{"id":1448,"date":"2021-05-20T13:40:56","date_gmt":"2021-05-20T13:40:56","guid":{"rendered":"https:\/\/digatus.com\/2021\/05\/20\/serverless-architecture-analyse-einer-skalierbaren-cloud-applikation\/"},"modified":"2025-11-27T11:43:20","modified_gmt":"2025-11-27T10:43:20","slug":"serverless-architecture-analyse-einer-skalierbaren-cloud-applikation","status":"publish","type":"post","link":"https:\/\/digatus.com\/de\/serverless-architecture-analyse-einer-skalierbaren-cloud-applikation\/","title":{"rendered":"Serverless Architecture \u2013 Analyse einer skalierbaren Cloud-Applikation"},"content":{"rendered":"\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Als Demo-Applikation wird eine Functions-as-a-Service Infrastruktur verwendet, die ereignisgesteuert agiert. Die Implementierung der Applikation k\u00f6nnte mit allen gr\u00f6\u00dferen Cloud-Anbietern umgesetzt werden. Da Amazon Web Services aber momentan Marktf\u00fchrer mit ca. 33 Prozent Marktanteil am weltweiten Cloudumsatz ist, wurde f\u00fcr die Berechnung der Kosten deren Kostenkalkulator verwendet. Auch f\u00fcr alle verwendeten Funktionen in der Applikation wurden aus Gr\u00fcnden der Einheitlichkeit Services von AWS benutzt.<\/p>

Die Demo-Applikation soll Bilder in die Cloud laden und dort speichern. Ein Algorithmus zur Bilderkennung soll in den Fotos Gesichter erkennen und diese zum Beispiel auf Emotionen hin analysieren. Die so gesammelten Informationen sollen anschlie\u00dfend in einer Datenbank gespeichert werden. Im Detail soll die Demo-Applikation also folgende Aufgaben erf\u00fcllen:<\/p>

  1. Ein Client soll \u00fcber eine Schnittstelle Bilder in ein AWS S3 File Bucket laden k\u00f6nnen. Dort sollen alle hochgeladenen Bilder dauerhaft verf\u00fcgbar sein.<\/li>
  2. Sobald ein Bild fertig hochgeladen ist, wird eine AWS Lambda-Funktion getriggert.<\/li>
  3. Die Lambda-Funktion \u00fcbergibt nun das Bild an die AWS Recognition API, die das Bild verarbeitet und nach Gesichtern sucht. Werden Gesichter gefunden, so werden diese analysiert und es k\u00f6nnen unter anderem Daten abgefragt werden, wie das m\u00f6gliche Alter der Person oder Emotionen, die diese Person gerade empfindet.<\/li>
  4. Sobald die Recognition API die Bildverarbeitung abgeschlossen hat, gibt sie die gesammelten Daten zur\u00fcck und triggert eine weitere Lambda-Funktion.<\/li>
  5. Die Lambda-Funktion speichert nun die gesammelten Daten in einer AWS DynamoDB, wo sie dann abgefragt werden k\u00f6nnen. Der weitere Programmablauf spielt f\u00fcr die Zwecke dieses Artikels keine Rolle mehr.<\/li><\/ol>

    \"\"<\/p>

    Image Upload Application (Quelle: AWS)<\/p>

    Welcher Aufwand ist initial n\u00f6tig, um die Anwendung skalierbar zu machen?<\/h5>

    Da die Cloud-Komponente aus vier unabh\u00e4ngigen Services besteht, muss jeder davon einzeln beurteilt werden.<\/p>

    S3 File Bucket<\/h6>

    Die AWS S3 File Storage bietet automatische Skalierungsmethoden ohne Konfigurationsaufwand. Im Gegensatz zu einem Server mit Partitionen k\u00f6nnen S3 Buckets \u00fcber Virtualisierung theoretisch unendliche Mengen an Bytes aufnehmen. Auch die Verteilung von redundanten Kopien im Falle eines Datenverlustes wird von AWS \u00fcbernommen.<\/p>

    Mit dem Kategorisieren von Dateien anhand ihrer Zugriffsmuster in verschiedene Speicherklassen wird au\u00dferdem automatisch Speicherplatz gespart. Dateien, die oft angefragt werden, sind hochverf\u00fcgbar. Weniger benutzte Dateien hingegen werden in g\u00fcnstigere Speicherklassen verschoben.<\/p>

    Ein S3-Objektspeicher ist also ohne manuellen Konfigurationsaufwand in der Lage, sich stark \u00e4ndernden Mengen von Dateien anzupassen und theoretisch bis ins Unendliche zu skalieren.<\/p>

    Lambda Functions<\/h6>

    F\u00fcr jeden Aufruf einer Lambda Funktion wird von AWS Lambda automatisch eine neue Instanz der Funktion erzeugt. Dies passiert so lange, bis das Limit der Region erreicht wird, in der die Funktion ausgef\u00fchrt wird. F\u00fcr eine Anwendung aus Deutschland w\u00fcrde das Rechenzentrum in Frankfurt automatisch bis zu 1000 parallele Instanzen initialisieren.<\/p>

    Reicht diese Anzahl f\u00fcr die Bearbeitung der eingehenden Anfragen nicht aus, so ist AWS Lambda in der Lage bis zu 500 weitere Instanzen pro Minute zu starten. Dieser Prozess wird so lange fortgesetzt bis gen\u00fcgend Instanzen die Anfragen abarbeiten, oder ein voreingestelltes Gleichzeitigkeitslimit erreicht ist. Dieses Limit muss vom Benutzer manuell eingestellt werden.<\/p>

    Ist eine Lastspitze \u00fcberwunden, so werden nicht benutzte Instanzen automatisch wieder heruntergefahren.<\/p>

