{"canonical_url":"https://engineer.company/sv/glossary/serverless/","content_markdown":"# serverless\n\n## Vad det är\n\nServerless är ett sätt att köra kod där teamet skriver och driftsätter applikationen medan en\nleverantör driver, skalar och underhåller maskinerna under den. På svenska talar man också om\nserverlösa tjänster. Whitepapern från CNCF Serverless Working Group använder det längre namnet\nserverless computing och beskriver det som att bygga och köra applikationer utan att någon i teamet\nbehöver hantera en server.\n\nNamnet tar i, och whitepapern säger det rakt ut: det behövs fortfarande servrar för att köra en\nserverless-plattform. Servrarna finns kvar, och det gör driftarbetet också. Det som ändras är vem\nsom utför det. Teamet väljer inte längre maskinstorlekar, installerar inte operativsystemet, patchar\ndet inte och bestämmer inte hur många kopior som ska köras. Det lämnar över kod eller en\ncontaineravbildning och en beskrivning av när koden ska köras.\n\nWhitepapern delar upp fältet i två delar. Functions-as-a-service, förkortat FaaS, är händelsedriven\ndatabehandling: små stycken logik som körs när något händer. Det som startar en funktion kallas en\ntrigger, och den är oftast resultatet av en händelse, till exempel en inkommande HTTP-förfrågan\neller en ändring i en databas. Backend-as-a-service, förkortat BaaS, är den andra delen:\ntredjepartstjänster som man når via ett API och som ersätter hela delar av en applikations\nfunktionalitet. Funktionerna förväntas vara tillståndslösa och kortlivade, så det är på BaaS-sidan\nsom tillståndet bor.\n\nTvå produkter visar spännvidden. AWS Lambda beskriver sig själv som en serverless beräkningstjänst\nsom kör kod utan att man behöver förbereda eller hantera servrar, och dess ursprungliga form är\nevent-funktionen: en handler plus en trigger. Azure Container Apps kallar sig en\nserverless-plattform för att köra containerbaserade applikationer utan att hantera infrastrukturen\nunder dem. Den första tar emot en funktion, den andra en hel container, och båda lämnar maskinerna\nåt leverantören.\n\n## Varför det spelar roll\n\nDebiteringsmodellen är det första skälet till att team tittar på det. Whitepapern beskriver\nprissättningen som pay-as-you-go, där man bara betalar för tiden koden körs och inte betalar något\nmedan den står stilla. Lambda debiterar en event-funktion per förfrågan plus den körtid den\nanvänder, mätt i gigabytesekunder. En tjänst som har fullt upp en timme om dygnet betalar för den\ntimmen och inte för en server som väntar de övriga 23.\n\nDet andra skälet är skalning åt båda hållen. Lambda skapar och tar bort körmiljöer i takt med att\ntrafiken ökar och minskar, och whitepapern beskriver funktioner vars antal instanser sjunker till\nnoll när det inte finns något arbete. Microsoft skriver att Container Apps skalar på HTTP-trafik,\nhändelser eller belastning på processor och minne, och att de flesta applikationer kan skala hela\nvägen ned till noll.\n\nDet tredje skälet är arbetet som försvinner från teamets bord. AWS räknar upp serverunderhåll,\nkapacitetsplanering, skalning och patchning bland uppgifterna som Lambda sköter. För ett litet team\när det just de sysslorna som kan fylla en hel vecka utan att något levereras, och på en\nserverless-plattform blir de leverantörens ansvar.\n\nAnvändningsfallen i whitepapern visar var modellen passar bäst: att reagera på ändringar i en\ndatabas, behandla sensordata från enheter, hantera dataströmmar och korta schemalagda uppgifter av\ndet slag som annars hade varit ett cron-jobb. Microsofts lista för Container Apps lägger till\nAPI-slutpunkter, bakgrundsjobb och mikrotjänster.\n\nSamma whitepaper varnar också för att serverless kan se ut som det billigaste alternativet i början,\noch ber team att se på hela kostnadsbilden innan de bestämmer sig. Förbrukningsbaserad debitering\nlönar sig för arbete som kommer i skurar och står stilla större delen av tiden. Arbete som håller en\nmaskin sysselsatt dygnet runt är en annan kalkyl, och felsökning, som enligt whitepapern kan vara\nsvårare än på IaaS och PaaS, är också en kostnad.\n\n## Så ser det ut i praktiken\n\nAWS dokumentation för handlers i Python har ett exempel som tar emot en order, skriver ett kvitto\nsom text och sparar det i en Amazon S3-bucket. En förkortad version ser ut så här:\n\n```python\nimport os\n\nimport boto3\n\n# Körs i Init-fasen, en gång per körmiljö.