結
Elastic Beanstalk 除了快速部署應用，進階玩法還可以：
- 設定環境變數，安全管理敏感資訊
- 使用 eb CLI，極速 Terminal 部署
- 一起建立 RDS，讓應用直接串接雲端資料庫
---
# Elastic Beanstalk 常見錯誤排除指南
Elastic Beanstalk 幫我們自動化了很多事，但實際使用過程中還是很容易遇到一些常見錯誤。
這篇幫大家整理了：
- 常見的 Elastic Beanstalk 部署問題
- 原因說明
- 解決方法
給你一份遇到問題時能快速排雷的工具包！
---
## 1. 部署後出現 502 Bad Gateway
### 問題現象
- 部署成功，但一打開應用的網址就跳出 502 Bad Gateway
- 或者頁面載入超級慢然後 timeout
### 常見原因
- **應用程式沒有正常啟動**
- **聽錯了 Port**（Elastic Beanstalk 預設會轉送到 80 或由 proxy pass）
### 解決方法
✅ 檢查你的應用程式是否有監聽正確的 Port：
- Node.js / Flask / Django 等應用，要監聽環境變數給定的 port
- 例如 Flask：
python
`application.run(host='0.0.0.0', port=int(os.environ.get('PORT', 5000)))`
`application.pyrequirements.txt（不要包一層資料夾）`
bash
`ssh -i my-key.pem ec2-user@your-public-dns.amazonaws.com`
| 項目 | 建議值 |
|---|
| Instance Type | `t3.micro` 或 `t3.small`（免費額度或低價） |
| Instance 數量 | 最小 1 台，最大 1 台（不開 Auto Scaling） |
| Database | 內嵌式 RDS 或直接外接小型 DB（如 Lightsail） |
| Load Balancer | 不使用（單台直接對外即可） |
| 部署方式 | 單一環境，使用 Rolling 更新 |
### 原因分析
- 成本極低（每月不到 10 美金）
- 流量低，單台就夠
- 部署簡單，維運容易
- 適合快速迭代、驗證市場
---
## 2. 中型後端服務 / API Server
### 適用情境
- 中等流量的 Web API
- 手機 App 的後端
- 需要支援突發高峰流量
### 推薦設定
| 項目 | 建議值 |
|---|
| Instance Type | `t3.medium` 或 `t3.large` |
| Instance 數量 | 最小 2 台，最大 4 台（開啟 Auto Scaling） |
| Database | 外接獨立 RDS（例如 db.t3.medium） |
| Load Balancer | 啟用 Application Load Balancer (ALB) |
| 部署方式 | Rolling with additional batch（保證不中斷） |
### 原因分析
- 2 台機器可避免單點故障
- Auto Scaling 可以因應突發性流量（例如促銷活動）
- 獨立 RDS 提高資料庫效能與可管理性
- ALB 可支援 HTTPS 與多目標健康檢查
---
## 3. 高流量大型網站 / 高併發應用
### 適用情境
- 電商網站
- 多人即時服務（如聊天室、直播）
- 高 API 併發應用
### 推薦設定
| 項目 | 建議值 |
|---|
| Instance Type | `m6i.large` 或 `c6g.large`（效能型） |
| Instance 數量 | 最小 4 台，最大 10 台（Auto Scaling） |
| Database | 專屬大型 RDS（或 Aurora Serverless） |
| Load Balancer | Application Load Balancer（或加上 CloudFront） |
| 部署方式 | Immutable deployment（零中斷更新） |
### 原因分析
- 使用效能型機器降低單位併發成本
- 多台擴展配合 Auto Scaling 可應付大幅波動
- Immutable 部署方式可避免更新失敗影響現有線上服務
- Load Balancer 可搭配 CDN 提升全球加速
---
## 4. Serverless + Beanstalk 混合模式（Hybrid）
### 適用情境
- 需要兼顧複雜計算與 Serverless 架構
- 某些任務使用 Lambda 執行（如影像處理、寄信）
- 主系統仍以 Beanstalk EC2 部署