    Image Recognition<\/h6>

    Die AWS Image Recognition API wird von AWS bereitgestellt und kann direkt aus Lambda Funktionen heraus aufgerufen werden. Es muss deshalb nicht f\u00fcr jede Anwendung eine eigene Instanz erstellt werden. Die Skalierung wird ebenfalls von AWS \u00fcbernommen und f\u00e4llt nicht in den Aufgabenbereich des Endnutzers.<\/p>

    DynamoDB<\/h6>

    AWS DynamoDB verwendet den AWS Application Auto Scaling Service, um die Durchsatzkapazit\u00e4t an die aktuellen Nutzungsmuster anzupassen. So wird die Durchsatzkapazit\u00e4t bei steigender Nachfrage automatisch erh\u00f6ht und bei fallender Nachfrage automatisch gesenkt.<\/p>

    Der Auto Scaling Service enth\u00e4lt eine Zielauslastung. Diese beschreibt den Prozentsatz des verbrauchten Durchsatzes zu einem bestimmten Zeitpunkt. Der Wert kann manuell \u00fcberschrieben werden, um z.B. Zielauslastungswerte f\u00fcr Lese- oder Schreibkapazit\u00e4ten zu ver\u00e4ndern. Der Auto Scaling Service wird daraufhin versuchen die tats\u00e4chliche Kapazit\u00e4tsauslastung an die angegebene anzupassen. Dies macht aber nur Sinn, wenn ungef\u00e4hr vorausgesagt werden kann, wann Lastspitzen auftreten.<\/p>

    Im Fall der Bildverarbeitungsanwendung sollte man die Einstellungen der DynamoDB aber nicht manuell ver\u00e4ndern, da sie sich hier automatisch an sich \u00e4ndernde Anforderungen anpasst.<\/p>

    Geschwindigkeit und Verf\u00fcgbarkeit<\/h5>

    Was passiert im Fall eines starken Lastanstiegs und wie schnell k\u00f6nnen die einzelnen Services der Anwendung auf Lastspitzen reagieren? Ist bei schneller Skalierung mit Leistungseinbu\u00dfen zu rechnen?<\/p>

    S3 File Bucket<\/h6>

    Da der Aufbau der AWS S3 Simple Storage einem gro\u00dfen verteilten System \u00e4hnelt und nicht einem einzelnen Netzwerkendpunkt, macht es bei korrekter Benutzung keinen Unterschied wie viele Anfragen es bearbeiten muss. Da keine Begrenzung f\u00fcr die Anzahl der gleichzeitigen Verbindungen existiert, kann \u00fcber die eine erh\u00f6hte Anzahl der Anfragen die Bandbreite des Service maximiert werden. Werden hingegen keine zus\u00e4tzlichen Verbindungen aufgebaut, sondern eine einzelne Verbindung st\u00e4rker ausgereizt, so muss mit Geschwindigkeitseinbu\u00dfen gerechnet werden.<\/p>

    Lambda Functions<\/h6>

    Die Skalierungsweise von AWS Lambda Functions wurde bereits im vorherigen Abschnitt erkl\u00e4rt. Grundlegend l\u00e4sst sich also feststellen, dass es f\u00fcr Lambda Functions keinen Unterschied macht, solange die Anzahl der gleichzeitigen Instanzen unter dem regionalen Limit liegt (in Deutschland bei 1000). Dieses Limit kann per Anfrage in der AWS Support Center Konsole erh\u00f6ht werden.<\/p>

    Beim ersten Bearbeiten einer Anforderung von einer neu erstellten Instanz muss immer die Dauer der Codeinitialisierung mit einberechnet werden. Dies bedeutet, dass eine neu erstellte Instanz einer Funktion, die noch nicht verwendet wurde, immer l\u00e4nger f\u00fcr die Abarbeitung einer Aufgabe braucht, als eine bereits verwendete. Bei schneller Skalierung muss also mit einer Verz\u00f6gerung gerechnet werden.<\/p>

    M\u00f6chte man diese beschriebenen Schwankungen in der Latenz umgehen, so kann die sogenannte bereitgestellte Parallelit\u00e4t (Provisioned Concurrency) verwendet werden. Die folgende Abbildung macht dies deutlich.<\/p>

    \"serverless<\/p>

    „Function Scaling with Provisioned Concurrency (Quelle: AWS)<\/p>

    Es ist ersichtlich, dass bis zum Erreichen der pinken Linie (die konfigurierte Anzahl an bereitgestellter Parallelit\u00e4t) die Anzahl der verf\u00fcgbaren Funktionsinstanzen immer gr\u00f6\u00dfer ist als die Anzahl der offenen Anforderungen. Die offenen Anforderungen k\u00f6nnen also ohne Verz\u00f6gerung bearbeitet werden. Erst wenn die Grenze \u00fcberschritten wird, werden neue Instanzen gestartet und es muss wieder mit erh\u00f6hter Latenz gerechnet werden.<\/p>

    Image Recognition<\/h6>

    Da AWS Image Recognition ein von AWS bereitgestellter Service ist, der nur per API aufgerufen wird, gibt es keinen Unterschied in der Geschwindigkeit oder der Verf\u00fcgbarkeit. Auftretende Lastspitzen werden einfach abgefangen, vom Endnutzer muss nichts konfiguriert werden.<\/p>

    DynamoDB<\/h6>

    Beim Erstellen einer AWS DynamoDB ist der Auto Scaling Service automatisch aktiv, wenn er nicht manuell ausgeschaltet wird. Im vorherigen Kapitel wurde die grobe Funktionsweise des Auto Scaling Service bereits erl\u00e4utert.<\/p>

    Werden die Werte des Service nicht \u00fcberschrieben, so skaliert er die Durchsatzkapazit\u00e4ten der Datenbank automatisch nach oben, wenn \u00fcber einen Zeitraum von zwei Minuten der Zieldurchsatz zu hoch ist. Ist der Durchsatz \u00fcber 15 Minuten hinaus niedriger als der gew\u00fcnschte Zieldurchsatz, so werden die Durchsatzkapazit\u00e4ten automatisch verringert. In der folgenden Abbildung ist die konsumierte (blau) und die bereitgestellte (rot) Durchsatzkapazit\u00e4t der Datenbank \u00fcber einen Zeitraum von 24 Stunden zu sehen.<\/p>

