AWS Lambda Durable Functions完全ガイド【2026年新機能】

「Lambda Durable Functionsって従来のLambdaと何が違うの？」「Step Functionsとの使い分けは？」「AI推論パイプラインをサーバーレスで構築したい」

AWS Lambda Durable Functionsは、従来のLambdaの15分制限を超えて長時間処理を安全に実行できる新機能です。 自動チェックポイントにより、処理の途中で中断しても再開可能で、AI推論パイプラインや大規模バッチジョブに最適なソリューションです。

この記事では、AWS完全攻略シリーズEp.51として、Durable Functionsの基礎から実践的な活用法までを解説します。

Lambda Durable Functionsとは？従来のLambdaとの違い

サーバーレスの課題を解決する新アプローチ

従来のAWS Lambdaには最大15分のタイムアウト制限がありました。この制限は、以下のようなユースケースで大きな障壁となっていました。

• AI/MLモデルの推論（大量データ処理）
• 動画のトランスコーディング
• 大規模データのETL処理
• 複雑なワークフローの逐次実行

Lambda Durable Functionsは、自動チェックポイントと一時停止/再開のメカニズムにより、これらの課題を根本的に解決します。

比較項目	従来のLambda	Lambda Durable Functions
最大実行時間	15分	最大24時間（設定次第）
チェックポイント	なし	自動
障害復旧	最初から再実行	最後のチェックポイントから再開
状態管理	なし	自動永続化
メモリ	最大10GB	最大10GB

Azure Durable Functionsとの比較

AWSのDurable Functionsは、Microsoft Azureの同名機能にインスパイアされています。

AWS公式ドキュメントによると、AWSは「よりシンプルなAPI」と「自動チェックポイント」で差別化を図っています。

比較項目	AWS Lambda Durable	Azure Durable Functions
チェックポイント	自動	手動（OrchestrationContext）
サポート言語	Python, Node.js, Java	C#, JavaScript, Python, Java
状態ストア	DynamoDB（自動）	Azure Storage
GPU対応	あり（Managed Instances連携）	なし

Durable Functionsのアーキテクチャと仕組み

自動チェックポイントの仕組み

Durable Functionsは、関数実行中に自動的にチェックポイントを作成します。

import aws_lambda_durable as durable

@durable.function
def process_data(event, context):
    # ステップ1: データ取得
    data = fetch_large_dataset(event['source'])
    # → ここで自動チェックポイント
    
    # ステップ2: AI推論
    results = run_inference(data)
    # → ここで自動チェックポイント
    
    # ステップ3: 結果保存
    save_results(results)
    return {"status": "completed", "count": len(results)}

チェックポイントは以下のタイミングで自動作成されます：

• await/非同期呼び出しの前後
• durable.checkpoint()の明示的な呼び出し
• 外部サービスへのAPI呼び出しの前後
• 設定した間隔（デフォルト: 5分）

一時停止/再開のメカニズム

実行中の関数が中断された場合（インスタンスのリサイクル、エラー等）、最後のチェックポイントから自動的に再開されます。

[実行開始] → [Step1完了] → [チェックポイント①] → [Step2実行中]
                                                        ↓
                                                   [中断発生]
                                                        ↓
                                            [チェックポイント①から再開]
                                                        ↓
                                                   [Step2再実行]

耐障害性の実現方法

Durable Functionsは、チェックポイントデータをDynamoDBに自動保存します。これにより：

• アベイラビリティゾーン障害に対する耐性
• インスタンス障害からの自動復旧
• デプロイ中の実行継続が可能

主要ユースケース

AI推論パイプライン（長時間処理）

大量のドキュメントをAIで分析するパイプラインの例：

@durable.function
def ai_analysis_pipeline(event, context):
    documents = event['documents']  # 10,000件のドキュメント
    
    results = []
    for batch in chunks(documents, 100):
        # 各バッチ処理後に自動チェックポイント
        batch_results = await bedrock.invoke_batch(batch)
        results.extend(batch_results)
    
    return aggregate_results(results)

AWS Bedrock入門ガイドと組み合わせることで、エンタープライズ規模のAI処理を構築できます。

大規模バッチジョブ

数百万レコードのデータ処理も、チェックポイント付きで安全に実行できます。

マルチステップワークフロー

複数のサービスを跨ぐワークフローを単一の関数で記述できます。

Step Functionsとの使い分け

ユースケース	Durable Functions	Step Functions
長時間の単一処理	✅ 最適	△ オーバースペック
複雑な分岐ロジック	△ コードで記述	✅ ビジュアルワークフロー
状態管理	自動	ASL定義が必要
エラーハンドリング	try/catch	Catch/Retry
コスト	Lambda料金のみ	状態遷移ごとに課金

