背景介绍

AWS无服务器架构也涉及到多个AWS服务，如AWS Lambda、Amazon API Gateway、Amazon DynamoDB等。如何把这些服务资源方便地管理起来呢？今天我们介绍的AWS 无服务器应用模型（AWS Serverless Application Model，以下简称AWS SAM）就是一种解决方案，它是一个开源的模型，结合AWS自动运维相关的服务如AWS CloudFormation 和AWS CodePipeline，统一管理多种资源，实现我们的无服务器应用的持续集成和部署。

我们从SAM开始，用几个具体例子为大家介绍使用AWS服务实现持续集成的具体方法，帮助大家快速上手，体验其强大和便捷。

SAM 简介

松鼠SAM是AWS Lamba和无服务器应用模型的吉祥物，寓意轻便、灵活、敏捷。它头顶的头盔上是希腊字母 lambda ，代表了AWS无服务器核心服务 Lambda。

SAM是 AWS 2016年11月发布的一个应用架构模型。遵循开源协议，是一个开放的说明文档。通过开源协议方式发布，也体现了AWS推动开源流动的努力。

官方的github地址如下：

https://github.com/awslabs/serverless-application-model

SAM实质上是一个AWS CloudFormation 的扩展，基于AWS CloudFormation 并且为无服务器做了优化，它简化了无服务器资源的管理，增加了无服务器相关的新资源类型。

SAM模板简介

AWS CloudFormation标准模板语法比较复杂，SAM模板提供了一套简化的语法，我们先来看一个简单的例子：

AWSTemplateFormatVersion: '2010-09-09'

Transform: AWS::Serverless-2016-10-31

Resources: 

  GetHtmlFunction:

    Type:
AWS::Serverless::Function

    Properties:

      CodeUri: s3://sam-demo-bucket/todo_list.zip

      Handler:
index.gethtml

      Runtime:
nodejs4.3

      Policies:
AmazonDynamoDBReadOnlyAccess

      Events:

        GetHtml:

          Type: Api

          Properties:

            Path:
/{proxy+}

            Method: ANY 

  ListTable:

    Type:
AWS::Serverless::SimpleTable 

最上面是模板格式的版本号和Transform声明。Transform声明告诉 CloudFormation这是一个 SAM 模板，需要转换成标准模板再执行。它的值取固定值，这里是 AWS::Serverless-2016-10-31，告诉CloudFormation这个模板里的声明都是无服务器应用的描述，以及进行相应的转换。

其余的两段其实都是 Resources 节点的子节点。这2段就是具体资源的声明：

GetHtmlFunction 段，Type: AWS::Serverless::Function，意思是创建一个Lambda函数，它有若干属性，如CodeUri指定函数的代码在S3的URL，Runtime 指定运行时的语言和版本，Policies 指定它的 IAM策略，以赋给它处理下游资源的权限。

Events 段，声明Lambda函数要响应的事件源。这里只有一个事件源，即创建一个 API Gateway 的 API，它有几个 API 相关的属性，比如路径、请求方式。

ListTable 这个资源Type是 AWS::Serverless::SimpleTable ，现在实际上是创建一个DynamoDB 表格。这里没有额外属性，就是以默认的容量规模创建，DynamoDB表容量默认值是每秒5次读写。

SAM 模板功能特性

可以和其它非SAM CloudFormation资源混用在同一个模板里 。SAM模板只增加了3种新资源，Lambda函数、API 和 SimpleTable，我们还可以使用其它标准CloudFormation资源，比如 S3 桶, Kinesis流，Step Function等等。

其它CloudFormation的标准功能SAM模板都支持，比如使用参数、映射和输出等，允许我们在CloudFormation执行时动态传入参数等， CloudFormation的内置函数我们在SAM也都可以使用，如连接字符串、拆分字符串等等。ImportValue也可使用，允许我们从现有架构中直接调取参数值，可以不再使用参数、映射等方式。总之这些标准功能使SAM模板可以和CloudFormation模板一样享受动态化的便利。

SAM 基于 CloudFormation，所以也是支持YAML 和JSON两种格式。

SAM 模板特有资源类型

SAM 模板新增3个特有资源类型，前面的简单例子已经展示了 ，即：AWS::Serverless::Function，AWS::Serverless::Api，AWS::Serverless::SimpleTable。这是当前Transform版本为 AWS::Serverless-2016-10-31所支持的特有资源类型。将来还有可能增加更多资源类型，到时请注意升级换用相应的Transform版本号。