    \"serverless<\/p>

    Consumed and provisioned read capacity<\/p>

    Ist der Zieldurchsatz nicht zu hoch gew\u00e4hlt, so kann die Datenbank alle Anfragen performant und ohne Leistungseinbu\u00dfen beantworten. Der Raum zwischen der blauen und der roten Linie stellt hierbei die freie Durchsatzkapazit\u00e4t der Datenbank dar. Sobald die blaue Linie die rote Linie zu oft \u00fcbersteigt, sollte man den Zieldurchsatz erh\u00f6hen. Im Normalfall kann der Auto Scaling Service aber auf alle Lastspitzen performant reagieren und es sind keine Leistungseinbu\u00dfen zu erwarten.<\/p>

    Wie lassen sich die Kosten der Applikation berechnen?<\/h5>

    Der Startwert zur Berechnung der fiktiven Kosten der Applikation liegt bei 1000 Durchf\u00fchrungen. Dieser wird dann jeweils mit dem Faktor 10 multipliziert, der letzte Wert liegt bei 100.000.000 Durchf\u00fchrungen. Dass ein so hoher Wert in der Realit\u00e4t vermutlich eher selten vorkommt, ist f\u00fcr den Zweck der Kostenentwicklung an dieser Stelle zu vernachl\u00e4ssigen. Im Anschluss werden die Kosten f\u00fcr jeden Service einzeln berechnet, um unterschiedliche Kostenentwicklungen unterscheiden zu k\u00f6nnen. Abschlie\u00dfend wird ein \u00dcberblick \u00fcber die Gesamtkosten der Applikation gegeben. Die Preise wurden alle \u00fcber den AWS-Kostenkalkulator berechnet.<\/p>

    S3 File Bucket<\/h6>

    Beim S3 Speicher muss zwischen drei Kostenpunkten unterschieden werden. Einmal wird der verbrauchte Speicherplatz abgerechnet und zus\u00e4tzlich fallen Kosten pro PUT und GET-Zugriff auf eine Datei an. Bei Benutzung der Applikation wird in jeder Durchf\u00fchrung die Datei genau einmal hochgeladen und einmal wieder ausgelesen. Bei den folgenden Werten wurde ein Durchschnittswert von 5 MB pro Foto verwendet, was bei einem hochaufl\u00f6senden JPEG-Bild einem Foto von einer 15 Megapixel-Kamera entspricht.<\/p>
    \u00a0<\/td>1000\/5 GB<\/b><\/td>100.000\/5 TB<\/b><\/td>1 Mio.\/50 TB<\/b><\/td>10 Mio.\/500 TB<\/b><\/td>100 Mio.\/5 PB<\/b><\/td><\/tr>
    Speicher<\/strong><\/td>0,1225<\/td>122,5<\/td>1225<\/td>11.750<\/td>112.500<\/td><\/tr>
    PUT Request<\/strong><\/td>0,0054<\/td>0,54<\/td>5,4<\/td>54<\/td>540<\/td><\/tr>
    GET Request<\/strong><\/td>0,00043<\/td>0,043<\/td>0,43<\/td>4,3<\/td>43<\/td><\/tr>
    Summe<\/strong><\/td>0,12833 $<\/td>123,083 $<\/td>1230,83 $<\/td>11.808 $<\/td>113.083 $<\/td><\/tr><\/tbody><\/table>

    Tabelle: <\/strong>Kostenentwicklung des AWS S3 Speichers in USD im Verh\u00e4ltnis zur Anzahl der Dateien und des verbrauchten Speichers<\/p>

    Der Tabelle ist zu entnehmen, dass die Zugriffe auf die Dateien eine untergeordnete Rolle bei den Kosten spielen, da sie bis zu 100 Mio. Aufrufen linear skalieren. Der verwendete Speicherplatz verbraucht deutlich mehr Kosten. Es f\u00e4llt auf, dass auch dessen Preise erst ab 50 Terabyte verbrauchtem Speicher leicht reduziert werden, davor skaliert auch dieser Wert linear.<\/p>

    Lambda Functions<\/h6>

    Lambda-Funktionen werden in der Applikation pro Durchlauf genau zweimal verwendet. Einmal, wenn eine Datei fertig hochgeladen wird und einmal, wenn der Aufruf an die AWS Recognition API beendet ist. F\u00fcr die Berechnung der Kosten wurden folgende Werte verwendet.<\/p>
    \u00a0<\/td>Arbeitsspeicher<\/b><\/td>Dauer pro Ausf\u00fchrung<\/b><\/td><\/tr>
    Funktion 1<\/strong><\/td>512 MB<\/td>200 ms<\/td><\/tr>
    Funktion 2<\/strong><\/td>512 MB<\/td>400 ms<\/td><\/tr><\/tbody><\/table>

    Tabelle: <\/strong>Ressourcenverbrauch der Lambda-Funktionen<\/p>

    Berechnet man nun mit obigen Werten die Kosten bei steigenden Ausf\u00fchrungszahlen, so erh\u00e4lt man die folgenden Ergebnisse.<\/p>
    \u00a0<\/td>=< 1 Mio.<\/b><\/td>10 Mio.<\/b><\/td>100 Mio.<\/b><\/td><\/tr>
    Funktion 1<\/strong><\/td>0<\/td>11,8<\/td>179,8<\/td><\/tr>
    Funktion 2<\/strong><\/td>0<\/td>28,47<\/td>346,47<\/td><\/tr>
    Summe<\/strong><\/td>0 $<\/td>40,27 $<\/td>526,27 $<\/td><\/tr><\/tbody><\/table>