Step Functionsガイドとの比較も参考にしてください。

実装チュートリアル：AI推論パイプラインの構築

環境構築とIAM設定

# SAMテンプレートでプロジェクト作成
sam init --runtime python3.12 --app-template durable-function

# IAMポリシー（DynamoDBアクセスが自動追加される）

# template.yaml
Resources:
  AiPipelineFunction:
    Type: AWS::Serverless::Function
    Properties:
      Handler: app.handler
      Runtime: python3.12
      Timeout: 86400  # 24時間
      MemorySize: 4096
      Policies:
        - DurableFunctionPolicy  # 自動チェックポイント用
        - BedrockInvokePolicy

Durable Functionの定義

# app.py
import aws_lambda_durable as durable
from aws_lambda_durable import checkpoint

@durable.function(
    checkpoint_interval=300,  # 5分ごと
    max_retries=3
)
def handler(event, context):
    # データ取得
    s3_objects = list_s3_objects(event['bucket'], event['prefix'])
    checkpoint("data_listed")
    
    # バッチ推論
    results = []
    for i, batch in enumerate(chunks(s3_objects, 50)):
        batch_result = process_batch(batch)
        results.extend(batch_result)
        checkpoint(f"batch_{i}_completed")
    
    # 結果集約・保存
    summary = aggregate(results)
    save_to_s3(summary, event['output_bucket'])
    
    return {"status": "success", "processed": len(s3_objects)}

チェックポイント設計のベストプラクティス

1. 高コストな処理の前後にチェックポイントを配置
2. 外部API呼び出しの前にチェックポイントを設定
3. チェックポイントのデータサイズを最小化（大きなデータはS3に退避）
4. 冪等性を確保（再実行しても同じ結果になるように設計）

Lambda Managed Instancesとの組み合わせ

GPU対応ワークロードの実現

Lambda Managed Instancesを使うと、Lambda上でGPUワークロードを実行できます。

Resources:
  GpuInferenceFunction:
    Type: AWS::Serverless::Function
    Properties:
      Handler: app.handler
      Runtime: python3.12
      ManagedInstance:
        InstanceType: g5.xlarge  # NVIDIA A10G GPU
        Durable: true  # Durable Functions有効化

EC2レベルのカスタマイズ × Lambda運用の簡素さ

Managed Instancesの利点は、EC2のようなインスタンスカスタマイズとLambdaのようなサーバーレス運用を両立できることです。

Lambda入門ガイドとLambdaサーバーレスガイドも合わせて参照してください。

コスト最適化：従来構成 vs Durable Functions

課金モデルの違い

課金項目	従来のLambda	Durable Functions
実行時間	リクエスト単価	リクエスト単価（同じ）
チェックポイント	—	DynamoDB WCU（低コスト）
状態保存	—	DynamoDB ストレージ
Managed Instance	—	インスタンス稼働時間

コスト試算シミュレーション

ユースケース: 1日1回、10万ドキュメントのAI分析（処理時間: 2時間）

構成	月額コスト
EC2 + ECS（常時起動）	$350〜500
Step Functions + Lambda	$150〜250
Lambda Durable Functions	$80〜120

Durable Functionsは、EC2/ECS構成と比較して60〜75%のコスト削減が可能です。

サーバーレスプロジェクトガイドでも、コスト最適化のパターンを紹介しています。

SESエンジニアとしてのスキルアップポイント

Lambda Durable Functionsは、以下のSES案件で重宝されるスキルです。

• AI/ML基盤構築案件 — 推論パイプラインの設計・実装
• データエンジニアリング案件 — 大規模ETL処理の効率化
• モダナイゼーション案件 — レガシーバッチ処理のサーバーレス化

AWSエンジニアガイドで、AWS案件全体のスキルマップを確認してください。

まとめ：Durable Functionsで広がるサーバーレスの可能性

Lambda Durable Functionsは、サーバーレスの適用範囲を大幅に拡張する画期的な機能です。

今日から始める3ステップ：

1. sam init --app-template durable-function でサンプルプロジェクトを作成
2. 既存のバッチ処理をDurable Functionsに移行してコスト比較
3. AI推論パイプラインのPoCを構築してチームに提案

15分制限に悩まされていたサーバーレスの世界が、Durable Functionsで大きく変わります。