使用AWS Amplify Lambda扫描DynamoDB全表时遇502错误如何解决？

你的问题核心不是Lambda内存不够，而是一次性把660MB的全量数据加载到内存再返回，这会触发几个关键限制：

• API Gateway的响应 payload 上限是10MB，超过就会返回502错误
• 递归扫描的栈深度过大，23000条数据需要多次递归调用，容易导致栈溢出
• 全量数据加载+传输的时间会超过Lambda默认超时（3秒），直接中断扫描过程

下面是具体的修复步骤：

1. 用迭代式扫描替代递归 #

递归调用getPrice会随着扫描次数增加耗尽调用栈，改成迭代循环更稳定：

async function getPrice(params) {
  let allItems = [];
  let lastEvaluatedKey = null;

  do {
    if (lastEvaluatedKey) {
      params.ExclusiveStartKey = lastEvaluatedKey;
    }

    const data = await ddbDocClient.send(new ScanCommand(params));
    if (data.Items.length > 0) {
      allItems.push(...data.Items);
    }

    lastEvaluatedKey = data.LastEvaluatedKey;
    console.log('剩余未扫描数据：', !!lastEvaluatedKey);
  } while (lastEvaluatedKey);

  console.log('扫描完成，总条目数：', allItems.length);
  return allItems;
}

2. 拆分数据，分页返回给前端 #

直接返回660MB数据肯定触发API Gateway限制，改成让前端分页请求：

• Lambda新增分页参数（pageSize和lastKey）
• 每次只返回指定数量的数据和下一页的LastEvaluatedKey

修改后的API处理逻辑：

app.get(path, async function (req, res) {
  const pageSize = parseInt(req.query.pageSize) || 100;
  const lastKey = req.query.lastKey ? JSON.parse(decodeURIComponent(req.query.lastKey)) : undefined;

  const params = {
    TableName: tableName,
    Select: 'ALL_ATTRIBUTES',
    Limit: pageSize // 限制每次扫描返回的条目数
  };

  if (lastKey) {
    params.ExclusiveStartKey = lastKey;
  }

  try {
    const data = await ddbDocClient.send(new ScanCommand(params));
    // 返回当前页数据和下一页的key（如果有）
    res.json({
      items: data.Items,
      nextLastKey: data.LastEvaluatedKey ? encodeURIComponent(JSON.stringify(data.LastEvaluatedKey)) : null
    });
  } catch (err) {
    res.statusCode = 500;
    res.json({ error: '加载数据失败: ' + err.message });
  }
});

前端可以通过循环请求，每次带上上一页的nextLastKey，直到nextLastKey为null，再拼接所有数据。

3. 调整超时设置 #

• Lambda：把超时时间调到合适的值（比如5分钟，最多支持15分钟），避免扫描过程中被强制终止
• API Gateway：调整集成超时，和Lambda超时保持一致，防止提前断开连接

4. 可选：并行扫描提速（针对超大规模表） #

如果单线程扫描太慢，可以用并行扫描，同时发起多个扫描请求，每个请求指定不同的Segment和TotalSegments参数，最后合并结果，适合数据量极大的场景。

为什么加内存没用？ #

你之前提升内存到2GB，确实能解决内存不足的问题，但核心矛盾是全量数据返回超过API Gateway限制和递归栈溢出，这两个问题和内存大小无关，所以加内存无法解决。

内容的提问来源于stack exchange，提问作者Veronica