为Serverless应用打造的高性能JavaScript运行时
LLRT是专为Serverless应用设计的轻量级JavaScript运行时。基于QuickJS引擎,LLRT在AWS Lambda上实现了比其他JavaScript运行时高达10倍的启动速度和2倍的成本降低。它支持ES2023标准,集成多个AWS SDK客户端,为Serverless开发提供高性能和兼容性。
LLRT(Low Latency Runtime,低延迟运行时)是一个轻量级JavaScript运行时,旨在满足对快速高效的无服务器应用程序日益增长的需求。与在AWS Lambda上运行的其他JavaScript运行时相比,LLRT的启动速度最高可提升10倍,总体成本最多可降低2倍。
它使用Rust构建,采用QuickJS作为JavaScript引擎,确保高效的内存使用和快速启动。
[!警告] LLRT是一个实验性包。它可能会发生变化,仅供评估使用。
<sub>LLRT - DynamoDB Put, ARM, 128MB:<sub>
<sub>Node.js 20 - DynamoDB Put, ARM, 128MB:<sub>
HTTP基准测试以冷启动的往返时间为单位(原因请参见为什么?)
从 https://github.com/awslabs/llrt/releases 下载最新的LLRT版本
选择"Amazon Linux 2023上的自定义运行时",并将LLRT的bootstrap
二进制文件与您的JS代码一起打包 。
选择"Amazon Linux 2023上的自定义运行时",上传llrt-lambda-arm64.zip
或llrt-lambda-x64.zip
作为层,并添加到您的函数中。
参见我们的AWS SAM示例或:
FROM busybox WORKDIR /var/task/ COPY app.mjs ./ ADD https://github.com/awslabs/llrt/releases/latest/download/llrt-container-arm64 /usr/bin/llrt RUN chmod +x /usr/bin/llrt ENV LAMBDA_HANDLER "app.handler" CMD [ "llrt" ]
以下示例项目设置了一个包含llrt运行时层的lambda函数。
您可以使用cdk-lambda-llrt
构造库通过AWS CDK部署LLRT Lambda函数。
import { LlrtFunction } from "cdk-lambda-llrt"; const handler = new LlrtFunction(this, "Handler", { entry: "lambda/index.ts", });
有关更多详情 ,请参阅Construct Hub和其示例。
就是这样 🎉
[!重要] 尽管LLRT支持ES2023,但它不是Node.js的直接替代品。请参阅兼容性矩阵和API了解更多详情。 所有依赖项都应该为
browser
平台打包,并将包含的@aws-sdk
包标记为外部依赖。
确保您的代码与LLRT兼容的最佳方法是编写测试并使用内置的测试运行器执行它们。测试运行器目前支持Jest/Chai断言。您可以创建两种主要类型的测试:
单元测试
端到端(E2E)测试
有关E2E测试的更多信息及如何运行它们,请参见此处。
测试运行器使用轻量级的Jest风格API,并支持Jest/Chai断言。有关如何为LLRT实现测试的示例,请参见本仓库的/tests
文件夹。
要运行测试,请执行llrt test
命令。LLRT会扫描当前目录及子目录中以*.test.js
或*.test.mjs
结尾的文件。您也可以使用llrt test -d <directory>
选项指定要扫描的特定测试目录。
测试运行器还支持过滤器。使用过滤器非常简单,只需添加额外的命令行参数,例如:llrt test crypto
将只运行文件名包含crypto
的测试。
[!注意] LLRT仅支持Node.js API的一小部分。它不是Node.js的直接替代品,也永远不会是。以下是部分支持的API和模块的高级概述。更多详情请参阅API文档 | | Node.js | LLRT ⚠️ | | ------------- | ------- | ------- | | buffer | ✔︎ | ✔︎️ | | streams | ✔︎ | ✔︎* | | child_process | ✔︎ | ✔︎⏱ | | net:sockets | ✔︎ | ✔︎⏱ | | net:server | ✔︎ | ✔︎ | | tls | ✔︎ | ✘⏱ | | fetch | ✔︎ | ✔︎ | | http | ✔︎ | ✘⏱** | | https | ✔︎ | ✘⏱** | | fs/promises | ✔︎ | ✔︎ | | fs | ✔︎ | ✘⏱ | | path | ✔︎ | ✔︎ | | timers | ✔︎ | ✔︎ | | crypto | ✔︎ | ✔︎ | | process | ✔︎ | ✔︎ | | encoding | ✔︎ | ✔︎ | | console | ✔︎ | ✔︎ | | events | ✔︎ | ✔︎ | | zlib | ✔︎ | ✔︎ | | ESM | ✔︎ | ✔︎ | | CJS | ✔︎ | ✔︎ | | async/await | ✔︎ | ✔︎ | | Other modules | ✔︎ | ✘ |
⚠️ = LLRT 部分支持 ⏱ = 计划部分支持 * = 非原生 ** = 请使用 fetch 替代
由于 LLRT 旨在用于性能关键的应用程序,因此不建议在没有打包、压缩和树摇优化的情况下部署 node_modules