第1个特有资源AWS::Serverless::Function 就是声明Lambda函数，模板中的包括Lambda函数所有的属性，如Handler、运行时、代码地址、描述等等。Events用来声明事件源，同一函数可以支持多个事件源。 Policies 声明IAM策略。Environment 可以声明环境变量，可用于传递给 Lambda函数。另外还有 Tags声明标签，这是 AWS 管理资源的通用功能，比如用于资源分组，账单和成本分解等。

第2个特有资源是 AWS::Serverless::Api，用于声明 API Gateway，关于API的详细定义，在 DefinitionUri 指定的swagger.yml里。其余的属性不多，主要是：StageName 阶段名称、CacheClusterEnabled 是否启用API Gateway的缓存，以及 CacheClusterSize缓存的容量。最后的Variables是传递给API 的参数，比如阶段参数，也是用来灵活部署的。

第3个特有资源是AWS::Serverless::SimpleTable，用于创建 DynamoDb 表。我们需要做的就是声明一下主键、类型，以及配置的容量规模。

AWS::Serverless::Function 事件源
在SAM模板中AWS::Serverless::Function资源下 Events 节点声明事件源。我们知道AWS Lambda 是事件驱动的无服务器函数服务，所以事件源也是部署Lambda函数的重要属性。事件源可以有很多种，大体分为3类：

• 数据状态变化，如S3对象的新增、删除。
• 请求端点，这里主要指的是通过 API  Gateway 暴露为对外服务的 HTTP API 接口。
• 资源状态变化，如EC2实例的启动、停止等状态。

具体产生的事件源来自这些服务：S3、SNS、Kinesis、DynamoDB、Schedule、CloudWatchEvent、AlexaSkill。各事件源的各种事件及属性全部支持。具体这里不再赘述，大家可以参考各服务的事件部分相关文档。

Lambda环境变量

Lambda环境变量是可以动态传递给我们的函数的键值对，比如IAM的验证凭据，API的密钥等等。Lambda环境变量是Lambda服务本身的功能，在无服务器应用模型SAM里，我们可以方便地把环境变量管理起来。在SAM模板中以 Parameters 节点来声明环境变量。可以通过标准环境变量API使用，如 Node.js 的process.env 或 Python的os.environ，即Lambda的环境变量会添加到Node.js 的process.env 里，方便咱们开发时使用。下面我们看一个环境变量的具体例子。

使用SAM模板管理Lambda环境变量

请先从以下git库下载源码。

https://github.com/xfsnow/serverless/tree/master/sam/parameters

我们打开 parameters.yaml，看下面这个片段。

Parameters:

  MyEnvironment:

    Type: String

    Default: testing

    AllowedValues:

      - testing

      - staging

      - prod

    Description: Environment of this stack of resources

这里我们声明了一个Lambda环境变量，变量名是MyEnvironment。它的属性都可以顾名思义，类型是字符串，默认值是testing，可取值是testing、staging和 prod。最后还有一个描述。我们建议给各种变量和资源添加描述，以清楚说明它们具体的使用情况。

ApiHelloFunction:

    Type: AWS::Serverless::Function

    Properties:

      Handler: index.handler

      Runtime: nodejs6.10

      Environment:

        Variables:

          S3_BUCKET: !Ref MyEnvironment

然后在声明Lambda函数时在 Variables: 段声明一个环境变量S3_BUCKET，它的值使用CloudFormatioin内置函数!Ref读取SAM模板中的环境变量MyEnvironment。

var bucketName = process.env.S3_BUCKET;

相应地，在我们的Lambda函数代码中，index.js 中上述这段就可以通过全局变量process.env 获取到S3_BUCKET这个环境变量值了。

用CloudFormation部署SAM模板

我们还使用上述Lambda环境变量这个例子，具体介绍一下CloudFormation部署的方法。

以下操作流程使用 AWS CLI 命令执行。准备环境及了解 AWS CLI 基本功能请参见 https://aws.amazon.com/cn/cli/ 。

请先从以下git库下载源码。

https://github.com/xfsnow/serverless/tree/master/sam/parameters

把下面命令中的 <bucket-name> 等变量值替换成你的具体的值。

在当前目录下执行以下命令，把文件上传到S3并打包成可用于 CloudFormation 的模板文件。

aws cloudformation package \

    --template-file parameters.yaml \

    --s3-bucket <bucket-name> \

    --output-template-file packaged_parameters.yaml

确认已经生成 packaged_parameters.yaml 文件。

执行以下命令。–parameter-overrides MyEnvironment=prod 表示部署时为 CloudFormation 的模板参数指定值为 prod。

aws cloudformation deploy \

   --template-file output_parameters.yaml \

   --stack-name parameters \

   --capabilities CAPABILITY_IAM \

   --parameter-overrides MyEnvironment=prod

顺利地话，会看到逐渐输出的返回结果。

Waiting for changeset to be created..

