使用 aws Lambda 时，开发人员面临的常见挑战之一是管理大型 python 依赖项。 pandas、shapely 和 geopandas 等库对于地理空间分析等任务至关重要，通常会超过 lambda 的 250 mb 解压层限制。一个实用的解决方案？将您的依赖项存储在 efs（弹性文件系统） 上并将其挂载到您的 lambda 函数。
在这篇文章中，我们将逐步介绍其设置过程，包括先决条件、主要优势和分步实施。
先决条件
这篇文章面向具有高级 aws 经验的用户。它假设您对 lambda、efs、vpc 和安全组等 aws 服务有深入的了解，并且熟悉管理基础设施和在云中部署可扩展的解决方案。
在我们深入设置之前，请确保您具备以下条件：
- aws lambda 函数：您将使用 efs 配置的已部署 lambda 函数。
- efs 文件系统：在同一 aws 区域中创建的弹性文件系统。
- efs 访问点：在同一 aws 区域中创建的 efs 访问点，根目录路径为 /data ，确保正确设置 posix 权限和目录创建权限，如下所示，1101 和 1001，次要组id 1002 和权限 0755。
- vpc 和网络：确保 lambda 函数与 efs 位于同一 vpc 中，并正确配置子网和安全组。
- iam 权限：您的 lambda 函数需要访问 efs 的权限。附加适当的策略（例如，elasticfilesystem:clientmount、elasticfilesystem:clientwrite）。
用于安装软件包的处理程序代码
处理程序直接在挂载到 aws lambda 函数的 amazon efs 存储上安装 python 依赖项。这种方法绕过了 lambda 层的大小限制，使其适用于地理空间数据处理通常需要的重依赖项，例如 pandas、geopandas 和 shapely。它确保 /mnt/data 目录中提供所需的库，供 lambda 在执行期间使用：
import os import subprocess package_dir = "/mnt/data/lib/{}/site-packages/" def get_python_version_tag(): """generates a python version tag like 'python3.11'.""" return f"python{os.sys.version_info.major}.{os.sys.version_info.minor}" def install_package(package): """installs a python package into the efs-mounted directory.""" target_dir = package_dir.format(get_python_version_tag()) os.makedirs(target_dir, exist_ok=true) try: subprocess.run( [ "pip", "install", package, "--target", target_dir, "--upgrade", "--no-cache-dir", ], check=true, ) print(f"package {package} installed successfully!") except subprocess.calledprocesserror as e: print(f"failed to install package {package}: {e}") def handler(event, context): """aws lambda handler for installing packages.""" try: # list of packages to install from the event input packages = event.get("packages", []) for package in packages: install_package(package) #optional for see packages installed #os.system(f"ls -la {package_dir.format(get_python_version_tag())}") return {"statuscode": 200, "body": "packages installed successfully!"} except exception as e: print(f"error: {e}") return {"statuscode": 500, "body": f"an error occurred: {e}"}
测试步骤
调用 lambda 函数时，传递以下 json 负载：
{ "packages": ["requests", "pandas"] }
验证软件包安装
使用 ssh 会话或 aws cli 导航到您的 efs 挂载点（例如 /mnt/data/lib/）。
检查 site-packages/ 目录下已安装的软件包。
或者简单地使用 a 查看已安装的软件包
os.system(f"ls -la {package_dir.format(get_python_version_tag())}")
最终使用 lambda 中安装的依赖项
更新 lambda 函数的处理程序以包含安装在 efs 上的依赖项，这里的关键是将 efs 中的依赖项路径挂载到 lambda 处理程序的 pythonpath：
重要提示
所有希望使用已安装依赖项的 lambda 函数都必须将 efs 附加到 lambda。如果没有此附件，lambda 将无法访问 efs 上存储的所需依赖项。
import sys sys.path.append("/mnt/data/lib/python3.11/site-packages/") # Adjust Python version as needed # Dependencies are now available!!! import pandas as pd def lambda_handler(event, context): return {"message": "Dependencies loaded successfully!"}
主要优点
虽然直接在 efs 中安装 python 依赖项并不常见，但在 lambda 的默认限制（例如 250 mb 解压缩层大小）受到限制的情况下，它提供了某些优势。这种方法对于需要使用诸如 pandas、shapely 和 geopandas 等繁重库进行地理空间计算的应用程序特别有用，这些库通常超出层大小限制。
立即学习“Python免费学习笔记（深入）”；
使用 efs 进行依赖关系的好处：
- 绕过 lambda 层大小限制：安装和使用库，无需担心打包限制。
- 启用大规模地理空间处理：在无服务器环境中处理复杂的空间计算。
- 简化依赖关系管理：动态添加或更新库，无需重新部署 lambda 函数。
该解决方案非常适合高级数据处理任务，例如地理空间分析，还可以根据需要轻松扩展存储，同时保持无服务器架构的灵活性。