。
LLRT 可以与任何您选择的打包工具一起使用。以下是一些流行打包工具的配置:
[!警告] LLRT 实现了与以下外部包在很大程度上兼容的原生模块。 通过在打包工具的别名函数中实现以下转换,您的应用程序可能会更快,但我们建议您进行彻底测试,因为它们并非完全兼容。
Node.js | LLRT |
---|---|
fast-xml-parser | llrt:xml |
uuid | llrt:uuid |
esbuild index.js --platform=node --target=es2023 --format=esm --bundle --minify --external:@aws-sdk --external:@smithy
import resolve from "@rollup/plugin-node-resolve"; import commonjs from "@rollup/plugin-commonjs"; import terser from "@rollup/plugin-terser"; export default { input: "index.js", output: { file: "dist/bundle.js", format: "esm", sourcemap: true, target: "es2023", }, plugins: [resolve(), commonjs(), terser()], external: ["@aws-sdk", "@smithy"], };
import TerserPlugin from "terser-webpack-plugin"; import nodeExternals from "webpack-node-externals"; export default { entry: "./index.js", output: { path: "dist", filename: "bundle.js", libraryTarget: "module", }, target: "web", mode: "production", resolve: { extensions: [".js"], }, externals: [nodeExternals(), "@aws-sdk", "@smithy"], optimization: { minimize: true, minimizer: [ new TerserPlugin({ terserOptions: { ecma: 2023, }, }), ], }, };
LLRT 在运行时中包含了许多 AWS SDK 客户端和工具,它们已内置到可执行文件中。这些 SDK 客户端经过专门优化,以提供最佳性能,同时不影响兼容性。LLRT 用原生实现替换了 AWS SDK 使用的一些 JavaScript 依赖项,如哈希计算和 XML 解析。 下面列表中未包含的 V3 SDK 包需要与您的源代码一起打包。有关如何使用未包含的 SDK 的示例,请参阅此示例构建脚本 (buildExternalSdkFunction)
已打包的 AWS SDK 包 |
---|
@aws-sdk/client-cloudwatch-events |
@aws-sdk/client-cloudwatch-logs |
@aws-sdk/client-cognito-identity |
@aws-sdk/client-cognito-identity-provider |
@aws-sdk/client-dynamodb |
@aws-sdk/client-eventbridge |
@aws-sdk/client-kms |
@aws-sdk/client-lambda |
@aws-sdk/client-s3 |
@aws-sdk/client-secrets-manager |
@aws-sdk/client-ses |
@aws-sdk/client-sfn |
@aws-sdk/client-sns |
@aws-sdk/client-sqs |
@aws-sdk/client-ssm |
@aws-sdk/client-sts |
@aws-sdk/client-xray |
@aws-sdk/credential-providers |
@aws-sdk/lib-dynamodb |
@aws-sdk/lib-storage |
@aws-sdk/s3-presigned-post |
@aws-sdk/s3-request-presigner |
@aws-sdk/util-dynamodb |
@aws-sdk/util-user-agent-browser |
@smithy |
@aws-crypto |
[!重要] LLRT 目前不支持从 SDK 响应中返回流。请使用
response.Body.transformToString();
或response.Body.transformToByteArray();
,如下所示。const response = await client.send(command); // 或 'transformToByteArray()' const str = await response.Body.transformToString();
使用 TypeScript 时适用与依赖项相同的原则。TypeScript 必须打包并转译为 ES2023 JavaScript。
[!注意] LLRT 不会支持在不进行转译的情况下运行 TypeScript。这是出于性能考虑而设计的。转译需要 CPU 和内存,这会在执行过程中增加延迟和成本。如果在部署期间提前完成,就可以避免这种情况。