### 推薦設定
- 核心 API / Web server 放在 Elastic Beanstalk
- 背景工作（cron job、queue consumer）用 AWS Lambda + EventBridge
- File upload / Static Content 用 S3 + CloudFront
- Serverless 服務與 EC2 協作，共用 IAM role / VPC
### 原因分析
- 彈性最佳化：主服務 EC2 高效能、子任務 Lambda 靈活啟動
- 成本控制佳，避免小工作佔用大型主機資源
- 容錯能力提升，Lambda 失敗也不影響主要 API
---
# 小結
不同規模、不同需求下，Elastic Beanstalk 最佳部署建議：
| 規模 | Instance建議 | Auto Scaling | Load Balancer | Database建議 |
|---|
| 小型 | 1台小機器 | ❌ | ❌ | 內嵌 RDS 或外接小型 DB |
| 中型 | 2-4台中型機器 | ✅ | ✅ | 獨立 RDS |
| 大型 | 4-10台高效能機器 | ✅ | ✅（加 CDN） | 大型 RDS 或 Aurora Serverless |
| 混合 | Beanstalk + Lambda | ✅ | ✅ | 跨服務組合 |
Elastic Beanstalk 的強大就在於
**從個人開發到企業級系統，都可以靈活搭配出適合自己的方案！**
---
# Elastic Beanstalk 費用最佳化建議
（含 Auto Scaling 節省技巧）
Elastic Beanstalk 本身不收管理費，**真正產生費用的是底層的 EC2、Load Balancer、RDS、S3、傳輸流量**等資源。
所以如果想讓 Beanstalk 部署既穩定又省錢，關鍵在於：
- 控制 EC2 成本
- 適當調整擴展策略
- 避免無意義的浪費
這篇就帶你掌握 Elastic Beanstalk 最有效的省錢方法！
---
## 1. 使用 Reserved Instance（RI）
### ✅ 做法
如果你的應用是「穩定長期運行」（例如公司網站、後端 API），
建議購買 **Reserved Instances**（RI）來取代 On-Demand。
- 可省下 **最高 72%** 成本（依付款方案而定）
- 1 年期或 3 年期，分為 All Upfront / Partial Upfront / No Upfront 付款選項
> 📌 注意：RI 是鎖定在「Region + Instance Type family」（例如 t3 family）
### ✅ 適用時機
- 流量穩定的長期應用
- 預期至少持續使用 1 年以上
---
## 2. 配合 Auto Scaling 使用 Spot Instances
### ✅ 做法
Elastic Beanstalk 的 Auto Scaling Group 可以設定混合策略：
- 混合使用 On-Demand 與 Spot Instances
- 例如：
- 30% On-Demand 保底
- 70% Spot 便宜又彈性擴展
在環境設定裡選擇：
> Capacity → Auto Scaling → Instances → Purchase Options → "Combine purchase options and instance types"
這樣可以極大降低「額外擴展台數」的費用。
Spot 便宜很多（常常是 On-Demand 價格的 10%~30%），超適合做大量讀取、彈性擴展的情境！
### ✅ 適用時機
- 流量不穩定、會爆量但可以短期容忍失敗（如直播、促銷活動）
- 不要求 100% 可用性的非關鍵服務（如統計、備援服務）
---
## 3. 適當設定 Auto Scaling 門檻
Auto Scaling 是節省資源的重要機制，但如果設定不當，反而可能讓你爆量開機器！
### ✅ 推薦設定策略
- **Scaling Up（擴展）**：CPU 使用率 > 60% 才新增機器
- **Scaling Down（縮減）**：CPU 使用率 < 30% 才關閉機器
- **Cooldown Time**（冷卻時間）：
- 擴展冷卻時間：180 秒
- 縮減冷卻時間：300 秒
這樣可以避免瞬間小波動就導致無謂的開關機，
減少 Auto Scaling 的震盪效應（flapping）。
---
## 4. 選擇適合的 Instance Type
不要一開始就開很大的機器，建議從小型機型開始測試：
- 小型 / 中型服務：選 `t3.medium` 或 `t4g.medium`（ARM 架構更便宜）
- 記憶體吃重服務：選 `r6g.large`
- 計算密集服務：選 `c6g.large`