Waiting for stack create/update to complete

Successfully created/updated stack - lambdaProxy

这时到 CloudFormation 的控制台已经创建出一个 lambdaProxy，整个过程大约持续 1 到 2 分钟。 然后到 API Gateway 控制台，可以看到创建出的 lambdaProxy 的 API，点击其 Stages 下的 Prod 链接，可以看到形如下面的调用 URL: Invoke URL: https://xxxxxxxxx.execute-api.my-region.amazonaws.com/Prod

点击它，打开一个新窗口，显示

{“bucketName”:”prod”}

表示已经部署成功。

再执行一次 aws cloudformation deploy，把 MyEnvironment 参数变成 testing

aws cloudformation deploy \

   --template-file output_parameters.yaml \

   --stack-name parameters \

   --capabilities CAPABILITY_IAM \

   --parameter-overrides MyEnvironment=testing

等待执行完毕后，刷新刚才的调用 URL，可以看到内容已经更新成了

{“bucketName”:”testing”}

这个例子演示了我们在SAM模板中定义的环境变量在具体部署时可以灵活赋成不同的值，然后部署出相应的效果。

小结

今天我们介绍了AWS 无服务器应用模型和SAM模板的基本功能和特性，并带领大家用一个实例体验了通过CloudFormation部署SAM模板。随着无服务器应用开发逐渐复杂，规模越来越大，涉及的服务和资源也会越来越多，SAM确实为我们提供了一种使用AWS服务进行统一管理的方法，希望大家多多体验。

下面，我们将进一步为大家讲解使用AWS CodeBuild 构建 Lambda函数以及使用AWS CodePipeline实现自动化持续集成。

上篇文章中我们介绍了AWS 无服务器应用模型和SAM模板的基本功能和特性，并带领大家用一个实例体验了通过CloudFormation部署SAM模板。在这一篇中，我们仍然结合实例讲解，为大家继续介绍使用AWS CodeBuild 构建 Lambda函数以及使用AWS CodePipeline实现自动化持续集成。

部署配置AWS CodeBuild

如果我们的Lambda函数使用了依赖库时，我们可以通过AWS CodeBuild来把依赖库编译进Lambda函数的部署包里。

AWS CodeBuild  是一个完全托管的构建服务，可用于编写源代码、运行测试并生成可立即部署的软件包。CodeBuild基于AWS管理的容器，从而实现用户无需配置、管理和扩展自己的构建服务器。CodeBuild 可持续缩放和并行处理多个生成任务，因此构建任务不必在队列中等待。使用CodeBuild，我们只需要按构建时使用计算资源的分钟数付费，从而无需为预置的构建服务器的空闲时间付费。

除了常见的Java之类的程序源码的构建，CodeBuild还可用于Lambda函数部署前的构建。下面我们用一个例子来具体说明。

请先从以下git库下载源码。

https://github.com/xfsnow/serverless/tree/master/sam/codebuild

这个例子中的Lambda函数需要Node.js 依赖库 time，我们使用CodeBuild在构建时安装这个这个time库，把它加入到 Lambda 函数的包中。

index.js 文件中以下这行，表示需要依赖库 time。

var time = require('time');

buildspec.yml 中

install:

    commands:

      - npm install time

表示在构建的安装步骤把 time 库安装进来。

  build:

    commands:

      - aws cloudformation package --template-file codebuild.yaml --s3-bucket <bucket-name> --output-template-file output_codebuild.yaml