鉴于现有的选项如 Node.js、Bun 和 Deno,是什么原因证明引入另一个 JavaScript 运行时是合理的? Node.js、Bun和Deno是性能卓越的JavaScript运行时。然而,它们 设计初衷是用于通用应用场景。这些运行时并非专门为短暂运行实例的Serverless环境需求而定制。它们都依赖于即时编译器(JIT)在执行过程中进行动态代码编译和优化。尽管JIT编译提供了显著的长期性能优势,但它也带来了计算和内存开销。
相比之下,LLRT的独特之处在于不包含JIT编译器,这一策略性决定带来了两个重要优势:
A) JIT编译是一项非常复杂的技术组件,增加了系统复杂性,并显著增加了运行时的整体大小。
B) 没有JIT开销,LLRT可以节省CPU和内存资源,这些资源可以更有效地分配给代码执行任务,从而缩短应用启动时间。
在许多情况下,LLRT相比支持JIT的运行时表现出明显的性能劣势,比如大规模数据处理、蒙特卡洛模拟或执行数十万乃至数百万次迭代的任务。LLRT最适用于较小的Serverless函数,专注于数据转换、实时处理、AWS服务集成、授权、验证等任务。它旨在补充现有组件,而非全面替代一切。值得注意的是,由于其支持的API基于Node.js规范,切换回其他解决方案只需进行最小的代码调整。
克隆代码并进入目录
git clone git@github.com:awslabs/llrt.git --recursive
cd llrt
如果您没有使用--recursive
克隆仓库,请安装git子模块
git submodule update --init
安装rust
curl --proto '=https' --tlsv1.2 -sSf https://sh.rustup.rs | bash -s -- -y
source "$HOME/.cargo/env"
安装依赖
# MacOS
brew install zig make cmake zstd node corepack
# Ubuntu
sudo apt -y install make zstd
sudo snap install zig --classic --beta
# Windows WSL2
sudo apt -y install cmake g++ gcc make zip zstd
sudo snap install zig --classic --beta
# Windows WSL2 (如果尚未安装Node.js)
sudo curl -o- https://raw.githubusercontent.com/nvm-sh/nvm/master/install.sh | bash
nvm install --lts
安装Node.js包
corepack enable
yarn
生成库并设置rust目标和工具链
make stdlib && make libs
[!注意] 如果这些命令退出时报错"can't cd to zstd/lib", 说明您没有递归克隆此仓库。运行
git submodule update --init
下载子模块,然后重新运行上述命令。
为Lambda构建发布版本
make release-arm64
# 或者对于x86-64,使用
make release-x64
可选地为您的本地机器(Mac或Linux)构建
make release
现在您应该得到了llrt-lambda-arm64.zip
或llrt-lambda-x64.zip
。您可以手动上传这个文件作为Lambda层,或通过基础设施即代码管道使用它。
请注意,要运行示例,您需要:
~/.aws/credentials
或环境变量提供有效的AWS凭证。export AWS_ACCESS_KEY_ID=XXX export AWS_SECRET_ACCESS_KEY=YYY export AWS_REGION=us-east-1
us-east-1
区域有一个DynamoDB表(以id
作为分区键)dynamodb:PutItem
IAM权限。您可以使用这个策略(别忘了修改<YOUR_ACCOUNT_ID>):{ "Version": "2012-10-17", "Statement": [ { "Sid": "putItem", "Effect": "Allow", "Action": "dynamodb:PutItem", "Resource": "arn:aws:dynamodb:us-east-1:<YOUR_ACCOUNT_ID>:table/quickjs-table" } ] }
在单独的终端中启动lambda-server.js
node lambda-server.js
然后运行llrt:
make run
LLRT_EXTRA_CA_CERTS=file
从PEM编码文件加载额外的证书颁发机构
LLRT_GC_THRESHOLD_MB=value
设置垃圾回收的内存阈值(单位:MB)。默认阈值为20MB
LLRT_HTTP_VERSION=value
限制HTTP请求使用特定版本。默认启用HTTP 1.1和2。将此变量设置为1.1
只使用HTTP 1.1
LLRT_LOG=[target][=][level][,...]
按目标模块、级别或两者(使用=
)过滤日志输出。日志级别不区分大小写,并且会启用任何更高优先级的日志。
日志级别按降序优先级排列:
Error
Warn | Warning
Info
Debug
Trace
过滤器示例:
warn
将启用所有警告和错误日志llrt_core::vm=trace
将启用llrt_core::vm
模块中的所有日志warn,llrt_core::vm=trace
将启用llrt_core::vm
模块中的所有日志,以及其他模块中的所有警告和错误日志LLRT_NET_ALLOW="host[ ...]"
