AWS Amplify CLI与独立CDK应用集成实践指南
2025-06-28 04:25:59作者:尤辰城Agatha
amplify-cli
The AWS Amplify CLI is a toolchain for simplifying serverless web and mobile development.
背景介绍
在云原生应用开发中,AWS Amplify CLI和AWS CDK都是开发者常用的工具。Amplify CLI提供了快速构建全栈应用的能力,而CDK则允许开发者使用熟悉的编程语言定义云资源。当开发者尝试在独立CDK应用中引用Amplify管理的资源时,会遇到一些集成挑战。
核心问题分析
开发者在使用独立CDK应用(非Amplify项目内的自定义资源)时,尝试通过@aws-amplify/cli-extensibility-helper访问Amplify后端资源会遇到以下问题:
- 参数缺失错误:当尝试获取Amplify认证资源时,系统会报告多个CloudFormation参数缺失
- 设计理念差异:Amplify辅助工具主要设计用于Amplify项目内部,与独立CDK应用的设计理念不同
- 资源引用困难:直接从独立CDK应用引用Amplify管理的资源(如用户池ID)存在技术障碍
解决方案实现
经过实践探索,我们找到了一种可靠的集成方案,通过以下步骤实现:
1. 在Amplify自定义资源中导出参数
首先,在Amplify项目内创建一个自定义资源,将需要共享的参数存储到AWS系统管理器参数存储(SSM)中:
// 获取当前Amplify项目环境信息
const amplifyProjectInfo = AmplifyHelpers.getProjectInfo();
// 获取用户池ID引用
const mypoolId = cdk.Fn.ref(dependentResources.auth.myauthxxx.UserPoolId)
// 添加资源依赖关系
const dependentResources: AmplifyDependentResourcesAttributes = AmplifyHelpers.addResourceDependency(
this,
amplifyResourceProps.category,
amplifyResourceProps.resourceName,
[{ category: 'auth', resourceName: 'myauthxxx' }],
);
// 将用户池ID存储到SSM参数存储
new StringParameter(this, `poolId-${amplifyProjectInfo.envName}`, {
parameterName: `/amplify/UserPoolId-${amplifyProjectInfo.envName}`,
stringValue: mypoolId,
description: '从认证堆栈获取的用户池ID'
});
2. 在独立CDK应用中引用参数
在独立的CDK应用中,通过SSM参数存储获取Amplify资源信息:
// 为Cognito创建自定义域名证书
const cert = new Certificate(this, "authCert", {
domainName: `auth.${props.domain}`,
validation: CertificateValidation.fromDns(appZone),
});
// 从SSM参数存储获取用户池ID
const poolId = StringParameter.valueForStringParameter(
this,
`/amplify/UserPoolId-${props.environment.environmentName}`
);
// 创建用户池引用
const up = UserPool.fromUserPoolId(this, "pool", poolId);
// 配置用户池自定义域名
const userPoolDomain = new UserPoolDomain(this, "UserPoolDomain", {
userPool: up,
customDomain: {
domainName: `auth.${props.domain}`,
certificate: cert,
},
});
// 为自定义域名创建Route53记录
new ARecord(this, "UserPoolCloudFrontAliasRecord", {
zone: appZone,
recordName: authDomainName,
target: RecordTarget.fromAlias(
new aws_route53_targets.UserPoolDomainTarget(userPoolDomain)
),
});
技术要点解析
- 参数传递机制:通过SSM参数存储实现了Amplify资源和独立CDK应用之间的参数传递
- 环境隔离:使用环境名称作为参数名称的一部分,确保不同环境的隔离性
- 资源引用安全:避免了直接暴露敏感信息,通过AWS服务间安全通信获取必要参数
- 解耦设计:两个系统保持独立,仅通过标准AWS服务进行必要通信
未来演进方向
AWS Amplify Gen2版本已经采用了基于CDK的新架构,这将从根本上解决这类集成问题。对于新项目,建议考虑:
- 评估使用Amplify Gen2的可能性
- 了解Gen2对CDK原生管道的支持情况
- 权衡Amplify便利性和CDK灵活性之间的平衡
总结
本文介绍的方法为当前Amplify CLI和独立CDK应用集成提供了可行的解决方案,特别适合需要为Cognito配置自定义域名等场景。通过SSM参数存储作为桥梁,既保持了系统的独立性,又实现了必要的资源共享。随着Amplify Gen2的成熟,这类集成问题将得到更优雅的解决。
amplify-cli
The AWS Amplify CLI is a toolchain for simplifying serverless web and mobile development.
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
Spark-Prover-X1-7BSpark-Prover-X1-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer-X1-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile015
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
最新内容推荐
32位ECC纠错Verilog代码:提升FPGA系统可靠性的关键技术方案 ZLIB 1.3 静态库 Windows x64 版本:高效数据压缩解决方案完全指南 Jetson TX2开发板官方资源完全指南:从入门到精通 STDF-View解析查看软件:半导体测试数据分析的终极工具指南 2023年最新HTMLCSSJS组件库:提升前端开发效率的必备资源 Photoshop作业资源文件下载指南:全面提升设计学习效率的必备素材库 IEC61850建模工具及示例资源:智能电网自动化配置的完整指南 海康威视DS-7800N-K1固件升级包全面解析:提升安防设备性能的关键资源 PADS元器件位号居中脚本:提升PCB设计效率的自动化利器 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
306
2.7 K
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
138
169
暂无简介
Dart
598
130
React Native鸿蒙化仓库
JavaScript
235
309
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
632
232
仓颉编译器源码及 cjdb 调试工具。
C++
123
710
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.06 K
616
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
197
74
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
460