    Tabelle: <\/strong>Kostenentwicklung der Lambda-Funktionen bei steigender Ausf\u00fchrungszahl<\/p>

    Bleibt die Anzahl der Ausf\u00fchrungen unter 1 Mio., so ist der Service komplett kostenfrei. Auff\u00e4llig ist, dass bei steigenden Ausf\u00fchrungszahlen der Preis nicht sinkt, sondern leicht steigt. Bei 100 Mio. Ausf\u00fchrungen der ersten Funktion ist der Preis pro Ausf\u00fchrung ca. 60 Prozent teurer als bei nur 10. Mio. Ausf\u00fchrungen.<\/p>

    Image Recognition<\/h6>

    Der Aufruf der Image Recognition API kostet bis zu einer Anzahl von 1 Mio. Bilder 0,001 USD pro Bild. Erst ab einer Anzahl \u00fcber einer Million verarbeiteter Bilder sinkt der Preis langsam. Die weitere Kostenentwicklung ist der folgenden Tabelle zu entnehmen.<\/p>
    \u00a0<\/td>1000<\/b><\/td>100.000<\/b><\/td>1 Mio.<\/b><\/td>10 Mio.<\/b><\/td>100 Mio.<\/b><\/td><\/tr>
    Summe<\/strong><\/td>1,2 $<\/td>120 $<\/td>1.200 $<\/td>8.000 $<\/td>60.000 $<\/td><\/tr><\/tbody><\/table>

    Tabelle: <\/strong>Kostenentwicklung des AWS Recognition Service bei steigender Ausf\u00fchrungszahl<\/p>

    DynamoDB<\/h6>

    Bei der Berechnung der Kosten f\u00fcr die DynamoDB m\u00fcssen analog zum S3 Speicher mehrere Kostenfaktoren ber\u00fccksichtigt werden. Neben den Kosten f\u00fcr die Datenhaltung werden pro Schreibvorgang ebenfalls Geb\u00fchren erhoben. Diese betragen 0,152 USD pro 1000 Datens\u00e4tze. F\u00fcr die folgende Berechnung wurde angenommen, dass ein Datensatz ca. 100 KB an Daten enth\u00e4lt. So ergeben sich Speicherkosten in H\u00f6he von 3,06 USD f\u00fcr 100.000 Datens\u00e4tze. Beide Preise skalieren linear nach oben und weichen nicht ab.<\/p>

    Gesamtkosten<\/h6>

    Abschlie\u00dfend wird nun die Entwicklung der Gesamtkosten betrachtet. Hierzu wurden die Gesamtkosten der einzelnen Services addiert. Herausgekommen sind die folgenden Werte:<\/p>
    \u00a0<\/td>1.000<\/b><\/td>10.000<\/b><\/td>100.000<\/b><\/td>1 Mio.<\/b><\/td>10 Mio.<\/b><\/td>100 Mio.<\/b><\/td><\/tr>
    Summe<\/strong><\/td>1,48 $<\/td>25,81 $<\/td>261,39 $<\/td>2.613,93 $<\/td>21.679,57 $<\/td>191.919,27 $<\/td><\/tr><\/tbody><\/table>

    Tabelle: <\/strong>Gesamtkostenentwicklung bei steigender Ausf\u00fchrungszahl. F\u00fcr eine bessere Beurteilung der Entwicklung wurde im folgenden Diagramm eine logarithmische Skala verwendet.<\/p>

    \"serverless<\/p>

    Gesamtkostenentwicklung bei steigender Ausf\u00fchrungszahl<\/p>

    Auf der X-Achse ist die Anzahl der Funktionsausf\u00fchrungen abgebildet, auf der Y-Achse die Kosten f\u00fcr die jeweilige Anzahl der Ausf\u00fchrungen. Auf den ersten Blick skalieren die Kosten fast linear bis zur finalen Ausf\u00fchrungsanzahl von 100 Millionen. Hier betragen die Kosten dann ca. 191,919 USD. Betrachtet man die einzelnen Werte genauer so erkannt man, dass bis zu einer Anzahl von 100.000 Ausf\u00fchrungen die Kosten pro Ausf\u00fchrung leicht ansteigen und erst danach wieder leicht sinken.<\/p>

    Entgegen den Erwartungen, dass bei h\u00f6herer Ausf\u00fchrungsanzahl die Kosten prozentual stark gesenkt werden, ist der Verlauf fast linear und es macht keinen gro\u00dfen Unterschied wie oft die Funktion ausgef\u00fchrt wird.<\/p>

    M\u00f6gliche Schwierigkeiten und wie sie sich vermeiden lassen<\/h5>

    Bei jeder Cloud Applikation k\u00f6nnen Probleme und Schwierigkeiten auftreten, denen man sich bewusst sein sollte, um \u00dcberraschungen zu vermeiden. Im Folgenden werden zwei der h\u00e4ufigsten erl\u00e4utert.<\/p>

    Setzen von Limits<\/h6>

    Um unn\u00f6tige Kosten zu vermeiden, empfiehlt es sich Limits f\u00fcr Ober- und Untergrenzen zu setzen. Dies kann z.B. eine maximale Anzahl an Lambdaausf\u00fchrungen pro Minute oder ein Limit f\u00fcr den S3 Speicher sein.<\/p>

    So kann verhindert werden, dass durch Programmierfehler (z.B. ungewollte Rekursion) oder Serverangriffe die Kosten exponentiell steigen. Dieses Problem hat man auf eigenen Servern nicht, da bei zu viel Datenverkehr der Server einfach abst\u00fcrzen w\u00fcrde. In der Cloud aber hat die Anwendung theoretisch die M\u00f6glichkeit, unendlich viele Ressourcen zu allokieren. Falls eine der Lambda-Funktionen sich in einem bestimmten Fall selbst aufrufen w\u00fcrde, so w\u00fcrde AWS unbegrenzt neue Instanzen starten. Das Resultat w\u00e4re eine sehr hohe Rechnung.<\/p>

