Giter Site home page Giter Site logo

curso-sns-sqs-lambda's Introduction

Curso de AWS Lambda con Gestión de Colas (SNS + SQS) en Java

  • ¿Qué es AWS?
    • Historia y evolución
    • Principales servicios y su propósito
  • Servicios principales de AWS
    • EC2, S3, RDS, IAM, VPC
  • Conceptos básicos
    • Definición y uso
    • Beneficios y limitaciones
  • Arquitectura de AWS Lambda
    • Cómo funciona
    • Componentes clave
  • Uso de Lambda en diferentes escenarios
    • Casos de uso comunes
    • Integraciones con otros servicios de AWS
  • Instalación y configuración de AWS CLI
    • Pasos para la instalación
    • Configuración básica y avanzada
  • Configuración de entorno para desarrollo en Java
    • SDK de AWS para Java
    • Configuración del IDE (Eclipse, IntelliJ, etc.)
  • Descripción del laboratorio:
    • Crear una función Lambda simple en Java que recibe una cadena de texto, la convierte a mayúsculas y la devuelve.
  • Recursos necesarios:
    • AWS CLI, SDK de AWS para Java, IDE
  • Ejercicio práctico:
    • Implementar la función Lambda en Java
    • Desplegar la función en AWS Lambda
    • Probar la función desde la consola de AWS

  • Uso de Maven para gestionar dependencias
    • Configuración de Maven en el proyecto
    • Manejo de dependencias comunes
  • Integración de bibliotecas externas en funciones Lambda
  • Variables de entorno y configuración
  • Manejo de eventos y errores
    • Tipos de errores
    • Estrategias de manejo de errores
  • Descripción del laboratorio:
    • Crear una función Lambda que maneje diferentes tipos de errores y registre los eventos en CloudWatch.
  • Recursos necesarios:
    • AWS CLI, SDK de AWS para Java, Maven
  • Ejercicio práctico:
    • Implementar una función Lambda que maneje errores específicos
    • Configurar variables de entorno
    • Registrar eventos en CloudWatch
  • Conceptos básicos de SQS
  • Tipos de colas: Estándar y FIFO
  • Descripción del laboratorio:
    • Crear y configurar una cola SQS estándar y enviar mensajes de prueba.
  • Recursos necesarios:
    • AWS CLI, SDK de AWS para Java
  • Ejercicio práctico:
    • Crear una cola SQS
    • Enviar mensajes a la cola
    • Leer mensajes de la cola utilizando una aplicación Java
  • Conceptos básicos de Step Functions
    • Definición y uso
    • Casos de uso y beneficios
  • Componentes de Step Functions
    • Estados y transiciones
    • Tipos de estados
  • Descripción del laboratorio:
    • Crear un flujo de trabajo utilizando Step Functions que coordine varias funciones Lambda.
  • Recursos necesarios:
    • AWS CLI, SDK de AWS para Java
  • Ejercicio práctico:
    • Diseñar e implementar un flujo de trabajo con Step Functions
    • Probar el flujo de trabajo y registrar los resultados

  • Configuración de triggers de SQS en Lambda
  • Descripción del laboratorio:
    • Implementar una función Lambda que procese mensajes de una cola SQS y los registre en CloudWatch.
  • Recursos necesarios:
    • AWS CLI, SDK de AWS para Java
  • Ejercicio práctico:
    • Configurar SQS como desencadenador de Lambda
    • Implementar la lógica de procesamiento de mensajes en la función Lambda
    • Registrar la salida en CloudWatch
  • Conceptos básicos de SNS
  • Creación y configuración de tópicos
  • Descripción del laboratorio:
    • Crear un tópico SNS y suscribirse con una dirección de correo electrónico.
  • Recursos necesarios:
    • AWS CLI, SDK de AWS para Java
  • Ejercicio práctico:
    • Crear un tópico SNS
    • Suscribir una dirección de correo electrónico al tópico
    • Enviar mensajes al tópico y verificar la recepción
  • Enviar mensajes desde SNS a SQS
  • Configurar Lambda para procesar mensajes de SQS
  • Descripción del laboratorio:
    • Crear una solución que integre SNS, SQS y Lambda para procesar notificaciones.
  • Recursos necesarios:
    • AWS CLI, SDK de AWS para Java
  • Ejercicio práctico:
    • Crear un tópico SNS y una cola SQS
    • Configurar el tópico SNS para enviar mensajes a la cola SQS
    • Configurar Lambda para procesar mensajes de la cola SQS
  • Conceptos básicos de SAM
    • Definición y uso
    • Ventajas de usar SAM para definir aplicaciones serverless
  • Plantillas de SAM
    • Estructura y componentes de una plantilla SAM
    • Ejemplos de plantillas
  • Descripción del laboratorio:
    • Definir e implementar una aplicación serverless utilizando SAM.
  • Recursos necesarios:
    • AWS CLI, AWS SAM CLI, SDK de AWS para Java
  • Ejercicio práctico:
    • Crear una plantilla SAM para una función Lambda
    • Desplegar la aplicación utilizando SAM
    • Probar la implementación y realizar ajustes