**t 系列機型**特別便宜，還有 **CPU Credit** 機制，非常適合大部分輕中量應用。
> 📌 如果有資格使用 AWS Savings Plan，搭配起來成本又能再下降！
---
## 5. 適時關閉閒置資源
Elastic Beanstalk 的環境如果沒有在使用，底層資源（EC2、EBS、ALB）還是會一直產生費用！
### ✅ 建議
- 測試環境（staging / dev）用完記得直接 **terminate**。
- 用 Lifecycle Policy 自動清除超過 30 天未使用的 Application Versions。
- RDS 如果是測試用，也記得關掉（RDS 比 EC2 還貴！）。
---
## 6. 用 CloudFront 做流量加速，減少 ALB 費用
如果你的 Elastic Beanstalk 是做靜態檔案 / API Server，
流量高峰期可以前面加一層 **CloudFront CDN**，減少直接打到 Load Balancer 的次數。
- 減少 ALB Request 數量 ➔ 降低 ALB 成本
- 加速全球存取速度
- 保護背後應用不被 DDoS 打爆（搭配 AWS Shield）
---
# 小結
Elastic Beanstalk 節省費用重點整理：
| 方法 | 核心效果 |
|---|
| Reserved Instances | 穩定運作環境省錢最大化（>50%） |
| Spot Instances混搭 | 彈性負載環境大幅降低成本 |
| 正確設 Auto Scaling | 避免不必要的機器啟動/關閉 |
| 選對 Instance Type | 減少過度規格浪費 |
| 定期清理閒置資源 | 減少測試環境與多餘資源費用 |
| 加上 CloudFront | 減少 ALB 成本與提高存取效率 |
Elastic Beanstalk 不只是簡單，
只要稍微搭配得好，也能做到「低成本、高可靠、高效能」的部署！
---
# 【AWS】Day 8：運算服務 - AWS Lambda（Serverless 運算服務）
從前幾篇我們一路看了 EC2（自己管主機）、Elastic Beanstalk（半自動化部署）。
但如果你希望：
- 完全不用開伺服器
- 完全不用自己處理機器、網路、Scaling
- 只要專心「寫功能」就好
那 AWS Lambda 正是為了這樣的世界而生的！
今天正式進入 AWS Serverless 世界 —— **Lambda**！
---
## 什麼是 AWS Lambda？
**AWS Lambda** 是一個「事件驅動」的計算服務。
你只需要撰寫小段的**程式碼 Function**，告訴 AWS：
- 什麼時候要執行（例如 API 呼叫、排程時間、檔案上傳）
- 要執行什麼邏輯（你的程式碼）
- 設定好記憶體、超時時間
剩下的：
- 執行環境（OS、Patch、Security）
- 擴展（Scaling up & down）
- 負載均衡
- 日誌收集
- 資源回收
全部 AWS 幫你自動處理。
你只要負責寫功能，其他都不用煩惱！
---
## Lambda 的基本特性
| 項目 | 說明 |
|---|
| 運算單位 | Function（函數） |
| 部署方式 | 上傳程式碼（ZIP）或直接在 Console 編輯 |
| 支援語言 | Node.js, Python, Java, Go, .NET, Ruby… |
| 記憶體設定 | 128MB ~ 10GB（每64MB為單位） |
| 執行時間限制 | 最長 15 分鐘 |
| 價格模式 | 依執行次數 + 記憶體用量 + 執行時間計價 |
| 自動擴展 | 是（幾乎無上限，橫向自動擴展） |
---
## Lambda 的典型使用情境
- API Gateway ➔ Lambda ➔ 回應 Web API
- S3 上傳檔案 ➔ Lambda 處理轉檔（圖片縮圖、影片轉檔）
- DynamoDB 資料異動 ➔ Lambda 處理後續邏輯
- 排程任務（類似 crontab） ➔ 用 EventBridge 觸發 Lambda
- 輕量型後端服務（例如 Form submit、小型 Game Server）
---
## Lambda 的基本運作流程
以「API Server」為例：
1. 使用 **API Gateway** 建立 API Endpoint
2. 當使用者呼叫 API 時，API Gateway 觸發 Lambda
3. Lambda 執行你的程式邏輯（例如查資料庫、處理資料）
4. Lambda 執行完畢，把結果回傳給 API Gateway，再傳給使用者
整個過程中：
- 沒有 EC2
- 沒有 Load Balancer
- 沒有固定伺服器
- 自動擴展，不需要自己設定台數
---
## Lambda 的計費方式
Lambda 的收費方式非常彈性，也很適合小量或突發性使用的場景。
