Python Azure Function部署极慢，寻求缓存依赖及加速方案

一、缓存已安装依赖，避免全量重装 #

• 保留现有.python目录：默认部署流程会删除旧的.python目录，你可以修改部署脚本（比如Azure CLI或CI脚本），跳过该目录的删除步骤。仅当requirements.txt有变更时，才重新执行依赖安装，否则直接复用已有的依赖目录。
• 配置pip本地缓存：在部署的pip安装命令中指定缓存目录，让重复依赖无需重新下载。示例命令：

  # 先下载依赖到缓存目录
  pip download -r requirements.txt -d /home/site/.pip-cache
  # 从缓存目录安装，不访问远程源
  pip install --no-index --find-links /home/site/.pip-cache -r requirements.txt
  

• 预先构建依赖包：在本地或CI环境中，提前构建适配Azure Linux运行时的依赖包（可使用Docker模拟Azure环境），将.python目录打包后，部署时直接解压到/home/site/wwwroot，跳过在线安装步骤。也可以用func pack命令打包成zip包，部署时直接上传zip，减少服务器端的安装操作。

二、其他加速部署的技巧 #

• 精简依赖清单：检查requirements.txt，移除未使用的包。比如darts依赖较多第三方库，确认是否全部用到；torch可进一步确认是否需要完整功能，尝试用更轻量的替代版本。
• 分层部署：将代码文件与依赖目录分离，仅在代码小幅改动时，同步更新代码文件（比如用Azure CLI的az functionapp deployment source config-zip指定只上传代码文件），依赖目录保持不变。
• 使用部署槽：先部署到staging槽，验证无误后再切换到生产槽。部署槽之间可复用已缓存的依赖，同时避免部署过程影响生产服务。
• 升级服务计划：将Consumption计划切换为Premium或Dedicated计划，这类计划提供更充足的计算资源，能大幅缩短依赖安装和文件复制的时间。
• 优化pip下载源：在requirements.txt顶部添加国内镜像源，加速包的下载速度，示例：

  -i https://pypi.tuna.tsinghua.edu.cn/simple
  azure-functions
  pyodbc
  sqlalchemy
  numpy==1.26.4
  pandas
  -f https://download.pytorch.org/whl/torch_stable.html
  torch==2.2.0+cpu
  darts
  

内容的提问来源于stack exchange，提问作者Ben