    Execution\/Cold Start Latency<\/h6>

    Cold Start Latency beschreibt die Verz\u00f6gerung, die ein Cloud Provider ben\u00f6tigt, um den Container zu starten, der die gew\u00fcnschte Funktion ausf\u00fchrt. Diese Verz\u00f6gerung kann zwischen wenigen Millisekunden und mehreren Sekunden liegen und kann die Anwendung langsam wirken lassen. Ein Cold Start kommt also immer dann vor, wenn ein neuer Container gestartet werden muss, weil gerade kein anderer verf\u00fcgbar ist. Dies geschieht vor allem dann, wenn die Anwendung \u00fcber einen l\u00e4ngeren Zeitraum nicht benutzt wurde. Die Cold Start Latency kann verringert werden, wenn der Initialisierungscode der Lambda-Funktion verkleinert wird oder wenn die Funktion manuell in einem bestimmten Zeitintervall \u201daufgew\u00e4rmt\u201d wird.<\/p>

    Fazit und Ausblick<\/h5>

    Es ist erkennbar, dass die Skalierung von Serverless Architecture in den meisten F\u00e4llen sehr gut ohne manuellen Konfigurationsaufwand funktioniert. Im Falle der AWS Cloud kann die Beispielanwendung automatisch skalieren. Nur wer Performance und Kostenersparnis zu 100 Prozent ausreizen m\u00f6chte, sollte manuell Einstellungen ver\u00e4ndern. Hierbei sollte man sich aber genauestens informieren, welche Auswirkungen \u00c4nderungen genau haben. So kann z.B. bei Lambda Funktionen eine reservierte Gleichzeitigkeit f\u00fcr erh\u00f6hte Performance gebucht werden. Dies ist allerdings mit einer deutlichen Steigerung der Kosten verbunden.<\/p>

    F\u00fcr viele Businessapplikationen bietet Serverless Architecture eine gute Grundlage. Dies liegt vor allem an der hohen Skalierbarkeit und Verf\u00fcgbarkeit. Ebenfalls ist es mit dem Pay-Per-Use Modell deutlich billiger als das Anmieten von klassischen Servern. Ein weiterer Vorteil ist die schnellere \u201dTime-To-Market\u201d. Firmen k\u00f6nnen den Fokus mehr auf ihr eigenes Produkt legen und m\u00fcssen sich weniger mit Warten, Aufsetzen und \u00dcberwachen von Server-Hardware besch\u00e4ftigen.<\/p>

    In der Zukunft werden die gro\u00dfen Cloud Provider mit ihrer Serverless Architecture das klassische Rechenzentrum mit hoher Wahrscheinlichkeit komplett vom Markt verdr\u00e4ngen. Den einzigen Nachteil, den noch viele Firmen am Serverless Computing bem\u00e4ngeln, ist ein Kontrollverlust \u00fcber die Daten. Liegen diese n\u00e4mlich einmal auf dem Server des Cloud-Anbieters, so kann der Endnutzer daran nur schwer \u00c4nderungen vornehmen. Dies ist vor allem aus der Sicht europ\u00e4ischer Firmen ein Problem, da die Firmensitze der gr\u00f6\u00dften Cloud Anbieter fast ausschlie\u00dflich in den USA liegen und sie deshalb nicht an die europ\u00e4ische Datenschutzgrundverordnung gebunden sind. Sollte aber auch dieser Kritikpunkt einmal bereinigt sein, so steht der Zukunft der Serverless Architecture und des Cloud Computing nichts mehr im Weg.<\/p>

    Verwendete Quellen: AWS<\/a>, Medium<\/a>, dynamoDB auto scaling<\/a><\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t<\/div>\n\t\t","protected":false},"excerpt":{"rendered":"