\ns3_client = boto3.client(\"s3\")\n\n\ndef lambda_handler(event, context):\n    order_id = event[\"Order_id\"]\n    bucket_name = os.environ.get(\"RECEIPT_BUCKET\")\n    receipt_content = (\n        f\"OrderID: {order_id}\\n\"\n        f\"Amount: ${event['Amount']}\\n\"\n        f\"Item: {event['Item']}\"\n    )\n    key = f\"receipts/{order_id}.txt\"\n    s3_client.put_object(Bucket=bucket_name, Key=key, Body=receipt_content)\n    return {\"statusCode\": 200, \"message\": \"Receipt processed successfully\"}\n```\n\nHandlern tar exakt två argument. Det första innehåller de data som ska behandlas, och en händelse i\nJSON kommer in som en Python-dictionary, så den här funktionen väntar sig indata med följande form:\n\n```json\n{\"Order_id\": \"12345\", \"Amount\": 199.99, \"Item\": \"Wireless Headphones\"}\n```\n\nDet andra argumentet, kontextobjektet, innehåller uppgifter om själva anropet. Heter filen\n`lambda_function.py` får handlern namnet `lambda_function.lambda_handler`, vilket är standardnamnet\nsom Lambda-konsolen ger en ny funktion. Bucketnamnet kommer från en miljövariabel och inte från\nkoden, så som AWS rekommenderar att driftinställningar skickas in, och koden innehåller inga\ninloggningsuppgifter: Lambda ger dem till SDK:t genom sina egna miljövariabler.\n\nVar klienten skapas spelar roll. För en händelsefunktion som körs på begäran\nutan SnapStart eller Managed Instances går körmiljön i Lambda igenom tre faser:\nInit, Invoke och Shutdown. Kod utanför handlern körs en gång under Init, och AWS\nbegränsar det första Init-försöket till 10 sekunder. Därefter körs handlern för\nvarje händelse inom funktionens tidsgräns. När en miljö återanvänds för nästa\nhändelse, det AWS kallar en warm start, finns klienten från Init kvar och byggs\ninte om.\n\nServerless behöver inte betyda funktioner. Portföljinlägget om\n[Azure-infrastruktur provisionerad som kod](/sv/portfolio/provisioned-azure-infrastructure-as-code/)\nnämner två tjänster, `api` och `www`, som körs på Azure Container Apps och vars\ncontaineravbildningar ligger i projektets eget Azure Container Registry. Microsoft kallar Container\nApps en serverless-plattform för containrar, så det är de två tjänsterna som utgör serverless-delen\nav helheten. Varje miljö beskrivs av en enda uppsättning Bicep-mallar med parametrar, och därför kan\ninlägget behandla en ny miljö som en pull request.\n\nDen motsatta vägen kan också vara den rätta. Inlägget om att [granska\ninfrastrukturen och flytta arbetslaster bort från\nAWS](/sv/portfolio/a-tenth-of-the-cloud-bill-and-nothing-lost/) börjar med en\nAWS-miljö som var långt större än verksamheten använde och som fortfarande bar\npå tjänster som ingen behövde. De oanvända tjänsterna togs bort, återstående\nkapacitet anpassades och arbetslasterna flyttades bort från AWS.\nServerless-debitering är ett sätt att slippa betala för ledig kapacitet; att\ngranska och ta bort oanvänd infrastruktur är ett annat. En jämförelse av den\nverkliga belastningen och kostnaderna skulle behövas för att avgöra vilket som\nkostar minst; inlägget redovisar ändringar snarare än ett kostnadsförhållande på\njämförbara grunder.\n\n## Var det går fel\n\nDe flesta fel med serverless kommer av att man behandlar en funktion som en liten server som alltid\när igång, vilket den inte är.\n\n**Kallstarter fördröjer en del förfrågningar.** När ingen miljö står redo måste Lambda hämta koden,\nsätta upp en miljö och köra Init-koden innan handlern ser händelsen. Enligt AWS drabbar kallstarter\nvanligtvis under 1 % av anropen och varar från under 100 millisekunder till över en sekund; de är\nvanligare i utvecklings- och testfunktioner, och Init-tiden debiteras. Lösningen är att hålla Init\nliten, bara importera det som funktionen behöver och läsa in sällan använda objekt först när de\nbehövs. Där fördröjningen spelar roll håller provisioned concurrency ett valt antal miljöer\ninitierade i förväg.\n\n**Tillstånd i miljön läcker eller försvinner.** Varje anrop körs oberoende, och en miljö kanske\nåteranvänds, kanske inte. AWS byter dessutom ut miljöer med några timmars mellanrum för att\nuppdatera runtime, även vid jämn trafik, och en återställning efter en krasch eller en timeout\ntömmer inte katalogen `/tmp`. Data från en händelse kan därför dyka upp under en annan eller\nförsvinna utan förvarning. Lösningen är att hålla användardata och händelser helt utanför miljön och\nlägga allt som ska bevaras i en databas eller en lagringstjänst.\n\n**Samma händelse behandlas två gånger.