这段其实就是使用在上一章节我们介绍过的aws cloudformation package 打包。

上传源文件

把buildspec.yml文件中的 <bucket-name> 等变量值替换成你的具体的值。

在当前目录下除了 md 文件的其它文件打包成 codebuild.zip，然后把这个 zip 文件上传你自己的 S3桶中。

配置 CodeBuild 项目

打开 CodeBuild 控制台

点击 Create project。

在 Configure your project 页

Project name 输入 serverlessCodebuild

Source provider 选择 Amazon S3

Bucket 栏选择我们的刚才上传 zip 文件的 S3 桶名称

S3 object key 输入 codebuild.zip。

Environment image 保持选择 Use an image managed by AWS CodeBuild

Operating system 选择 Ubuntu

Runtime 选 Node.js

Version 选择 aws/codebuild/nodejs:4.3.2

Artifacts type 选 Amazon S3

Bucket name 还选择我们的刚才上传 zip 文件的 S3 桶名称

确认 Create a service role in your account 已选中

Role name 输入 serverlessCodebuild

点击右下角 Continue 按钮

在 Review 页点击右下方的 Save and build 按钮。

创建成功后前进到 Build projects 列表页，此时刚刚新建的项目应该是选中的状态。点击左上角 Start build 按钮。

在 Start new build 页，直接点击右下角 Start build 按钮。

在 Build 页可以查看构建进行的进度信息。注意看 Phase details 下面的输出内容。 构建成功完成以后，可以到我们的 S3 桶中查看结果，可以看到创建出一个 serverlessCodebuild 目录，里面就是构建的成果—— output_codebuild.yaml 文件。我们把它下载到本地，就可以用它再执行 CloudFormation 部署。

使用 CloudFormation 部署

执行以下命令

aws cloudformation deploy \

   --template-file output_codebuild.yaml \

   --stack-name serverlessCodebuild \

   --capabilities CAPABILITY_IAM

顺利地话，会看到逐渐输出的返回结果

Waiting for changeset to be created..

Waiting for stack create/update to complete

Successfully created/updated stack - serverlessCodebuild

这时到 CloudFormation 的控制台已经创建出一个 serverlessCodebuild ，整个过程大约持续 1 到 2 分钟。

然后到 API Gateway 控制台，可以看到创建出的 serverlessCodebuild 的 API，点击其 Stages 下的 Prod 链接，可以看到形如下面的调用 URL: Invoke URL: https://xxxxxxxxx.execute-api.my-region.amazonaws.com/Prod

点击它，打开一个新窗口，显示

“The time in Los Angeles is Mon Aug 07 2017 03:32:42 GMT-0700 (PDT)”
表示已经部署成功。

部署配置AWS CodePipeline

每次都要手工执行aws cloudformation deploy命令来部署仍然有些繁琐，而且手工部署难免会有人工的失误。下面我们使用AWS CodePipeline来最终实现完全自动化的部署。

AWS CodePipeline 是一个托管的持续集成与持续交付服务，可以实现快速而可靠的应用程序和基础设施更新。每次更改代码时，CodePipeline 都会根据我们定义的发布流程模型构建、测试和部署代码，就像管道一样逐个步骤的执行流程中的每一步操作，还支持可选的人工审核步骤。和CodeBuild一样， CodePipeline也是只按实际使用量付费，同样无需为预置的资源空闲付费。

我们下面这个例子，Lambda函数还是使用了time依赖库，仍然使用CodeBuild安装依赖库、CloudFormation进行部署，这次我们配置CodePipeline来完成构建和部署的全部流程，实现持续集成。

总的操作流程主要是以下几步：

1. 在 github 上创建一个库存放源文件。
2. 创建一个 CodeBuild 项目，用于构建无服务器应用。
3. 创建一个 IAM 角色，用于 CloudFormation 部署无服务器应用。
4. 创建一个 CodePipeline 项目，把上述若干步骤和资源组建成管道。

