如何提升DynamoDB流INSERT事件触发速度？排查Lambda调用瓶颈

• DynamoDB流分片数量不足：DynamoDB流的分片数与表的分片数直接绑定，每个流分片同一时间只能被一个Lambda实例处理。如果你的表分片数量远低于30，就算Lambda配置了1000并发也无法充分利用——没有足够的分片分配给更多实例，自然每秒只能维持约30次调用，流中未处理的记录越积越多，iterator age就会持续上升。

• DynamoDB自动扩缩容速度滞后：虽然开启了预置容量自动扩缩容且上限设为1000，但自动扩缩容默认有5分钟的冷却时间，无法瞬间将读写容量拉满。一次性任务突然产生海量流记录时，DynamoDB的读容量扩容速度跟不上Lambda拉取记录的需求，Lambda拿不到足够的任务，调用频次自然上不去，未处理的流记录持续堆积。

• Lambda流批量处理配置不合理：默认情况下，Lambda从DynamoDB流一次读取100条记录。如果单条图片切片任务耗时较短，过小的批量会导致Lambda频繁启动但有效处理时间占比低；要是批量过大，单个实例处理周期太长，占用并发资源却无法快速完成调用，两种情况都会让每秒调用次数远低于1000的上限，同时推高iterator age。

• Lambda冷启动开销影响：一次性任务需要触发数百万次调用，初期大量实例会经历冷启动（尤其是Java、.NET等编译型语言的函数），启动耗时会拉长单实例的处理周期，降低单位时间内的有效调用次数，进一步加剧流记录的堆积，导致iterator age持续增长。

内容的提问来源于stack exchange，提问作者Nikolay Dyankov