計費公式：
> **總費用 = 呼叫次數 +（記憶體用量 × 執行時間）**
詳細來說：
- **每個月前 1M 次請求免費**
- **每個月 400,000 GB-seconds 免費**
- 超出後，依照實際用量超便宜的單位收費
簡單說就是：
- 程式小、執行快，超便宜
- 不執行，不收費（真正的 pay-as-you-go）
---
## Lambda 的限制與注意事項
雖然 Lambda 很香，但也有一些天然限制要注意：
| 限制項目 | 說明 |
|---|
| 最大執行時間 | 15 分鐘 |
| 單次部署包大小上限 | 250MB（含 layer） |
| 同步觸發最大負載 | 預設 1000 concurrency（可申請提升） |
| 須設計無狀態 | 每次執行是全新環境，不保留記憶體資料 |
---
## 小結
今天介紹了 AWS Lambda 的核心概念：
- 完全免維護伺服器
- 按次計費、真正用多少付多少
- 適合 API、小型運算任務、背景作業
- 超級擴展性，適合不確定流量的應用
Lambda 完全顛覆了傳統開發部署方式，讓開發者能更專注在**功能本身**，而不是維護伺服器！
---
好！這裡直接幫你產出
**AWS Lambda 實作教學（Hello World + API Gateway 快速串接）**
讓讀者可以跟著馬上做出第一個 Lambda Function，並且用瀏覽器呼叫成功！
---
# AWS Lambda 實作教學（Hello World + API Gateway 快速串接）
前一篇我們認識了什麼是 AWS Lambda。
這一篇直接來實戰，帶你：
- 建立一個 Hello World Lambda
- 用 API Gateway 快速串接
- 用瀏覽器直接呼叫！
超簡單，只需要 10 分鐘 🚀
---
## 1. 建立第一個 Lambda Function
登入 AWS Console
打開 [AWS Lambda Console](https://console.aws.amazon.com/lambda/)
1. 點選「Create function」
2. 選擇「Author from scratch」
3. 填寫基本資訊：
| 項目 | 設定 |
|---|
| Function name | `hello-world-lambda` |
| Runtime | Node.js 18.x（或 Python 3.11 也可） |
| Architecture | x86\_64（預設即可） |
| Permissions | 建議選「Create a new role with basic Lambda permissions」 |
4. 點選「Create Function」
幾秒鐘後，一個新的 Lambda 就建立好了！
---
## 2. 編輯 Lambda 程式碼
在 Lambda Console 的編輯器中，把預設程式碼改成這樣：
### Node.js 版
```javascript
exports.handler = async (event) => {
return {
statusCode: 200,
body: JSON.stringify('Hello from AWS Lambda!'),
};
};
```
### Python 版
```python
def lambda_handler(event, context):
return {
'statusCode': 200,
'body': 'Hello from AWS Lambda!'
}
```
編輯完後，記得按下「Deploy」！
這樣 Lambda 程式就設定完成了 🎯
---
## 3. 建立 API Gateway 串接 Lambda
接下來，我們讓這個 Lambda 能夠用 HTTP API 被呼叫。
1. 在 Lambda Function 頁面上方，點選「Add trigger」
2. 選擇「API Gateway」
3. 設定：
| 項目 | 設定 |
|---|
| API type | HTTP API（比較簡單快速） |
| Security | Open（不設驗證，之後可以補強） |
| API Name | 自動生成或自己命名也可以 |
4. 點選「Add」
AWS 會自動幫你建立一個 HTTP API，並串好 Lambda！
完成後，Lambda 頁面會顯示一個 API Endpoint，例如：
```
https://xxxxx12345.execute-api.ap-northeast-1.amazonaws.com/
```
---
## 4. 測試 API 呼叫
打開你的瀏覽器，直接輸入剛剛那個 URL！
你應該會看到畫面顯示：
```
"Hello from AWS Lambda!"
