July 29, 2026

What you need to know about Lambda MicroVMs

AWS giới thiệu Lambda MicroVMs, một giải pháp compute mới kết hợp tính cô lập cấp VM (qua Firecracker), khởi động nhanh từ snapshot đã khởi tạo sẵn, và phiên session kéo dài tới 8 giờ. Khác biệt so với Lambda tiêu chuẩn, MicroVMs cung cấp endpoint HTTPS bền vững, hỗ trợ HTTP/2, gRPC, WebSockets, cũng như truy cập shell và Docker bên trong VM, nhằm mục đích chạy code do AI hoặc người dùng cung cấp trong môi trường sandbox. Tuy nhiên, giải pháp này chỉ hỗ trợ ARM64, có sẵn ở 5 vùng (region) và có mức giá tương tự Fargate. Bài viết cũng so sánh Lambda MicroVMs với AgentCore Runtime: AgentCore là nền tảng agent quản lý có sẵn giao thức tích hợp, trong khi Lambda MicroVMs là giải pháp nguyên thủy cấp thấp mang lại toàn quyền kiểm soát VM.

Là người phát triển cần tìm giải pháp an toàn cho các ứng dụng yêu cầu môi trường VM hoàn toàn riêng biệt, như chạy mã AI hoặc code từ người dùng trong môi trường sandbox, thì Lambda MicroVMs từ AWS sẽ cung cấp giải pháp hiệu quả hơn so với các phương pháp truyền thống.

AWS, Google Cloud, Microsoft Azure, and Cloudflare now all offer agent sandboxes. None built them the same way.

Bốn nền tảng đám mây lớn (AWS, Google Cloud, Microsoft Azure, Cloudflare) đều cung cấp sandbox agent code, nhưng cách triển khai cô lập, mô hình vòng đời, giới hạn tài nguyên và ranh giới quản trị của chúng khác biệt đáng kể.

Lập trình viên nên đọc bài này để hiểu cách các cloud provider khác nhau thiết kế các môi trường sandbox cho agent, giúp bạn lựa chọn giải pháp phù hợp nhất với dự án của mình về hiệu suất, bảo mật và quản lý tài nguyên.

Easily Develop AWS Lambda MicroVM Sandbox Architectures

AWS Lambda MicroVMs là giải pháp tính toán mới của AWS, sử dụng máy ảo Firecracker để chạy mã không tin cậy trong môi trường cô lập hoàn toàn. Serverless Framework hỗ trợ triển khai MicroVMs dưới dạng Sandboxes trong serverless.yml chỉ bằng một lệnh, đồng thời cung cấp trình giả lập local để phát triển và kiểm thử trước khi triển khai.

Lập trình viên nên đọc bài này để khám phá cách triển khai nhanh chóng và an toàn các kiến trúc sandbox microVM trên AWS Lambda, giúp tối ưu hóa phát triển, kiểm thử code không tin cậy một cách hiệu quả và tiết kiệm chi phí.

Automated PII redaction for Amazon RDS for PostgreSQL audit logs

A serverless pipeline on AWS that irreversibly redacts PII (SSNs, credit cards, emails, names, and 30+ other types) from Amazon RDS for PostgreSQL pgAudit logs before storing them in S3 for querying via Athena. Unlike CloudWatch Logs Data Protection's reversible masking, this pipeline uses Amazon Comprehend and AWS Step Functions to permanently remove sensitive data, making the archive suitable for GDPR, HIPAA, and PCI-DSS compliance. The entire solution deploys via a single CloudFormation template with three deployment options (console, CLI, or script). Cost ranges from ~$73/month at low activity to ~$161/month at high volume, dominated by infrastructure and Comprehend usage.

AWS Lambda now publishes logs for Lambda Managed Instances capacity providers

Discover more about what's new at AWS with AWS Lambda now publishes logs for Lambda Managed Instances capacity providers

Build and Run an Intelligent Document Processing (IDP) System in the Cloud

Hướng dẫn xây dựng hệ thống Xử lý Tài liệu Thông minh (IDP) trên AWS, tự động hóa thu thập email, phân loại tài liệu và trích xuất thông tin cá nhân (PII). Hệ thống sử dụng Gmail OAuth lưu trong AWS Secrets Manager, tải tệp đính kèm ảnh lên S3, chạy Amazon Textract để OCR, sau đó chuyển văn bản trích xuất tới Claude Sonnet 4.6 qua AWS Bedrock để phân loại tài liệu (hộ chiếu, bằng lái, sao kê ngân hàng) và trích xuất PII. Ba hàm Lambda đảm nhiệm từng giai đoạn, được điều phối bởi AWS Step Functions kích hoạt theo lịch trình qua EventBridge.

Lập trình viên muốn tự động hóa xử lý tài liệu phức tạp trên cloud và tối ưu hóa công cụ AI như Textract và Claude Sonnet 4.6 sẽ tìm hiểu cách triển khai hệ thống IDP hiệu quả trên AWS với kiến trúc chặt chẽ, từ OAuth đến orchestration.

Medium

Hàm inline trong Kotlin giúp tối ưu hiệu suất bằng cách loại bỏ allocation lambda và giảm chi phí gọi hàm. Ngoài inline, còn có hai biến thể quan trọng là noinline và crossinline để kiểm soát linh hoạt hơn trong việc tối ưu hóa.

Một lập trình viên Kotlin nên đọc bài này để hiểu cách tối ưu hiệu suất và quản lý bộ nhớ hiệu quả hơn bằng cách vận dụng các khái niệm noinline và crossinline, giúp tránh những hạn chế của inline trong các trường hợp đặc biệt mà nhiều người thường bỏ qua.