允许网络连接的主机或套接字路径的空格分隔列表。不在此列表中的任何主机或套接字路径的网络连接将被拒绝。设置空列表以拒绝所有连接
LLRT_NET_DENY="host[ ...]"
应被拒绝网络连接的 主机或套接字路径的空格分隔列表
LLRT_NET_POOL_IDLE_TIMEOUT=value
设置保持活动状态的空闲套接字的超时时间(单位:秒)。默认超时时间为15秒
LLRT_TLS_VERSION=value
设置用于网络连接的TLS版本。默认仅启用TLS 1.2。也可以通过将此变量设置为1.3
来启用TLS 1.3
尽管Lambda报告的初始化时长常用于理解冷启动对整体请求延迟的影响,但这个指标不包括将代码复制到Lambda沙箱所需的时间。
初始化时长的技术定义(来源):
对于第一个处理的请求,运行时加载函数并运行处理程序方法之外的代码所需的时间。 测量往返请求时长可以更全面地了解用户面对的冷启动延迟情况。
Lambda调用结果(标有λ的行)报告的是初始化时长和函数执行时长的总和。
有关更多信息,请参阅贡献指南。
本库采用Apache-2.0许可证授权。详情请见许可证文件。
AI辅助编程,代码自动修复
Trae是一种自适应的集成开发环境(IDE),通过自动化和多元协作改变开发流程。利用Trae,团队能够更快速、精确地编写和部署代码,从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能,是提升开发效率的理想工具。
AI小说写作助手,一站式润色、改写、扩写
蛙蛙写作—国内先进的AI写作平台,涵盖小说、学术、社交媒体等多场景。提供续写、改写、润色等功能,助力创作者高效优化写作流程。界面简洁,功能全面,适合各类写作者提升内容品质和工作效率。
全能AI智能助手,随时解答生活与工作的多样问题
问小白,由元石科技研发的AI智能助手,快速准确地解答各种生活和工作问题,包括但不限于搜索、规划和社交互动,帮助用户在日常生活中提高效率,轻松管理个人事务。
实时语音翻译/同声传译工具
Transly是一个多场景的AI大语言模型驱动的同声传译、专业翻译助手,它拥有超精准的音频识别翻译能力,几乎零延迟的使用体验和支持多国语言可以让你带它走遍全球,无论你是留学生、商务人士、韩剧美剧爱好者,还是出国游玩、多国会议、跨国追星等等,都可以满足你所有需要同传的场景需求,线上线下通用,扫除语言障碍,让全世界的语言交流不再有国界。
一键生成PPT和Word,让学习生活更轻松
讯飞智文是一个利用 AI 技术的项目,能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定,还是学生群体的职业生涯规划、实习避坑指南,亦或是活动策划、旅游攻略等内容,它都能提供支持,帮助用户精准表达,轻松呈现各种信息。
深度推理能力全新升级,全面对标OpenAI o1
科大讯飞的星火大模型,支持语言理解、知识问答和文本创作等多功能,适用于多种文件和业务场景,提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台,涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能,能为不同需求的用户提供便捷高效的帮助,助力用户轻松获取信息、解决问题,满足多样化使用场景。
一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型
Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目,由多个知名机构联合参与。该项目提供了高效的 LLM(大语言模型)驱动的语音合成方案,支持语音克隆和语音创建功能,可通过命令行界面(CLI)和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数,生成高质量的语音。该项目适用于多种场景,如有声读物制作、智能语音助手开发等。
AI助力,做PPT更简单!
咔片是一款轻量化在线演示设计工具,借助 AI 技术,实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT,提供海量模板、智能美化、素材替换等功能,适用于销售、教师、学生等各类人群,能高效制作出高品质 PPT,满足不同场景演示需求。
选题、配图、成文,一站式创作,让内容运营更高效
讯飞绘文,一个AI集成平台,支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容,加速品牌传播,提升内容营销效果。
专业的AI公文写作平台,公文写作神器
AI 材料星,专业的 AI 公文写作辅助平台,为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能,支持 30 + 文稿类型生成,助力快速完成领导讲话、工作总结、述职报告等材料,提升办公效率,是体制打工人的得力写作神器。
最新AI工具、AI资讯
独家AI资源、AI项目落地
微信扫一扫关注公众号