    Im ersten Teil der Reihe wurden die theoretischen Grundlagen f\u00fcr die Skalierung der Serverless Architecture erkl\u00e4rt. Der zweite Teil geht technisch ein wenig mehr in die Tiefe, ist aber nicht weniger interessant. Anhand einer skalierbaren Applikation in der Cloud betrachte ich, wie sich die entstehenden Kosten f\u00fcr den Endkunden entwickeln und wie schnell sich Ressourcen in der Realit\u00e4t skalieren lassen. Auch auf Probleme, die Serverless Architecture verursachen k\u00f6nnen, gehe ich dabei n\u00e4her ein. Schlussendlich wage ich zudem einen Ausblick in die Zukunft des Cloud Computing sowie der Serverless Architecture.<\/p>\n","protected":false},"author":2,"featured_media":1450,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[95],"tags":[73,107],"class_list":["post-1448","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-artikel","tag-cloud","tag-serverless-architecture"],"yoast_head":"\nServerless Architecture \u2013 Analyse einer skalierbaren Cloud-Applikation<\/title>\n<meta name=\"description\" content=\"Eine skalierbare Demo-Applikation in der Cloud zeigt die Kostenentwicklung f\u00fcr Endkunden sowie die Skalierbarkeit der Ressourcen in der Praxis.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/digatus.com\/de\/serverless-architecture-analyse-einer-skalierbaren-cloud-applikation\/\" \/>\n<meta property=\"og:locale\" content=\"de_DE\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Analyse einer skalierbaren Cloud-Applikation\" \/>\n<meta property=\"og:description\" content=\"Wie entwickeln sich die Kosten f\u00fcr den Endkunden und wie schnell lassen sich Ressourcen skalieren?\" \/>\n<meta property=\"og:url\" content=\"https:\/\/digatus.com\/de\/serverless-architecture-analyse-einer-skalierbaren-cloud-applikation\/\" \/>\n<meta property=\"og:site_name\" content=\"digatus\" \/>\n<meta property=\"article:published_time\" content=\"2021-05-20T13:40:56+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2025-11-27T10:43:20+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/digatus.com\/wp-content\/uploads\/2021\/05\/Zitat-Simon-Paesler.jpg\" \/>\n\t<meta property=\"og:image:width\" content=\"1200\" \/>\n\t<meta property=\"og:image:height\" content=\"630\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/jpeg\" \/>\n<meta name=\"author\" content=\"Annabell Renner\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:title\" content=\"Analyse einer skalierbaren Cloud-Applikation\" \/>\n<meta name=\"twitter:description\" content=\"Wie entwickeln sich die Kosten f\u00fcr den Endkunden und wie schnell lassen sich Ressourcen skalieren?\" \/>\n<meta name=\"twitter:image\" content=\"https:\/\/digatus.com\/wp-content\/uploads\/2021\/05\/Zitat-Simon-Paesler.jpg\" \/>\n<meta name=\"twitter:label1\" content=\"Verfasst von\" \/>\n\t<meta name=\"twitter:data1\" content=\"Annabell Renner\" \/>\n\t<meta name=\"twitter:label2\" content=\"Gesch\u00e4tzte Lesezeit\" \/>\n\t<meta name=\"twitter:data2\" content=\"15\u00a0Minuten\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\\\/\\\/schema.org\",\"@graph\":[{\"@type\":\"Article\",\"@id\":\"https:\\\/\\\/digatus.com\\\/de\\\/serverless-architecture-analyse-einer-skalierbaren-cloud-applikation\\\/#article\",\"isPartOf\":{\"@id\":\"https:\\\/\\\/digatus.com\\\/de\\\/serverless-architecture-analyse-einer-skalierbaren-cloud-applikation\\\/\"},\"author\":{\"name\":\"Annabell Renner\",\"@id\":\"https:\\\/\\\/digatus.com\\\/de\\\/#\\\/schema\\\/person\\\/4902929f286856c9caf9575e10acd69e\"},\"headline\":\"Serverless Architecture \u2013 Analyse einer skalierbaren Cloud-Applikation\",\"datePublished\":\"2021-05-20T13:40:56+00:00\",\"dateModified\":\"2025-11-27T10:43:20+00:00\",\"mainEntityOfPage\":{\"@id\":\"https:\\\/\\\/digatus.com\\\/de\\\/serverless-architecture-analyse-einer-skalierbaren-cloud-applikation\\\/\"},\"wordCount\":2508,\"publisher\":{\"@id\":\"https:\\\/\\\/digatus.com\\\/de\\\/#organization\"},\"image\":{\"@id\":\"https:\\\/\\\/digatus.com\\\/de\\\/serverless-architecture-analyse-einer-skalierbaren-cloud-applikation\\\/#primaryimage\"},\"thumbnailUrl\":\"https:\\\/\\\/digatus.com\\\/wp-content\\\/uploads\\\/2021\\\/11\\\/digatus-serverless-architecture-demo-applikation.jpg\",\"keywords\":[\"Cloud\",\"Serverless Architecture\"],\"articleSection\":[\"Artikel\"],\"inLanguage\":\"de\"},{\"@type\":\"WebPage\",\"@id\":\"https:\\\/\\\/digatus.com\\\/de\\\/serverless-architecture-analyse-einer-skalierbaren-cloud-applikation\\\/\",\"url\":\"https:\\\/\\\/digatus.com\\\/de\\\/serverless-architecture-analyse-einer-skalierbaren-cloud-applikation\\\/\",\"name\":\"Serverless Architecture \u2013 Analyse einer skalierbaren Cloud-Applikation\",\"isPartOf\":{\"@id\":\"https:\\\/\\\/digatus.com\\\/de\\\/#website\"},\"primaryImageOfPage\":{\"@id\":\"https:\\\/\\\/digatus.com\\\/de\\\/serverless-architecture-analyse-einer-skalierbaren-cloud-applikation\\\/#primaryimage\"},\"image\":{\"@id\":\"https:\\\/\\\/digatus.com\\\/de\\\/serverless-architecture-analyse-einer-skalierbaren-cloud-applikation\\\/#primaryimage\"},\"thumbnailUrl\":\"https:\\\/\\\/digatus.com\\\/wp-content\\\/uploads\\\/2021\\\/11\\\/digatus-serverless-architecture-demo-applikation.jpg\",\"datePublished\":\"2021-05-20T13:40:56+00:00\",\"dateModified\":\"2025-11-27T10:43:20+00:00\",\"description\":\"Eine skalierbare Demo-Applikation in der Cloud zeigt die Kostenentwicklung f\u00fcr Endkunden sowie die Skalierbarkeit der Ressourcen in der Praxis.