Serverless-Automatisierung: Schritt-für-Schritt-Anleitung

🧭 Einführung

Die Serverless-Architektur überträgt die gesamte Infrastrukturverwaltung an den Cloud-Anbieter, sodass sich Entwickler ausschließlich auf die Geschäftslogik konzentrieren können.\ In dieser Anleitung zeigen wir, wie man eine serverlose Automatisierung plant und umsetzt.

🔧 Voraussetzungen

• Ein AWS-, Azure- oder GCP-Konto\
• Grundkenntnisse in CLI-Befehlen (aws, az, gcloud)\
• Verständnis von JSON/YAML-Strukturen\
• Ein Texteditor (empfohlen: VS Code)

🧩 Schritt 1: Was ist Serverless-Automatisierung?

Serverless-Automatisierung führt ereignisgesteuerte Aufgaben aus, ohne Server manuell zu verwalten.\ Typische Anwendungsfälle sind: - Zeitgesteuerte Aufgaben (Cron)\

• Dateiverarbeitung nach Upload\
• API-basierte Auslöser\
• Nachrichtenwarteschlangen oder Datenströme

Beispiel

Eine Datei wird in S3 hochgeladen und automatisch per Lambda-Funktion verkleinert.

⚙️ Schritt 2: Architekturplanung

Drei Hauptkomponenten werden definiert: 1. Trigger (Ereignis) -- z. B. S3-Upload, HTTP-Anfrage, Queue\

2. Function (Logik) -- z. B. Python- oder Node.js-Code\
3. Destination (Ziel) -- z. B. API, Datenbank, E-Mail, Log-System

# Beispiel AWS Lambda (serverless.yml)
functions:
  resizeImage:
    handler: handler.resize
    events:
      - s3:
          bucket: uploads
          event: s3:ObjectCreated:*

🧱 Schritt 3: Umgebung einrichten

AWS Beispiel:

aws configure
aws iam create-role --role-name lambda-basic-execution
aws lambda create-function --function-name AutoResize   --runtime python3.11   --role arn:aws:iam:::role/lambda-basic-execution   --handler lambda_function.lambda_handler   --zip-file fileb://function.zip

Azure Beispiel:

az functionapp create   --resource-group myGroup   --consumption-plan-location westeurope   --runtime python   --functions-version 4   --name myServerlessApp   --storage-account mystorage

Google Cloud Beispiel:

gcloud functions deploy autoResize   --runtime python311   --trigger-resource uploads   --trigger-event google.storage.object.finalize

🧠 Schritt 4: Automatisierungsszenario

Szenario: „Sende eine E-Mail-Benachrichtigung, wenn eine Datei hochgeladen wurde."\

1. Ereignis: Datei-Upload in den uploads-Bucket\
2. Funktion: Metadaten lesen, E-Mail vorbereiten\
3. Ziel: Mail-API (SendGrid / SES)

import boto3
import json

def lambda_handler(event, context):
    s3 = boto3.client('s3')
    ses = boto3.client('ses')
    for record in event['Records']:
        file_name = record['s3']['object']['key']
        ses.send_email(
            Source='notify@hmyn.net',
            Destination={'ToAddresses': ['admin@hmyn.net']},
            Message={
                'Subject': {'Data': f'Neue Datei: {file_name}'},
                'Body': {'Text': {'Data': f'{file_name} wurde hochgeladen.'}}
            }
        )

🧩 Schritt 5: Überwachung und Logging

• Verwende AWS CloudWatch, Azure Monitor oder GCP Logging\
• Aktiviere Benachrichtigungen und Wiederholungen bei Fehlern\
• Integration mit Slack, Telegram oder E-Mail möglich

aws logs tail /aws/lambda/AutoResize --follow

🚀 Schritt 6: CI/CD-Integration

Serverless-Projekte basieren meist auf Git: - Bei jedem Push wird die Funktion automatisch aktualisiert\

• Nutze serverless.yml oder Pipelines (azure-pipelines.yml, GitHub Actions)\
• Empfohlene Tools: - GitHub Actions\
• AWS SAM CLI\
• Terraform (IaC)

🧩 Schritt 7: Erweiterte Anwendungen

• Multi-Trigger-Workflows über EventBridge oder Pub/Sub
• Zustandsverwaltung mit DynamoDB oder Firestore
• Integration mit n8n, Zapier oder Airflow

🧩 Schritt 8: Kosten- und Leistungsoptimierung

• Unnötige Aufrufe mit Filterung reduzieren\
• Leichte Runtimes (z. B. Go statt Python) bevorzugen\
• Für wiederkehrende Aufgaben Step Functions oder Durable Functions verwenden

✅ Fazit

Serverless-Automatisierung reduziert manuelle Prozesse und spart Ressourcen.\ Nach dieser Anleitung kannst du: - Ereignisgesteuerte Funktionen schreiben\

• Serverless-Anwendungen bereitstellen\
• CI/CD-Pipelines integrieren