Skip to main content
Back to articles

AWS Lambda Durable Functions เพิ่ม Telemetry Exporter ดูประวัติทุกขั้นตอนของ Workflow

AWS เปิดปลั๊กอินส่ง telemetry ของ Lambda durable executions ไปยัง 13 ปลายทาง พร้อม MCP server สำหรับค้นประวัติและวิเคราะห์งานที่ล้มเหลว

AWS Lambda Durable Functions เพิ่ม Telemetry Exporter ดูประวัติทุกขั้นตอนของ Workflow

AWS Lambda Durable Functions เพิ่ม Telemetry Exporter ดูลำดับขั้นตอนและส่งประวัติออกได้

AWS ประกาศเมื่อ 28 ตุลาคม 2026 เปิดตัว Durable Execution Telemetry Exporter สำหรับ AWS Lambda durable functions พร้อม MCP server ที่ช่วยให้เครื่องมือ AI query ข้อมูล telemetry ที่ส่งออกไปแล้วได้ Durable function อาจทำงานหลายขั้นตอนและกินเวลาตั้งแต่นาทีไปจนถึงหนึ่งปี การดู log ของ Lambda invocation แต่ละครั้งจึงไม่ตอบครบว่า workflow ทั้งชุดไปถึงขั้นใด retry กี่รอบ หรือจบด้วยสาเหตุอะไร exporter ใหม่นี้สร้างบันทึกระดับ execution เพื่อให้ทีมปฏิบัติการเห็นภาพต่อเนื่อง

ปลั๊กอินจับข้อมูลอย่างสถานะ execution เวลาแต่ละ operation input/output ของ step และข้อผิดพลาด แล้วส่งไปปลายทางที่เลือกได้ AWS ระบุว่ามี exporter สำหรับปลายทางในตัว 13 แบบ เช่น CloudWatch Logs, Amazon S3 เพื่อนำไป query ด้วย Athena, DynamoDB, Aurora, Redshift, OpenSearch, EventBridge, Firehose, SQS และ OTLP endpoint ทีมจึงเลือกรูปแบบเก็บข้อมูลตามคำถามที่ต้องตอบจริง เช่นค้น execution เดียวอย่างรวดเร็วใน DynamoDB หรือวิเคราะห์สถิติข้ามหลายฟังก์ชันด้วย SQL

เหตุใด log ราย invocation ยังไม่พอ

Durable function ทำงานแบบ checkpoint, รอ และ resume ในหลาย invocation การดู CloudWatch log ของ invocation ล่าสุดอาจเห็นเพียงช่วงท้าย แต่ไม่เห็นว่าขั้นตอนก่อนหน้าสำเร็จหรือ retry อย่างไร AWS อธิบายว่า exporter สร้าง snapshot สะสม ของ execution จากข้อมูล checkpoint ที่ SDK ส่งให้ในแต่ละครั้งที่ฟังก์ชันทำงาน ผลคือบันทึกหนึ่งรายการสามารถเล่าเส้นทางของ execution จนถึงเวลาที่ปล่อยข้อมูล ไม่ใช่เพียง delta ของ invocation เดียว

วิธีนี้มีประโยชน์กับงานที่มีหลายจุดล้มเหลว เช่นการรับคำสั่งซื้อ รอการชำระเงิน เรียกบริการจัดส่ง และส่งแจ้งเตือน ผู้ดูแลสามารถถามว่า step ใดล้มเหลวบ่อยหรือ retry มากผิดปกติ แล้วแยกแก้ปัญหาของบริการปลายทางได้ตรงจุดมากขึ้น สำหรับงาน AI workflow ก็ช่วยดูว่าการเรียก model หรือ tool ตัวใดเป็นคอขวด โดยไม่ต้องรื้อ log กระจัดกระจายจากหลาย invocation

