aws / aws/aws-lambda-roadmap

Support for accelerated computing instance types in Lambda Managed Instances

Ouverte
#81 1 commentaire 2 réactions 1 personne assignée Voir sur GitHub

@ningzhang2325 y travaille déjà.

Depuis le 10/12/2025.

Lambda PM request
Langage dominant
Aucune donnée de langage
Étoiles
196
Forks
5
Métriques de merge des PR
Aucune PR mergée en 30 j

Description

Note

  • Please vote on this issue by adding a 👍 reaction to the original issue to help the community and maintainers prioritize this request
  • Please do not leave "+1" or "me too" comments, they generate extra noise for issue followers and do * not help prioritize the request
    If you are interested in providing additional feedback, please leave a comment

Description
Lambda Managed Instances currently provides access to CPU-based EC2 instances, enabling customers to leverage specialized hardware configurations while maintaining Lambda's serverless simplicity. (https://docs.aws.amazon.com/lambda/latest/dg/lambda-managed-instances.html)
We propose expanding the available instance types to include accelerated computing instances for workloads such as machine learning inference, media processing, graphics rendering, scientific computing, and data analytics. This capability would allow teams to optimize performance for parallel processing, matrix operations, and high-throughput computational functions while maintaining Lambda's serverless operational model—event source integration, automatic scaling, managed infrastructure, and simplified deployment.

Guide de contribution

Ouvrir le guide de contribution

Par où commencer

  1. Lisez l'issue en entier, puis le guide de contribution du projet.
  2. Signalez en commentaire que vous la prenez — cela évite que deux personnes fassent le même travail.
  3. Forkez le dépôt et travaillez sur une branche.
  4. Ouvrez une pull request qui référence le numéro de l'issue.

Évaluation

Cette issue n'a pas encore été évaluée.

Recevez les nouvelles issues par e-mail

Un résumé court des issues GitHub adaptées aux débutants.