在 github 上创建一个库存放源文件

请在你自己的github新建一个存储库，名为 serverlessCodepipepline。

从以下git库下载源码。

https://github.com/xfsnow/serverless/blob/master/sam/codepipeline

放在我们自已的 serverlessCodepipepline 库的根目录下。

把 buildspec.yml 中的 <bucket> 更新成自己的桶名称，再 commit 到 git 库中。

配置 CodeBuild 项目

• 打开 CodeBuild 控制台，点击 Create project。

在 Configure your project 页

Project name 输入 serverlessCodepipeline

Source provider 选择 Github

Repository 选择 Use a repository in my account

Repository URL 输入我们自己的库的路径，比如 https://github.com/xfsnow/serverlessCodepipepline

• Environment image 保持选择 Use an image managed by AWS CodeBuild

Operating system 选择 Ubuntu

Runtime 选 Node.js

Version 选择 aws/codebuild/nodejs:4.3.2

Build specification 保持选中 Use the buildspec.yml in the source code root directory

Artifacts type 选 Amazon S3

Bucket name 还选择我们在 buildspec.yml 中指定的 S3 桶名称

确认 Create a service role in your account 已选中

Role name 输入 serverlessCodebuild，点击右下角 Continue 按钮。

• 在 Review 页点击右下方的 Save and build 按钮。

创建成功后前进到 Build projects 列表页，此时刚刚新建的项目应该是选中的状态。点击左上角 Start build 按钮。

在 Start new build 页，直接点击右下角 Start build 按钮。

• 在 Build 页可以查看构建进行的进度信息。注意看 Phase details 下面的输出内容。

构建成功完成以后，可以到我们的 S3 桶中查看结果，可以看到创建出一个 serverlessCodepipeline 目录，里面就是构建的成果—— output-codepipeline.yaml 文件。

我们可以把它下载到本地看一下，后续我们继续配置 CodePipeline 就是用它来做无服务器资源的部署。

配置 IAM 角色

登录 AWS 管理控制台。点击左侧导航链接中的 Roles，点击 Create new role 按钮。

• 在 Select role type 页选择 AWS Service Role，找到 AWS Cloudformation Role 点击其右边的 Select 按钮。
• 在 Attach Policy 页，选择 AWSLambdaExecute。点击 Next Step 按钮。
• 在 Set role name and review 页， Role name 输入 cloudformation-lambda-execution，然后点击 Create role 按钮。
• 打开刚才创建的角色，在 Permissions 选项卡下，点击 Inline Policies 展开之，然后选择 click here 链接。

选择 Custom Policy，然后选择 Select。

在 Policy Name 中，输入 cloudformation-deploy-lambda ，然后将以下内容中的 region 和 account_id 替换成你自己的值，粘贴到 Policy Document 字段中：

{

    "Statement": [

        {

            "Action": [

                "s3:GetObject",

                "s3:GetObjectVersion",

                "s3:GetBucketVersioning"

            ],

            "Resource": "*",

            "Effect": "Allow"

        },

        {

            "Action": [

                "s3:PutObject"

            ],

            "Resource": [

                "arn:aws:s3:::codepipeline*"

            ],

            "Effect": "Allow"

        },

        {

            "Action": [

                "lambda:*"

            ],

            "Resource": [

                "arn:aws:lambda:region:account-id:function:*"

            ],

            "Effect": "Allow"

        },

        {

            "Action": [

                "apigateway:*"

            ],

            "Resource": [

                "arn:aws:apigateway:region::*"

            ],

            "Effect": "Allow"

        },

        {

            "Action": [

                "iam:GetRole",

                "iam:CreateRole",

                "iam:DeleteRole"

            ],

            "Resource": [

                "arn:aws:iam::account-id:role/*"

            ],

            "Effect": "Allow"

        },

        {

            "Action": [

                "iam:AttachRolePolicy",

                "iam:DetachRolePolicy"

            ],

            "Resource": [

                "arn:aws:iam::account-id:role/*"

            ],

            "Effect": "Allow"

        },

        {

            "Action": [

                "iam:PassRole"

            ],

            "Resource": [

                "*"

            ],

            "Effect": "Allow"

        },

        {

            "Action": [

                "cloudformation:CreateChangeSet"

            ],

            "Resource": [

                "arn:aws:cloudformation:region:aws:transform/Serverless-2016-10-31"

            ],

            "Effect": "Allow"

        }

    ],

    "Version": "2012-10-17"