  • Conceptos de arquitectura orientada a eventos
  • Patrones de diseño para sistemas event-driven
  • Casos de uso y ejemplos prácticos
  • Descripción del laboratorio:
    • Diseñar e implementar una arquitectura orientada a eventos utilizando SNS, SQS y Lambda.
  • Recursos necesarios:
    • AWS CLI, SDK de AWS para Java
  • Ejercicio práctico:
    • Diseñar un sistema basado en eventos
    • Implementar los componentes utilizando SNS, SQS y Lambda
    • Probar el flujo de eventos y la interacción entre componentes
  • Uso de CloudWatch para monitoreo
  • Configuración de alarmas y métricas
  • Descripción del laboratorio:
    • Implementar y configurar CloudWatch Logs y métricas para una función Lambda.
  • Recursos necesarios:
    • AWS CLI, SDK de AWS para Java
  • Ejercicio práctico:
    • Configurar CloudWatch Logs para una función Lambda
    • Crear métricas personalizadas
    • Configurar alarmas basadas en las métricas
  • Gestión de permisos con IAM
  • Buenas prácticas de seguridad
  • Descripción del laboratorio:
    • Configurar roles y políticas de IAM para Lambda, SNS y SQS.
  • Recursos necesarios:
    • AWS CLI, SDK de AWS para Java
  • Ejercicio práctico:
    • Crear roles y políticas de IAM para una función Lambda
    • Asignar permisos adecuados para SNS y SQS
    • Probar el acceso y las restricciones de seguridad
  • Ajustes de rendimiento
  • Escalado automático y configuraciones avanzadas
  • Descripción del laboratorio:
    • Implementar configuraciones de escalado automático y optimización de rendimiento para Lambda, SNS y SQS.
  • Recursos necesarios:
    • AWS CLI, SDK de AWS para Java
  • Ejercicio práctico:
    • Configurar el escalado automático para una función Lambda
    • Ajustar parámetros de rendimiento
    • Probar la solución bajo diferentes cargas
  • Coordinar flujos de trabajo complejos con Step Functions
    • Ejemplos avanzados y casos de uso
  • Mejorar la automatización y despliegue continuo con SAM
    • Estrategias para CI/CD en aplicaciones serverless
  • Descripción del laboratorio:
    • Crear una solución que integre Step Functions y SAM para coordinar y desplegar funciones Lambda.
  • Recursos necesarios:
    • AWS CLI, AWS SAM CLI, SDK de AWS para Java
  • Ejercicio práctico:
    • Implementar una solución serverless utilizando Step Functions para coordinar varias funciones Lambda
    • Desplegar la solución utilizando SAM
    • Probar y ajustar la solución para optimizar el rendimiento y la escalabilidad

curso-sns-sqs-lambda's People

Contributors

davidpestana avatar

Watchers

 avatar

Recommend Projects

  • React photo React

    A declarative, efficient, and flexible JavaScript library for building user interfaces.

  • Vue.js photo Vue.js

    🖖 Vue.js is a progressive, incrementally-adoptable JavaScript framework for building UI on the web.

  • Typescript photo Typescript

    TypeScript is a superset of JavaScript that compiles to clean JavaScript output.

  • TensorFlow photo TensorFlow

    An Open Source Machine Learning Framework for Everyone

  • Django photo Django

    The Web framework for perfectionists with deadlines.

  • D3 photo D3

    Bring data to life with SVG, Canvas and HTML. 📊📈🎉

Recommend Topics

  • javascript

    JavaScript (JS) is a lightweight interpreted programming language with first-class functions.

  • web

    Some thing interesting about web. New door for the world.

  • server

    A server is a program made to process requests and deliver data to clients.

  • Machine learning

    Machine learning is a way of modeling and interpreting data that allows a piece of software to respond intelligently.

  • Game

    Some thing interesting about game, make everyone happy.

Recommend Org

  • Facebook photo Facebook

    We are working to build community through open source technology. NB: members must have two-factor auth.

  • Microsoft photo Microsoft

    Open source projects and samples from Microsoft.

  • Google photo Google

    Google ❤️ Open Source for everyone.

  • D3 photo D3

    Data-Driven Documents codes.