如何在本地通过Docker运行多个关联Python Lambda函数

现有主Lambda函数配置 #

Dockerfile #

FROM public.ecr.aws/lambda/python:3.10-x86_64

# Copy requirements.txt
COPY requirements.txt ${LAMBDA_TASK_ROOT}

# Install the specified packages
RUN pip3 install -r requirements.txt --target "${LAMBDA_TASK_ROOT}"

# Copy function code
COPY check_engine_function.py ${LAMBDA_TASK_ROOT}

# Set the CMD to your handler (could also be done as a parameter override outside of the Dockerfile)
CMD [ "check_engine_function.handler" ]

主Lambda函数代码（check_engine_function.py） #

import json
import boto3

# 补充必要的变量定义
json_data = json.loads(event.get('body', '{}'))
google_tts_lambda = "your-google-tts-function-name"
lambda_client = boto3.client('lambda')

def handler(event, context):
    if json_data.get('tts_engine') == 'google':
        lambda_client.invoke(
            FunctionName=google_tts_lambda,
            InvocationType='Event',  # 异步调用
            Payload=json.dumps(json_data)
        )

    return {
        'statusCode': 200,
        'body': json.dumps('TTS processing initiated.')
    }

Q1：本地通过Docker实现Lambda调用逻辑的步骤 #

要在本地模拟主Lambda调用其他Lambda的逻辑，核心是搭建本地AWS服务模拟环境，具体操作如下：

1. 搭建本地Lambda模拟环境
   二选一即可：

   • LocalStack：启动后会在本地模拟包括Lambda在内的AWS服务，默认端点为http://localhost:4566
   • AWS SAM CLI：可直接将Lambda函数（包括被调用的google_tts_lambda）部署到本地模拟环境

2. 部署被调用的Lambda到本地环境

   • 用SAM：给google_tts_lambda编写SAM模板，执行sam local start-lambda完成本地部署
   • 用LocalStack：将google_tts_lambda打包成镜像或zip包，通过LocalStack的CLI/API创建函数，确保函数名与主代码中的google_tts_lambda变量一致

3. 修改主Lambda的客户端配置
   让Lambda客户端指向本地模拟环境的端点，示例代码：

   lambda_client = boto3.client(
       'lambda',
       endpoint_url='http://localhost:4566',  # SAM环境端点通常为http://localhost:3001
       region_name='us-east-1'
   )
   

4. 构建并运行主Lambda的Docker容器

   • 构建镜像：docker build -t main-lambda .
   • 运行容器时接入本地模拟环境的网络，以LocalStack为例：

     docker run --network localstack -e AWS_ACCESS_KEY_ID=test -e AWS_SECRET_ACCESS_KEY=test main-lambda
     

     注：本地模拟环境只需用测试密钥即可，无需真实AWS密钥

5. 本地触发主Lambda
   用AWS CLI指向本地端点调用：

   aws lambda invoke --function-name main-lambda --endpoint-url http://localhost:4566 --payload '{"body":"{\"tts_engine\":\"google\"}"}' output.json
   

Q2：是否需要为每个Lambda创建单独的Dockerfile？ #

必须为每个Lambda函数创建单独的Dockerfile，原因如下：

• 每个Lambda是独立的执行单元，AWS会为每个函数分配单独的容器实例，各自的代码、依赖、入口handler均不同，无法通过同一个镜像复用
• 强行共用一个镜像会导致Lambda服务无法区分不同函数的运行逻辑与入口，无法正确触发对应handler

操作建议：

• 给每个Lambda函数创建独立目录，每个目录下存放专属的Dockerfile、代码文件、requirements.txt
• 分别构建每个函数的镜像，推送到Amazon ECR时可使用不同仓库，或同一仓库用不同标签（如main-lambda:v1、google-tts-lambda:v1）
• 在AWS控制台配置每个Lambda函数时，指定对应镜像的ECR地址

内容的提问来源于stack exchange，提问作者Mahfujul Hasan