\",\"breadcrumb\":{\"@id\":\"https:\\\/\\\/digatus.com\\\/de\\\/serverless-architecture-analyse-einer-skalierbaren-cloud-applikation\\\/#breadcrumb\"},\"inLanguage\":\"de\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\\\/\\\/digatus.com\\\/de\\\/serverless-architecture-analyse-einer-skalierbaren-cloud-applikation\\\/\"]}]},{\"@type\":\"ImageObject\",\"inLanguage\":\"de\",\"@id\":\"https:\\\/\\\/digatus.com\\\/de\\\/serverless-architecture-analyse-einer-skalierbaren-cloud-applikation\\\/#primaryimage\",\"url\":\"https:\\\/\\\/digatus.com\\\/wp-content\\\/uploads\\\/2021\\\/11\\\/digatus-serverless-architecture-demo-applikation.jpg\",\"contentUrl\":\"https:\\\/\\\/digatus.com\\\/wp-content\\\/uploads\\\/2021\\\/11\\\/digatus-serverless-architecture-demo-applikation.jpg\",\"width\":2000,\"height\":600,\"caption\":\"digatus serverless architecture\"},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\\\/\\\/digatus.com\\\/de\\\/serverless-architecture-analyse-einer-skalierbaren-cloud-applikation\\\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Startseite\",\"item\":\"https:\\\/\\\/digatus.com\\\/de\\\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Serverless Architecture \u2013 Analyse einer skalierbaren Cloud-Applikation\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\\\/\\\/digatus.com\\\/de\\\/#website\",\"url\":\"https:\\\/\\\/digatus.com\\\/de\\\/\",\"name\":\"digatus\",\"description\":\"Transforming IT, Empowering Business.\",\"publisher\":{\"@id\":\"https:\\\/\\\/digatus.com\\\/de\\\/#organization\"},\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\\\/\\\/digatus.com\\\/de\\\/?s={search_term_string}\"},\"query-input\":{\"@type\":\"PropertyValueSpecification\",\"valueRequired\":true,\"valueName\":\"search_term_string\"}}],\"inLanguage\":\"de\"},{\"@type\":\"Organization\",\"@id\":\"https:\\\/\\\/digatus.com\\\/de\\\/#organization\",\"name\":\"digatus\",\"url\":\"https:\\\/\\\/digatus.com\\\/de\\\/\",\"logo\":{\"@type\":\"ImageObject\",\"inLanguage\":\"de\",\"@id\":\"https:\\\/\\\/digatus.com\\\/de\\\/#\\\/schema\\\/logo\\\/image\\\/\",\"url\":\"https:\\\/\\\/digatus.com\\\/wp-content\\\/uploads\\\/2025\\\/01\\\/Logo_digatus_green_web_rgb.png\",\"contentUrl\":\"https:\\\/\\\/digatus.com\\\/wp-content\\\/uploads\\\/2025\\\/01\\\/Logo_digatus_green_web_rgb.png\",\"width\":1200,\"height\":312,\"caption\":\"digatus\"},\"image\":{\"@id\":\"https:\\\/\\\/digatus.com\\\/de\\\/#\\\/schema\\\/logo\\\/image\\\/\"}},{\"@type\":\"Person\",\"@id\":\"https:\\\/\\\/digatus.com\\\/de\\\/#\\\/schema\\\/person\\\/4902929f286856c9caf9575e10acd69e\",\"name\":\"Annabell Renner\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"de\",\"@id\":\"https:\\\/\\\/secure.gravatar.com\\\/avatar\\\/f260d8c39a817b4f01ed758cefc9933458252cc43e8c4c292328cc6009d4fea2?s=96&d=mm&r=g\",\"url\":\"https:\\\/\\\/secure.gravatar.com\\\/avatar\\\/f260d8c39a817b4f01ed758cefc9933458252cc43e8c4c292328cc6009d4fea2?s=96&d=mm&r=g\",\"contentUrl\":\"https:\\\/\\\/secure.gravatar.com\\\/avatar\\\/f260d8c39a817b4f01ed758cefc9933458252cc43e8c4c292328cc6009d4fea2?s=96&d=mm&r=g\",\"caption\":\"Annabell Renner\"},\"url\":\"https:\\\/\\\/digatus.com\\\/de\\\/author\\\/annabell\\\/\"}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Serverless Architecture \u2013 Analyse einer skalierbaren Cloud-Applikation","description":"Eine skalierbare Demo-Applikation in der Cloud zeigt die Kostenentwicklung f\u00fcr Endkunden sowie die Skalierbarkeit der Ressourcen in der Praxis.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/digatus.com\/de\/serverless-architecture-analyse-einer-skalierbaren-cloud-applikation\/","og_locale":"de_DE","og_type":"article","og_title":"Analyse einer skalierbaren Cloud-Applikation","og_description":"Wie entwickeln sich die Kosten f\u00fcr den Endkunden und wie schnell lassen sich Ressourcen skalieren?","og_url":"https:\/\/digatus.com\/de\/serverless-architecture-analyse-einer-skalierbaren-cloud-applikation\/","og_site_name":"digatus","article_published_time":"2021-05-20T13:40:56+00:00","article_modified_time":"2025-11-27T10:43:20+00:00","og_image":[{"width":1200,"height":630,"url":"https:\/\/digatus.com\/wp-content\/uploads\/2021\/05\/Zitat-Simon-Paesler.jpg","type":"image\/jpeg"}],"author":"Annabell Renner","twitter_card":"summary_large_image","twitter_title":"Analyse einer skalierbaren Cloud-Applikation","twitter_description":"Wie entwickeln sich die Kosten f\u00fcr den Endkunden und wie schnell lassen sich Ressourcen skalieren?","twitter_image":"https:\/\/digatus.com\/wp-content\/uploads\/2021\/05\/Zitat-Simon-Paesler.jpg","twitter_misc":{"Verfasst von":"Annabell Renner","Gesch\u00e4tzte Lesezeit":"15\u00a0Minuten"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/digatus.com\/de\/serverless-architecture-analyse-einer-skalierbaren-cloud-applikation\/#article","isPartOf":{"@id":"https:\/\/digatus.com\/de\/serverless-architecture-analyse-einer-skalierbaren-cloud-applikation\/"},"author":{"name":"Annabell Renner","@id":"https:\/\/digatus.com\/de\/#\/schema\/person\/4902929f286856c9caf9575e10acd69e"},"headline":"Serverless Architecture \u2013 Analyse einer skalierbaren