** En funktion kan ta emot dubblerade händelser, och AWS lista\növer god praxis ber om idempotent kod som validerar varje händelse och hanterar en dubblett på samma\nsätt som originalet. I exemplet ovan härleds kvittots nyckel från ordernumret, så en ny körning\nskriver över samma objekt i stället för att skapa ännu ett kvitto. Varje sidoeffekt som inte tål att\nupprepas, som att skicka ett e-postmeddelande eller dra pengar från ett kort, behöver en egen\nregistrering av vad som redan är gjort.\n\n**Hårda gränser stoppar arbetet halvvägs.** För händelsefunktioner utanför\nLambda Managed Instances kan ett anrop köras i högst 900 sekunder, alltså 15\nminuter. En synkron förfrågan och ett buffrat synkront svar är vardera\nbegränsade till 6 MB, en asynkron förfrågan till 1 MB och miljövariabler till 4\nKB sammanlagt. Att överskrida en gräns ger ett fel, inte en inbromsning.\nLösningen är att utforma systemet efter gränserna från början: dela upp långa\njobb i steg, lägga stora datamängder i en lagringstjänst och skicka vidare en\nreferens, och flytta arbete som inte ryms inom gränserna till en\ncontainerplattform eller en virtuell maskin.\n\n**Samtidigheten tar slut före trafiken.** Lambdas standardkvot är 1 000 samtidiga körningar per\nregion, medan API Gateway som standard tillåter 10 000 förfrågningar per sekund, så ingången kan ta\nemot fler förfrågningar än funktionerna bakom den kan köra. Nya konton börjar med sänkta kvoter för\nsamtidighet och minne, som AWS höjer automatiskt utifrån användningen. Lösningen är att begära en\nhöjning före lanseringen och att lasttesta vid den väntade toppbelastningen.\n\n**En funktion som startar sig själv får räkningen att skena.** En funktion som anropar sig själv,\neller som sätter i gång en process som anropar den igen, kan utlösa en flod av anrop, och vart och\nett debiteras. AWS råd är att undvika rekursiva anrop och, om en oväntad volym plötsligt dyker upp,\ngenast sätta funktionens reserved concurrency till `0`, vilket stoppar alla anrop tills koden är\nrättad.\n\n**Programmeringsmodellen binder dig till en plattform.** Whitepapern pekar ut plattformens\nprogrammeringsmodell, dess gränssnitt för händelser och meddelanden och dess BaaS-erbjudanden som\nkällor till inlåsning. Lösningen är att hålla affärslogiken i vanliga funktioner som handlern bara\nanropar, och att föredra plattformar som Container Apps, som kör en vanlig containeravbildning från\nvalfritt register, när en senare flytt är en verklig möjlighet.\n\n## Läs mer\n\n- [CNCF Serverless Whitepaper v1.0](https://github.com/cncf/wg-serverless/tree/master/whitepapers/serverless-overview)\n  — arbetsgruppens definitioner av serverless, FaaS och BaaS, och nackdelarna.\n- [What is AWS Lambda?](https://docs.aws.amazon.com/lambda/latest/dg/welcome.html)\n  — vad Lambda tar hand om, dess funktionstyper och dess debiteringsmodell.\n- [Define Lambda Event Function handler in Python](https://docs.aws.amazon.com/lambda/latest/dg/python-handler.html)\n  — hela kvittoexemplet, namngivning av handlers och god praxis för koden.\n- [Understanding the Lambda execution environment lifecycle](https://docs.aws.amazon.com/lambda/latest/dg/lambda-runtime-environment.html)\n  — faserna Init, Invoke och Shutdown, kallstarter och återanvändning av miljöer.\n- [Lambda quotas](https://docs.aws.amazon.com/lambda/latest/dg/gettingstarted-limits.html)\n  — gränser för samtidighet, minne, tidsgräns och payload, och hur de höjs.\n- [Azure Container Apps overview](https://learn.microsoft.com/en-us/azure/container-apps/overview)\n  — Microsofts serverless-plattform för containrar, som kan skala till noll.\n\n\u003chttps://engineer.company/sv/glossary/serverless/\u003e\n","date_modified":"2026-11-09T21:50:25Z","description":"Vad serverless betyder, vilket arbete leverantören tar över, hur en funktion skrivs, startas och debiteras, och gränserna som överraskar team.","formats":{"gemtext":"https://engineer.company/sv/glossary/serverless/index.gmi","gopher":"https://engineer.company/sv/glossary/serverless/gophermap","html":"https://engineer.company/sv/glossary/serverless/","json":"https://engineer.company/sv/glossary/serverless/index.json","markdown":"https://engineer.company/sv/glossary/serverless/index.md","pdf":"https://engineer.company/sv/glossary/serverless/index.pdf"},"kind":"page","language":"sv","title":"Vad är serverless?","url":"https://engineer.company/sv/glossary/serverless/","version":1}