AWS Lambda上传Python包大小超限问题求助

核心优化方向：精简依赖+针对性编译+分层拆分 #

1. 替换为轻量化依赖包 #

• 强制使用opencv-python-headless替代完整版opencv-python，去掉GUI组件后体积能减少约30%
• 避免安装完整numpy的冗余组件，后续通过编译裁剪进一步缩小体积

2. 针对Lambda环境编译依赖 #

Lambda基于Amazon Linux 2运行，直接在本地安装的依赖会包含多余系统库，需在模拟环境中安装：

• 用Docker启动Amazon Linux 2容器：

  docker run -it --rm amazonlinux:2
  

• 容器内安装编译工具与Python环境：

  yum install -y python3-pip gcc python3-devel
  

• 创建目标目录，安装依赖时跳过缓存与冗余依赖：

  mkdir /lambda-deps
  pip3 install numpy opencv-python-headless pydicom pillow --target /lambda-deps --no-cache-dir --no-deps
  

• 将容器内的/lambda-deps复制到本地，得到仅适配Lambda环境的精简依赖

3. 手动裁剪冗余文件 #

对依赖目录做进一步瘦身：

• 删除numpy下的tests目录、所有.pyc字节码文件
• 删除opencv-python-headless中cv2/data目录下未用到的训练数据（如仅保留需要的分类器，其余删除）
• 删除所有.dist-info元信息目录，不影响运行但能减少体积

4. 拆分Lambda Layer避免超限 #

Lambda单个Layer压缩后上限为50MB，将裁剪后的依赖拆分为两个独立Layer：

• 第一个Layer包含numpy+pydicom+pillow，第二个Layer包含opencv-python-headless
• 用最高压缩级别打包：

  zip -r9 numpy-layer.zip ./numpy-group/
  zip -r9 opencv-layer.zip ./opencv-group/
  

• 上传两个Layer到Lambda，并在函数中关联使用

5. 极端场景：切换为Lambda容器镜像 #

若上述方法仍无法解决，改用容器镜像方案（上限10GB）：

• 基于官方Lambda Python镜像构建Dockerfile：

  FROM public.ecr.aws/lambda/python:3.11
  COPY requirements.txt .
  RUN pip install -r requirements.txt --no-cache-dir
  COPY your-code.py .
  CMD ["your-code.lambda_handler"]
  

• 将镜像推送到AWS ECR，创建Lambda函数时选择容器镜像即可

内容的提问来源于stack exchange，提问作者Talha