}    

点击 Validate Policy，然后点击 Apply Policy。

配置 CodePipeline 项目
打开 CodePipeline 控制台，点击 Create project。

• 在 Step 1: Name 页

Project name 输入 serverlessCodepipeline，点击“Next Step” 按钮。

• 在 Step 2: Source 页

Source provider 选择 Github，然后点击 Connect to GitHub 按钮，关联 GitHub 账号。按提示完成关联操作。

回到 AWS 页面后，Repository 选择前述我们自己创建的存储库。

Branch 选择 master ，点击“Next Step” 按钮。

• 在 Step 3: Build 页

Build provider 选择 AWS CodeBuild

Configure your project 保持选中 Select an existing build project。

Project name 在下拉列表中选择我们前面创建的 serverlessCodepipeline 项目。

•  在 Step 4: Deploy 页

Deployment provider 选择 AWS CloudFormation。

Action mode 选择 Create or replace a change set。

Stack name 输入 serverlessCodepipeline。

Change set name 输入 serverlessCodepipelineChangeSet。

Template file 输入 buildspec.yml 中指定的构建结果文件名 output-codepipeline.yaml。

Capabilities 选择 CAPABILITY_IAM。

Role name 选择我们前面创建的 IAM 角色 cloudformation-lambda-execution。 点击 Next Step 按钮。

• 在 Step 5: Service Role 页

点击 Create Role 按钮，在弹出的 IAM AWS CodePipeline is requesting permission to use resources in your account 页面，直接点击右下角 Allow 按钮，返回后点击 Next Step 按钮。

• 在 Step 6: Review 页面，直接点击右下角 点击右下角的 Create Pipeline 按钮。最后来到 serverlessCodepipeline 项目详情页。
• 增加测试部署阶段 在 serverlessCodepipeline 详情页点击 Edit 按钮。

在 Staging 阶段下面点击 +Stage 链接。

在 Stage name 栏输入 Beta，然后点击其下面的 +Action 按钮。

在 Action category 中，选择Deploy。

在 Action name 中，输入 executeChangeSet。

在 Deployment provider 中，选择 AWS CloudFormation。

在 Action mode: 中，选择 execute a changeset。前一步我们已经创建了 ChangeSet，将 SAM 模板转换为完整的 AWS CloudFormation 格式，现在我们要使用 deployChangeSet 部署 AWS CloudFormation 模板了。

在 Stack name：中，输入 serverlessCodepipeline。

在 Change set name：中，输入 serverlessCodepipelineChangeSet。

选择 Add Action。

回到页面顶部点击 Save pipeline changes。

选择 Save and continue。

查看结果

我们在 serverlessCodepipeline 项目详情页稍等10秒左右，Pipeline 会自动开始第一次部署。可以随时查看到各个步骤的执行情况，比如：

Source
GitHub
Succeeded 2 min ago
d24ff81
最后等到 Beta 步骤也完成，这时到 CloudFormation 的控制台查看已经创建出一个 serverlessCodepipeline ，整个过程大约持续 3到5 分钟。

然后到 API Gateway 控制台，可以看到创建出的 serverlessCodepipeline 的 API，点击其 Stages 下的 Prod 链接，可以看到形如下面的调用 URL: Invoke URL: https://xxxxxxxxx.execute-api.my-region.amazonaws.com/Prod

复制此 URL，打开一个新窗口，粘贴进地址栏，然后在后面再输入 /time，组成形如

https://xxxxxxxxx.execute-api.my-region.amazonaws.com/Prod/time

的链接再访问之，显示

“The time in Los Angeles is Mon Aug 07 2017 03:31:39 GMT-0700 (PDT)”
表示已经部署成功。

然后我们模拟代码更新，把你自己的 github 存储库中的 README.md 文件编辑一下，然后 git commit 到 github 上去。 然后再回到 serverlessCodepipeline 详情页，稍等一会我们会看到从 Source 开始整个管道会再次执行一遍。

执行到每一步时，我们都可以点击 Detail 链接到相关服务的详情页查看具体进度。比如 CloudFormation 会创建出一个新的 serverlessCodepipelineChangeSet 来执行变更。

最后到 API Gateway 的 serverlessCodepipeline API，选择一个 Stage ，再点选 Deployment History 可以看到 Deployment date时间更新了。

小结

今天我们继续结合实例，为大家讲解了使用AWS CodeBuild 构建 Lambda函数以及使用AWS CodePipeline实现自动化持续集成。这些也是基于AWS 无服务器应用模型和SAM模板，再与其它AWS运维的服务集成，共同实现无服务器应用的自动化运维。

相关资源链接

Serverless Application Model (SAM):
https://github.com/awslabs/serverless-application-model

无服务器服务官网:

AWS Lambda: https://aws.amazon.com/lambda

Amazon API Gateway: https://aws.amazon.com/api-gateway

运维相关的服务:

CloudFormation: https://aws.amazon.com/cloudformation

CodeBuild: https://aws.amaz.com/codebuild

CodePipeline: https://aws.amazon.com/codepipeline