```
恭喜 🎉
你的第一個 Lambda + API Gateway 已經成功部署！
---
## 5. 小結
這次的流程總結：
| 步驟 | 說明 |
|---|
| 建立 Lambda | 撰寫 Hello World 程式碼 |
| 建立 API Gateway Trigger | 快速建立 HTTP API 串接 Lambda |
| 測試呼叫 | 瀏覽器直接打 API URL 測試結果 |
透過 Lambda + API Gateway，可以超快速上線一個基本 API，
而且完全不用管 EC2、Scaling、Load Balancer 等基礎設施！
---
太好了！這裡接著給你完整的
**AWS Lambda 進階教學：環境變數、IAM 權限設定、連接 RDS 資料庫**，
讓你的 Lambda 應用從 Hello World 升級到真正可以跑正式服務！
---
# AWS Lambda 進階教學
（環境變數設定＋IAM 權限管理＋連接 RDS 資料庫）
---
## 一、設定 Lambda 環境變數（Environment Variables）
### ✅ 為什麼需要環境變數？
- 存放敏感資訊（資料庫帳號密碼、API Key）
- 存放不同環境（dev / prod）設定
- 程式更乾淨，不要把設定寫死在程式碼裡
### ✅ 如何設定環境變數
1. 打開 Lambda Function 頁面
2. 選擇「Configuration」→「Environment variables」
3. 點「Edit」→「Add environment variable」
4. 加入變數，例如：
| Key | Value |
|---|
| `DB_HOST` | `your-db.xxxx.rds.amazonaws.com` |
| `DB_USER` | `admin` |
| `DB_PASSWORD` | `your-password` |
| `DB_NAME` | `your-database-name` |
5. 儲存即可，Lambda 會自動讀取這些變數
---
### ✅ 程式裡讀取環境變數（Python範例）
```python
import os
db_host = os.environ['DB_HOST']
db_user = os.environ['DB_USER']
db_password = os.environ['DB_PASSWORD']
db_name = os.environ['DB_NAME']
```
讀取環境變數超簡單，推薦大家一定要用這種方式管理設定！
---
## 二、設定 Lambda 的 IAM Role（權限）
### ✅ 為什麼需要設定 IAM Role？
Lambda 本身如果要呼叫其他 AWS 資源（像 S3、DynamoDB、RDS），需要有「授權」。
這個授權是透過「IAM Role」給的。
> 📌 Lambda 本身就會綁定一個 IAM Role，進行細部設定即可。
---
### ✅ 最小權限原則（Best Practice）
- 只開放 Lambda 需要用到的權限
- 不要直接給 Lambda admin 權限（避免安全漏洞）
---
### ✅ 範例：讓 Lambda 存取 RDS（或 VPC）
如果 Lambda 需要連到 RDS，需要設定：
- 讓 Lambda 進入正確的 VPC、Subnet、Security Group
- IAM Role 不需要特別開 RDS 權限（除非要操作 RDS API，例如開啟 RDS Snapshot）
所以通常 IAM Role 保持「基本執行」權限就好，例如：
- `AWSLambdaBasicExecutionRole`（CloudWatch log 權限）
- `AWSLambdaVPCAccessExecutionRole`（存取 VPC 權限）
可以在 Lambda → Configuration → Permissions → Execution Role 編輯。
---
## 三、Lambda 連接 RDS 資料庫（Python 範例）
假設我們已經設定好 RDS MySQL 或 PostgreSQL 資料庫，並且把連線資訊設在環境變數。
### ✅ 安裝必備套件
AWS Lambda 本身環境很乾淨，需要把 Python 連線資料庫的套件（例如 `pymysql`、`psycopg2`）打包進去。
**開發環境步驟：**
```bash
mkdir lambda_rds
cd lambda_rds
python3 -m venv venv
source venv/bin/activate
pip install pymysql
deactivate
```
把 `venv/lib/python3.11/site-packages` 的 pymysql 複製到專案目錄。
最後 ZIP 包含：
- `lambda_function.py`（你的程式）
- `pymysql/`（套件目錄）
---
### ✅ Lambda Python 連線 RDS (MySQL) 範例
```python
import pymysql
import os
def lambda_handler(event, context):
# 讀取環境變數
db_host = os.environ['DB_HOST']
db_user = os.environ['DB_USER']
db_password = os.environ['DB_PASSWORD']
db_name = os.environ['DB_NAME']
# 建立連線
connection = pymysql.connect(
host=db_host,
user=db_user,
password=db_password,
database=db_name,
connect_timeout=5
)
try:
with connection.cursor() as cursor:
sql = "SELECT NOW();"
cursor.execute(sql)
result = cursor.fetchone()
return {
'statusCode': 200,
'body': f'Database Time: {result[0]}'
}
finally:
connection.close()
```
這樣就能讓 Lambda 成功連接雲端資料庫，完成資料操作！
---
## 四、常見注意事項
| 注意事項 | 說明 |
|---|
| Lambda + RDS Latency | Lambda 通常要設在與 RDS 同一個 VPC / AZ |