วิธีเริ่มใช้และเรื่องที่ต้องระวัง

AWS ระบุว่ารองรับ TypeScript, Python, Java และ Go ขั้นตอนเริ่มต้นคือเพิ่ม exporter ลงในฟังก์ชัน ลงทะเบียน plugin กับ handler และกำหนดปลายทางที่จะรับข้อมูล ผู้ดูแลควรเริ่มกับ workload ทดสอบก่อน ตรวจสิทธิ์ IAM ของปลายทางและ schema ของข้อมูลที่ถูกส่งออก แล้วจึงขยายไป production

ข้อสำคัญที่สุดคือ ข้อมูลอ่อนไหวใน input/output AWS ระบุว่า plugin ส่งค่าเหล่านี้ตามจริงโดยค่าเริ่มต้น ซึ่งอาจมีข้อมูลลูกค้า token หรือรายละเอียดธุรกรรม จึงควรใช้ตัวแปลงข้อมูลเพื่อลบหรือแทนที่ฟิลด์อ่อนไหวก่อน export และกำหนด sampling rate เพื่อควบคุมปริมาณบันทึก การเลือกปลายทางก็ต้องคำนึงถึง retention และสิทธิ์ค้นข้อมูล เพราะการมีข้อมูลให้ query มากขึ้นหมายถึงพื้นผิวการเข้าถึงที่กว้างขึ้น

แต่ละปลายทางมีขนาด record จำกัดต่างกัน เช่น CloudWatch Logs และ DynamoDB หาก snapshot ใหญ่เกินเพดาน plugin อาจตัดรายละเอียดบางส่วนออก โดยทำเครื่องหมายว่า record ถูกตัด ทีมจึงไม่ควรอาศัยการตัดอัตโนมัติเป็นนโยบายจัดการข้อมูล ควรออกแบบให้ output ของ step มีขนาดเหมาะและส่งเฉพาะฟิลด์ที่จำเป็นตั้งแต่แรก

อีกข้อจำกัดคือ plugin รันอยู่ภายในฟังก์ชัน จึงส่งข้อมูลได้เมื่อฟังก์ชันถูก invoke เท่านั้น สถานะสิ้นสุดที่เกิดจากบริการ Lambda โดยไม่เกิด invocation ใหม่ เช่นหยุดด้วยมือหรือหมดเวลา execution อาจไม่ถูกบันทึกผ่าน exporter AWS แนะนำให้รับ lifecycle event จาก EventBridge เพิ่มเติมหากต้องการภาพสถานะครบทุกกรณี สิ่งนี้สำคัญเมื่อทีมใช้ telemetry เป็นหลักฐานในการแจ้งเตือนหรือรายงานความพร้อมของระบบ

MCP server ที่เปิดตัวคู่กันเป็นทางเลือกสำหรับทีมที่ต้องการให้ agent ช่วยค้น execution ที่ล้มเหลวหรือสรุปสาเหตุจากแหล่งข้อมูลที่ตั้งไว้ ไม่ควรเปิดสิทธิ์ของ agent กว้างเกินกว่าข้อมูลที่ผู้ใช้คนนั้นควรเห็น และควรตรวจผล query ก่อนนำไปใช้ตัดสินใจอัตโนมัติ ตัว MCP server ช่วยลดความจำเป็นในการจำ query dialect ของแต่ละปลายทาง แต่ไม่ได้แทนการกำหนดสิทธิ์และการตรวจคุณภาพข้อมูล

AWS ให้ใช้ exporter โดยไม่มีค่าบริการเพิ่มใน Region ที่รองรับ Lambda durable functions แต่ปลายทางที่เลือกอาจคิดค่า ingest, storage หรือ query ตามปกติ ก่อนเปิดกับ workflow จำนวนมากควรคำนวณจำนวน execution, ความถี่ที่ปล่อย snapshot และขนาด record แล้วทดลองด้วย sampling ที่เหมาะสมเพื่อไม่ให้ต้นทุน observability สูงกว่าประโยชน์ที่ได้รับ

แหล่งข่าวต้นทาง: AWS What's New, ประกาศวันที่ 28 ตุลาคม 2026 — https://aws.amazon.com/about-aws/whats-new/2026/10/lambda-durable-telemetry/