AWS Lambda × Docker完全入門：基礎から理解して使いこなせる

エンジニアの仕事では、AWS LambdaやDockerのようなクラウドネイティブな技術への対応が求められています。

AWS Lambdaは手軽にサーバーレス環境を構築できる一方で、ランタイムや依存関係の制約に悩まされることがあります。しかし、Dockerと組み合わせることで、その制限を解消できます。

この記事では、実務で活用できるLambdaとDockerの基礎から、具体的な実装方法までを解説します。以下のような課題を解決したいエンジニアにとって、すぐに実践できる内容です

• ローカル環境と本番環境を一致させたい
• 柔軟なカスタムランタイムを作成したい
• 本番環境のトラブルを未然に防ぎたい

15分程度で読める実践的な内容なので、情報収集時間にぜひ目を通してみてください。スキルアップとキャリア形成に役立つはずです。

AWS LambdaとDockerの基礎知識

AWS Lambdaは、サーバーレスアーキテクチャを実現するための代表的なサービスです。サーバー管理から解放され、コードの実行に集中できます。一方、Dockerはアプリケーションとその依存関係をパッケージ化し、どこでも同じように実行できるツールです。

AWS Lambda × Dockerの利点

2つを組み合わせることで、次のような利点が得られます：

1. カスタムランタイムの実現  
   Lambdaは多くの言語に対応していますが、特定のライブラリや独自のランタイムが必要なケースもあります。Dockerなら、自分のニーズに合わせたカスタムランタイムを作成できます。  
2. ローカルと本番環境の一致
   Dockerイメージを使用することで、開発環境と本番環境の設定をほぼ完全に一致させられます。環境差異によるトラブルを防げるので、深夜の緊急対応も減らせます。
3. 柔軟なデプロイオプション
   DockerイメージをAWS Elastic Container Registry（ECR）にプッシュするだけで、すぐにLambdaで使えます。開発者の自由度が高まります。

AWS LambdaでDockerを使用するケース

実務でよく見る例を紹介します：

• 画像処理ライブラリ（PillowやOpenCVなど）を使ったアプリケーション
• カスタムランタイムが必要な言語（GoやRustなど）の利用
• 大規模なデータ変換や分析タスク

Lambdaは、サーバーレスアーキテクチャを実現するための代表的なサービスです。
サーバー管理の負担を減らし、コードの実行に集中できる環境を提供します。
一方、Dockerはコンテナ技術を活用して、アプリケーションとその依存関係をパッケージ化し、どこでも一貫して実行可能にするツールです。

Pythonでの実用例: 画像処理

AWS LambdaとDockerを活用することで、Pythonを用いた高度な画像処理タスクをサーバーレスで実現できます。
ここでは、画像のリサイズやフォーマット変換などの処理を例に、その手順を解説します。

例: 画像のリサイズとフォーマット変換

以下は、Pillowライブラリを利用して、アップロードされた画像をリサイズし、別のフォーマットに変換するシンプルな例です。

必要なファイル構成

project/
│
├── app.py
├── Dockerfile
└── requirements.txt

Pythonスクリプト（app.py）

from PIL import Image
import io
import os

def lambda_handler(event, context):
    # 入力画像を取得（例: バイナリデータとしてS3から取得）
    input_image_data = event.get("image_data")  # データは仮の例

    # Pillowで画像処理を実行
    input_image = Image.open(io.BytesIO(input_image_data))
    resized_image = input_image.resize((128, 128))

    output_buffer = io.BytesIO()
    resized_image.save(output_buffer, format="JPEG")

    # 処理後の画像データを返す
    return {
        "statusCode": 200,
        "body": output_buffer.getvalue()
    }

依存ライブラリ（requirements.txt）

pillow

Dockerfile

FROM public.ecr.aws/lambda/python:3.9

# 作業ディレクトリを設定
WORKDIR /var/task

# 必要なファイルをコピー
COPY requirements.txt .
COPY app.py .

# ライブラリをインストール
RUN pip install -r requirements.txt

# エントリーポイントを設定
CMD ["app.lambda_handler"]

Dockerイメージの構築とデプロイ

# イメージのビルド
$ docker build -t my-lambda-docker-image .

# ECRへのプッシュ（事前にリポジトリを作成）
$ docker tag my-lambda-docker-image:latest <AWS_ACCOUNT_ID>.dkr.ecr.<REGION>.amazonaws.com/my-lambda-docker-image:latest

$ docker push <AWS_ACCOUNT_ID>.dkr.ecr.<REGION>.amazonaws.com/my-lambda-docker-image:latest

画像処理のユースケース

この仕組みを活用すれば、以下のようなユースケースに対応可能です。

1. 画像のサムネイル生成
   商品画像やプロフィール写真のリサイズ。
   
2. フォーマット変換
   PNG画像をJPEGに変換して容量を削減。
   
3. カスタムエフェクトの適用
   画像の色調補正やフィルタリング。

PythonとDockerを使用すれば、AWS Lambdaを利用した画像処理タスクがより強力になります。
次のセクションでは、Dockerイメージを利用する際の制約とコスト対策について詳しく見ていきます。

Dockerユースの制約とコスト対策

AWS LambdaでDockerを使う際の制約とコストを理解し、適切に対策することで効率的な運用が実現できます。 

制約事項

1. イメージサイズの制限
   ・上限は10GB
   ・大きなイメージはデプロイ時間とコールドスタート時間が増加
   ・対策：`multi-stage build`でイメージを最適化 
2. ネットワークの依存
   ・外部サービスへの接続遅延がパフォーマンスに影響
   ・対策：必要なデータは事前にイメージに含めるか、キャッシュを導入
3. 実行環境の制約
   ・特権操作やデーモンプロセスが制限される
   ・対策：Lambda対応のベースイメージを使用（例：`public.ecr.aws/lambda/python:3.9`）

コスト対策

Dockerを利用したLambda関数の運用において、コストの最適化も重要なポイントです。

1. リクエスト料金の削減
   ・イメージサイズを最適化し起動時間を短縮
   ・メモリ割り当てを調整して処理速度を向上
   
2. イメージのリポジトリ管理
   ・ECRのストレージ料金を考慮
   ・不要なタグや古いイメージを定期的に削除
   
3. 適切なランタイム選択
   ・標準のLambdaランタイムで十分な場合はDockerを使用しない

実際の運用を成功させるポイント

• モニタリングとログ管理
  AWS CloudWatchを活用して、関数の実行時間やエラー率を定期的にチェックします。パフォーマンスの低下がコスト増につながるため、これらの指標を監視して改善を行いましょう。
  
• 自動スケーリングの理解
  Lambdaはリクエストに応じてスケーリングされますが、これが予期せぬコスト増につながることがあります。トラフィックが急増するイベントを予測し、必要に応じて制限を設定します。

Dockerを活用したAWS Lambdaの運用では、制約を正しく理解しつつ、コスト対策を講じることで効率的かつ経済的なシステム構築が可能です。

まとめ

AWS LambdaとDockerの組み合わせは、現代のシステムエンジニアにとって非常に有用なツールです。
この組み合わせを活用することで、サーバーレスアーキテクチャの利便性を保ちながら、カスタムランタイムや高度な依存関係を自由に扱える環境を構築できます。