| 連線池設計 | 建議使用 RDS Proxy（可以省連線數） |
| 超時設置 | Lambda 最大執行時間 15 分鐘，連資料庫要小心逾時 |
| 打包套件 | 自訂套件一定要打包進 ZIP 中 |
---
# 小結
這篇進階教學重點整理：
- Lambda 用環境變數管理設定
- Lambda 設定 IAM Role，最小權限原則
- Lambda 可以直接連 RDS，但要注意 VPC 設定
- 打包套件進 ZIP 是必須的！
掌握這些，
你的 Lambda 就可以從 Hello World 升級成**正式後端服務**了！
---
# AWS Serverless 全應用實戰
（API Gateway + Lambda + DynamoDB + RDS Proxy）
---
## 🔧 架構圖
css
`[Client] ↓[API Gateway] ↓[AWS Lambda] ↓ ↘[DynamoDB] [RDS Proxy] → [MySQL / PostgreSQL]`
| 項目 | 值 |
|---|
| Table name | `Todos` |
| Partition key | `id`（String） |
python
`import jsonimport uuidimport boto3dynamodb = boto3.resource('dynamodb')table = dynamodb.Table('Todos')def lambda_handler(event, context): body = json.loads(event['body']) todo_id = str(uuid.uuid4()) title = body.get('title') table.put_item( Item={ 'id': todo_id, 'title': title } ) return { 'statusCode': 200, 'body': json.dumps({'id': todo_id, 'title': title}) }`
json
`{ "Effect": "Allow", "Action": [ "dynamodb:PutItem" ], "Resource": "arn:aws:dynamodb:*:*:table/Todos"}`
bash
`curl -X POST https://xxx.execute-api.ap-northeast-1.amazonaws.com/todos \ -H "Content-Type: application/json" \ -d '{"title":"Write Lambda guide"}'`
| 項目 | 值 |
|---|
| Proxy name | `todo-proxy` |
| Engine | MySQL / PostgreSQL（需有資料庫） |
| Target RDS | 選擇現有的 RDS 實例 |
| IAM Auth | 啟用（建議使用） |
| VPC | 與 Lambda 相同 VPC |
bash
`pip install pymysql -t .zip -r lambda-rds.zip .`
python
`import pymysqlimport osimport jsonimport uuiddef lambda_handler(event, context): conn = pymysql.connect( host=os.environ['DB_PROXY_HOST'], user=os.environ['DB_USER'], password=os.environ['DB_PASSWORD'], database=os.environ['DB_NAME'], connect_timeout=5 ) try: body = json.loads(event['body']) todo_id = str(uuid.uuid4()) title = body['title'] with conn.cursor() as cursor: cursor.execute("INSERT INTO todos (id, title) VALUES (%s, %s)", (todo_id, title)) conn.commit() return { 'statusCode': 200, 'body': json.dumps({'id': todo_id, 'title': title}) } finally: conn.close()`
| 元件 | 用途 |
|---|
| API Gateway | 提供外部 API 接口 |
| Lambda | 執行商業邏輯 Function |
| DynamoDB / RDS | 儲存資料 |
| RDS Proxy | 提升連線穩定性與效率 |
| 項目 | 設定 |
|---|
| Type | JWT |
| Identity source | `Authorization` header |
| Issuer URL | `https://cognito-idp..amazonaws.com/` |
| Audience | 你剛剛的 App Client ID |
4. 把 `/todos` 路徑設定為需要驗證（選上剛剛的 authorizer）
---
### ✅ 呼叫 API 時加上 JWT token
前端從 Cognito 登入取得 Token 後，呼叫 API 時帶上：
```http
Authorization: Bearer
```
這樣 API Gateway 就會自動驗證使用者身份，Lambda 裡也可以透過 `event['requestContext']` 取得使用者資訊！
---
## 二、Lambda Logging 與 Error Handling 最佳實踐
### ✅ 記錄 Log 到 CloudWatch
在 Lambda 中使用標準輸出即可：
```python
import logging
logger = logging.getLogger()
logger.setLevel(logging.INFO)
logger.info("New todo created")
```
CloudWatch Logs 會自動收集這些 log。
---
### ✅ 最佳錯誤處理模式
```python
import json
import traceback
def lambda_handler(event, context):
try:
# 主邏輯
...
