Amazon web services 列出笔记本实例标签可能需要很长时间

我目前正在使用Lambda函数中的boto3 SDK，以检索有关部署在我帐户中的Sagemaker笔记本实例的各种信息（大约70个，所以不太多…）

我尝试执行的操作之一是列出每个实例的标记。

但是，有时返回标记需要花费很长时间：我的Lambda要么停止（我可以增加超时，但仍然…），要么从sagemaker.list_tags函数引发节流异常（这可以通过增加sagemaker bot3客户端创建时的重试次数来避免）：

如果你们有什么办法避免这样的延误：）

---

TY

正如您所注意到的，您正在受到限制。您可以尝试更改延迟（即增加增长因子），而不是增加重试次数。看起来是可配置的

请注意，存储桶（和重新填充速率）通常处于第二粒度。因此，使用70个ARN，您将看到一定的秒数；两位数并不让我感到惊讶

您可能会考虑以不同方式中断工作，因为添加重试/较大的增长因子只会增加函数运行的时间长度。

我已经非常成功地将事情分解，这样Lambda函数每次调用只处理一个ARN。Lambda正在处理工作（我通常会使用SQS队列来管理需要处理的内容），并且可以通过组合配置Lambda和SQS消息可见性来配置工作速率

我不知道除了最初的Lambda之外，你还想完成什么。我意识到，以这种方式分解工作可能（或将）给你的总体工作带来挑战

还值得注意的是，如果启用了CloudTrail，则标记将是“EventName”（与调用的方法相匹配，即CreateTrainingJob、AddTags等）的事件数据（请求数据）的一部分

第三种选择是，如果您试图查找具有特定标记的所有笔记本实例，则可以使用资源组创建查询，并快速查找具有这些标记的ARN

• CloudTrail：
• 资源组：
• 带有SQS的Lambda：

---

你认为“年龄”是什么？10秒？5分钟？你好@jarmod，我说的“年龄”是指10秒，有时是20秒；）非常感谢Ken Amazon，我会看看你的各种建议

sagemaker = boto3.client("sagemaker", config=Config(retries = dict(max_attempts = 10)))
instances_dict = sagemaker.list_notebook_instances()

if not instances_dict['NotebookInstances']:
    return "No Notebook Instances"

while instances_dict:
    for instance in instances_dict['NotebookInstances']:
        print instance['NotebookInstanceArn']
        start = time.time()
        tags_notebook_instance = sagemaker.list_tags(ResourceArn=instance['NotebookInstanceArn'])['Tags']
        print (time.time() - start)
    instances_dict = sagemaker.list_notebook_instances(NextToken=instances_dict['NextToken']) if 'NextToken' in instances_dict else None