AWS Serverless with NodeJS
研究這個部分起因是因為公司某些功能服務是使用AWS Serverless來處理計算，故而外訂立了三個月學習NodeJS的計畫，並開始試著實作Serverless服務，Jest測試還沒研究到，下次再補充說明。
這次練習主題是，使用AWS Serverless並搭配NodeJS程式語言，實作撈取匯率API，並設定排程定期撈取匯率後更新到S3上或是Google Sheet，搭配ChatGPT快速實作，這邊提供一個免費的匯率API叫全球即時匯率API，還有提供Python 跟 PHP範例Code。
相關NodeJS的筆記文章可以參考 NodeJS 初學(一) 這系列文章
安裝serveless 框架
這邊使用的是Serverless這個框架服務，幫助我們透過CLI處理部署跟測試，而如果安裝遇到一些問題，可以選擇強制安裝
npm install -g serverless
npm install -g serverless --force
安裝完畢後可以使用下列指令查看版本
serverless --version
創建一個Serverless服務
執行下列指令創建一個serverless project，接著會有一個提示窗選擇哪種服務，第一次使用可以選擇AWS NodeJS - Starter，而其他選擇會根據你選擇的服務拉取適合你的Template模板。
//Create a new serverless project
serverless
接著下一步會詢問你project命名，可以Enter使用預設命名，或是額外建立一個新的名字。
這邊使用預設命名，接著會開始下載屬於的模板，這時候會問你註冊或是登入，這邊指的是Serverless提供的Dashboard，能夠幫助你觀察你的Serverless服務，而這邊我沒有使用。
接著會詢問你是否要部署這個Serverless，選擇NO，當你寫YES，他就會直接部署上去了。
選擇NO之後可以看到他已經幫我們創建完成，你可以在所在資料夾底下看到這個檔案
接著進到專案裡面，可以看到預設創建的檔案
檔案內容講解
這邊可以看到Serverless cli 幫我們創建了index.js檔案，這個是lambda執行邏輯的地方
對照serverless.yaml檔，可以看到function1這個名字，這是到時候本地測試時，對應的function名字，而執行這個function時，會去觸發function1:handler底下的index.handler，而這個index.handler，就是index.js檔案下個handler
程式邏輯撰寫
這邊將function1的名字改一下方便到時候本地測試時不會錯亂XDDD...，
接著你可以使用Cli指令進行本地測試
sls invoke local -f getRateApi
或者增加傳入參數
sls invoke local --function getRateApi --data {"a": "test"}
// --function 可以簡化成 -f
sls invoke local -f getRateApi --data '{"a": "我是測試參數"}'
確認都能正常執行之後開始撰寫NodeJS的邏輯，這邊NodeJS我也是還在學習階段，這次練習主要是搞懂Serverless運作觀念跟NodeJS。
首先要先創建一個package.json，因為習慣使用 yarn 這邊直接用yarn 創建，加上-y表示跳過那些問答，直接創建，接著你的文檔會多一個package.json。
npm init -y
yarn init -y
接著安裝axios，主要是基於Promise的HTTP客户端，方便我們處理HTTP請求，可以參考這個包，GITHUB。
//安裝axois套件
yarn add axios
首先先建立一個負責處理google sheet 的Class，這邊看到要使用googleapis這個套件，故我們先安裝在引入。
yarn add googleapis創建一個命名為GoogleSheetsHandler 的Class，檔案路徑跟名稱命名為./service/google.js幫我們把對google sheet的操作抽出，利用Chatgpt協助生成程式碼，constrictor傳入我們Google Sheet的credentials.json檔及SpreadsheetId，而申請googole服務可以參考這篇實作 Laravel 串接Google Sheet API，接著把這個Class export。
編寫index.js主要邏輯，這邊有在額外使用moment處理時間格式，可做可不做，只是想記錄他每天有沒有正常執行而已，引入 Class 命名為GoogleSheetsHandler，使用axois取得匯率api，接著做塞入資料的取得，接著就是針對取得的資料寫入google sheet 跟取得google sheet最後一行的處理，而這邊寫入是如果最後一行沒資料會從第二行開始A2~D2寫入，主要是因為我的Google Sheet有設置標題。
yarn add moment
註：spreadsheetId統一使用process.env的方式額外放在.env環境變數檔，方便統一管理，而取得process.env環境設定資料，得先修正serverless.yml設定，才能在process.env包含這個資料，一開始你可以先試著console.log(process.env)印出裡面包含的檔案內容，會發現無SPREADSHEET_ID這個值。
接著設定serverless.yml，增加useDotenv: true，這代表在serverless會自動將命名為.env環境變數自動加載，接著設定region，避免到時候被部署到其他地區，接著我設定了events增加schedule來產生一個cron排程，時間是每天的8點跑這個function，這裡啟動時間會根據region時區，應該是Tokyo，台灣和日本的時差為+１小時。 當台灣早上９點，日本是１０點。
而這邊的profile是設定你的AWS Credentials的，可以參考這裡的指令，而default是我自己設定的profile name，你可以使用aws configure list 查看。
serverless config credentials --provider provider --key key --secret secret
大致上這些就差不多完成了，接著我們跑一次本地測試sls invoke local -f getRateApi，可以看到數據成功寫入 Google Sheets的console.log
接著查看Google Sheet，也有正常寫入
開始部署
確定都沒有問題之後我們就要開始執行第一次部署，而第一次部署時會創建一個.serverless的資料夾，之後部署完畢後，則可以針對單一function來部署
// 第一次部署
sls deplo
// 單一 function 部署
sls deploy function -f getRateApi
部署時如果沒有配置好 AWS Credentials 則可能會出現錯誤訊息，像我就是忘記設定好，因為IAM要包含以下列出的權限，最簡單的方式在IAM設定時，Permissions policies增加AWSLambda_FullAccess權限，就會至少包含以下這些。
lambda:CreateFunction：允許建立 Lambda 函數。
lambda:UpdateFunctionCode：允許更新 Lambda 函數的程式碼。
lambda:UpdateFunctionConfiguration：允許更新 Lambda 函數的設定。
lambda:InvokeFunction：允許呼叫 Lambda 函數。
lambda:ListFunctions：允許列出 Lambda 函數。
部署完畢
部署完畢後可以看到Lambda的服務新增了一個function。
接著我們點擊進去，可以看到產生了一個lamba的服務跟一個EventBridge
而對Configuration點擊到Trigger可以看到設定資料，DailyRateUpdate是我在serverless.yaml檔設定的命名名稱，點擊進去可以看到設定好的時間內容
點擊DailyRateUpdate進入，可以看到每日執行時間。
而在部署時會在這些檔案資料會被打包放到S3裡面
修改一下排程時間試著對單一function重新部署，接著我只改了serverless.yaml檔的排程時間，發現一切都沒有變化，故單一function部署應該是只針對index.js檔案部分
最後使用 sls deploy部署才有重新修改排程時間
以上就是一個創建Serverless with NodeJS的練習，但實務上的設定可能又更複雜了些，例如使用SQS服務，創建Queue，然後在 trigger lambda function，這還沒研究到，可能要等下回合研究SQS服務的運作，才能在融會貫通，而我的之前的文章：
python 爬蟲玉山匯率並部署到aws lambda，這個教學主要是配合docker ECR的方式操作lambda，這個有一個問題就是ECR很容易超流量收費，後來就被我關掉了XDDD