Cloud-Applikation","datePublished":"2021-05-20T13:40:56+00:00","dateModified":"2025-11-27T10:43:20+00:00","mainEntityOfPage":{"@id":"https:\/\/digatus.com\/de\/serverless-architecture-analyse-einer-skalierbaren-cloud-applikation\/"},"wordCount":2508,"publisher":{"@id":"https:\/\/digatus.com\/de\/#organization"},"image":{"@id":"https:\/\/digatus.com\/de\/serverless-architecture-analyse-einer-skalierbaren-cloud-applikation\/#primaryimage"},"thumbnailUrl":"https:\/\/digatus.com\/wp-content\/uploads\/2021\/11\/digatus-serverless-architecture-demo-applikation.jpg","keywords":["Cloud","Serverless Architecture"],"articleSection":["Artikel"],"inLanguage":"de"},{"@type":"WebPage","@id":"https:\/\/digatus.com\/de\/serverless-architecture-analyse-einer-skalierbaren-cloud-applikation\/","url":"https:\/\/digatus.com\/de\/serverless-architecture-analyse-einer-skalierbaren-cloud-applikation\/","name":"Serverless Architecture \u2013 Analyse einer skalierbaren Cloud-Applikation","isPartOf":{"@id":"https:\/\/digatus.com\/de\/#website"},"primaryImageOfPage":{"@id":"https:\/\/digatus.com\/de\/serverless-architecture-analyse-einer-skalierbaren-cloud-applikation\/#primaryimage"},"image":{"@id":"https:\/\/digatus.com\/de\/serverless-architecture-analyse-einer-skalierbaren-cloud-applikation\/#primaryimage"},"thumbnailUrl":"https:\/\/digatus.com\/wp-content\/uploads\/2021\/11\/digatus-serverless-architecture-demo-applikation.jpg","datePublished":"2021-05-20T13:40:56+00:00","dateModified":"2025-11-27T10:43:20+00:00","description":"Eine skalierbare Demo-Applikation in der Cloud zeigt die Kostenentwicklung f\u00fcr Endkunden sowie die Skalierbarkeit der Ressourcen in der Praxis.","breadcrumb":{"@id":"https:\/\/digatus.com\/de\/serverless-architecture-analyse-einer-skalierbaren-cloud-applikation\/#breadcrumb"},"inLanguage":"de","potentialAction":[{"@type":"ReadAction","target":["https:\/\/digatus.com\/de\/serverless-architecture-analyse-einer-skalierbaren-cloud-applikation\/"]}]},{"@type":"ImageObject","inLanguage":"de","@id":"https:\/\/digatus.com\/de\/serverless-architecture-analyse-einer-skalierbaren-cloud-applikation\/#primaryimage","url":"https:\/\/digatus.com\/wp-content\/uploads\/2021\/11\/digatus-serverless-architecture-demo-applikation.jpg","contentUrl":"https:\/\/digatus.com\/wp-content\/uploads\/2021\/11\/digatus-serverless-architecture-demo-applikation.jpg","width":2000,"height":600,"caption":"digatus serverless architecture"},{"@type":"BreadcrumbList","@id":"https:\/\/digatus.com\/de\/serverless-architecture-analyse-einer-skalierbaren-cloud-applikation\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Startseite","item":"https:\/\/digatus.com\/de\/"},{"@type":"ListItem","position":2,"name":"Serverless Architecture \u2013 Analyse einer skalierbaren Cloud-Applikation"}]},{"@type":"WebSite","@id":"https:\/\/digatus.com\/de\/#website","url":"https:\/\/digatus.com\/de\/","name":"digatus","description":"Transforming IT, Empowering Business.","publisher":{"@id":"https:\/\/digatus.com\/de\/#organization"},"potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/digatus.com\/de\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"de"},{"@type":"Organization","@id":"https:\/\/digatus.com\/de\/#organization","name":"digatus","url":"https:\/\/digatus.com\/de\/","logo":{"@type":"ImageObject","inLanguage":"de","@id":"https:\/\/digatus.com\/de\/#\/schema\/logo\/image\/","url":"https:\/\/digatus.com\/wp-content\/uploads\/2025\/01\/Logo_digatus_green_web_rgb.png","contentUrl":"https:\/\/digatus.com\/wp-content\/uploads\/2025\/01\/Logo_digatus_green_web_rgb.png","width":1200,"height":312,"caption":"digatus"},"image":{"@id":"https:\/\/digatus.com\/de\/#\/schema\/logo\/image\/"}},{"@type":"Person","@id":"https:\/\/digatus.com\/de\/#\/schema\/person\/4902929f286856c9caf9575e10acd69e","name":"Annabell Renner","image":{"@type":"ImageObject","inLanguage":"de","@id":"https:\/\/secure.gravatar.com\/avatar\/f260d8c39a817b4f01ed758cefc9933458252cc43e8c4c292328cc6009d4fea2?s=96&d=mm&r=g","url":"https:\/\/secure.gravatar.com\/avatar\/f260d8c39a817b4f01ed758cefc9933458252cc43e8c4c292328cc6009d4fea2?s=96&d=mm&r=g","contentUrl":"https:\/\/secure.gravatar.com\/avatar\/f260d8c39a817b4f01ed758cefc9933458252cc43e8c4c292328cc6009d4fea2?s=96&d=mm&r=g","caption":"Annabell Renner"},"url":"https:\/\/digatus.com\/de\/author\/annabell\/"}]}},"_links":{"self":[{"href":"https:\/\/digatus.com\/de\/wp-json\/wp\/v2\/posts\/1448","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/digatus.com\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/digatus.com\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/digatus.com\/de\/wp-json\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/digatus.com\/de\/wp-json\/wp\/v2\/comments?post=1448"}],"version-history":[{"count":1,"href":"https:\/\/digatus.com\/de\/wp-json\/wp\/v2\/posts\/1448\/revisions"}],"predecessor-version":[{"id":29036,"href":"https:\/\/digatus.com\/de\/wp-json\/wp\/v2\/posts\/1448\/revisions\/29036"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/digatus.com\/de\/wp-json\/wp\/v2\/media\/1450"}],"wp:attachment":[{"href":"https:\/\/digatus.com\/de\/wp-json\/wp\/v2\/media?parent=1448"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/digatus.com\/de\/wp-json\/wp\/v2\/categories?post=1448"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/digatus.com\/de\/wp-json\/wp\/v2\/tags?post=1448"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}