return {
'statusCode': 200,
'body': json.dumps({'message': 'Success'})
}
except Exception as e:
logger.error("Error: %s", traceback.format_exc())
return {
'statusCode': 500,
'body': json.dumps({'error': 'Internal Server Error'})
}
```
這樣可避免直接顯示錯誤堆疊給使用者，又方便自己 debug。
---
## 三、使用 Serverless Framework 快速部署整套應用
### ✅ 為什麼用 Serverless Framework？
- 自動建 Lambda、API Gateway、DynamoDB、IAM、環境變數
- 一鍵部署、一鍵刪除
- 適合團隊開發與 CI/CD
---
### ✅ 安裝 CLI 工具
```bash
npm install -g serverless
```
---
### ✅ 初始化專案
```bash
serverless create --template aws-python --path todo-api
cd todo-api
```
---
### ✅ 編輯 `serverless.yml`
以下是 Todo API + DynamoDB + JWT 驗證的簡化範例：
```yaml
service: todo-api
provider:
name: aws
runtime: python3.11
region: ap-northeast-1
environment:
DB_TABLE: Todos
iamRoleStatements:
- Effect: Allow
Action:
- dynamodb:PutItem
Resource: arn:aws:dynamodb:*:*:table/Todos
functions:
createTodo:
handler: handler.create
events:
- http:
path: todos
method: post
authorizer:
type: COGNITO_USER_POOLS
userPoolArn: arn:aws:cognito-idp:ap-northeast-1:xxxx:userpool/xxxx
resources:
Resources:
TodosTable:
Type: AWS::DynamoDB::Table
Properties:
TableName: Todos
AttributeDefinitions:
- AttributeName: id
AttributeType: S
KeySchema:
- AttributeName: id
KeyType: HASH
BillingMode: PAY_PER_REQUEST
```
---
### ✅ Lambda 程式 `handler.py`
```python
import json
import uuid
import boto3
import os
table = boto3.resource('dynamodb').Table(os.environ['DB_TABLE'])
def create(event, context):
data = json.loads(event['body'])
todo_id = str(uuid.uuid4())
table.put_item(Item={'id': todo_id, 'title': data['title']})
return {
'statusCode': 200,
'body': json.dumps({'id': todo_id, 'title': data['title']})
}
```
---
### ✅ 部署指令
```bash
sls deploy
```
幾十秒後，你就會拿到公開的 API URL！🎉
---
### ✅ 刪除整個堆疊（清資源）
```bash
sls remove
```
超級適合測試環境清除資源時使用，防止殘留帳單！
---
## ✅ 加碼：Lambda 搭配 RDS Proxy 用 Serverless Framework 管理
你可以在 `serverless.yml` 裡加上 VPC 設定：
```yaml
provider:
...
vpc:
securityGroupIds:
- sg-xxxxxxxx
subnetIds:
- subnet-aaaa
- subnet-bbbb
```
這樣部署後的 Lambda 就能存取你已經建立好的 RDS Proxy！
---
## 🔚 小結
這次進階整合包含：
✅ Cognito 驗證 ➜ 提供安全 API
✅ Lambda Logging + Error Handling ➜ 更穩定、更易除錯
✅ Serverless Framework ➜ 快速一鍵部署 / 一鍵刪除
✅ 支援 DynamoDB / RDS Proxy ➜ 彈性資料層選擇
這套完整架構，適合你用來開發：
- SaaS MVP
- 微服務架構中的 User Service
- 內部工具（支援 Cognito 驗證）
- 全無伺服器 RESTful API
---
下一篇，我們將繼續探討
**Day 9：AWS 容器服務 - EKS（Elastic Kubernetes Service）**，
看看當需要更複雜的大型應用，想用 Kubernetes 架構時，AWS 是怎麼支援的！
Day 9 再見 👋