如何让AWS SAM build缓存生效，避免重复下载Lambda容器依赖？

1. 重构Dockerfile，利用Docker分层缓存 #

这是解决重复下载问题的核心，Docker会缓存每一层的构建结果，只要某一层的输入没变化，就会直接复用缓存。你需要把依赖安装和代码拷贝的步骤拆分：

• 先把依赖配置文件（比如requirements.txt、poetry.lock这类锁文件）单独拷贝到容器
• 先执行依赖安装命令
• 最后再拷贝你的Lambda业务代码

示例Dockerfile：

FROM public.ecr.aws/lambda/python:3.11

# 先拷贝依赖文件，这一层只有依赖文件变更时才会重新构建
COPY requirements.txt ${LAMBDA_TASK_ROOT}

# 安装依赖，依赖不变时直接用Docker缓存，不会重新下载
RUN pip install -r requirements.txt --target "${LAMBDA_TASK_ROOT}"

# 最后拷贝代码，代码修改只会重建这一层，不影响依赖层
COPY app.py ${LAMBDA_TASK_ROOT}

CMD ["app.lambda_handler"]

2. 调整SAM Build的使用方式 #

针对你使用的SAM CLI 1.60.0版本：

• 确保template.yaml里的函数是Image类型，并且指定了正确的Dockerfile路径
• 执行构建时用sam build --cached即可，不需要加--beta-features（1.60.0版本的缓存功能已经脱离beta阶段）
• 不要手动删除SAM默认缓存目录~/.aws-sam/cache，这个目录存储着构建缓存数据

3. 预构建大依赖的Lambda层（可选） #

如果sentence-transformers这类大依赖几乎不会改动，可以单独做成Lambda层：

• 用Docker构建层的压缩包：

# 生成依赖目录
docker run --rm -v "$PWD":/var/task public.ecr.aws/lambda/python:3.11 pip install sentence-transformers -t python/lib/python3.11/site-packages/
# 打包成zip
zip -r sentence-transformers-layer.zip python/

• 把这个zip包上传到Lambda层，然后在template.yaml的函数配置里添加Layers字段引用该层的ARN
• 这样后续构建容器时，完全不需要再处理这个大依赖，只更新你的业务代码即可

4. 验证缓存是否生效 #

构建时查看日志，如果出现Using cache for image...或者依赖安装步骤直接跳过，说明缓存生效了。如果还是重新下载，检查：

• Dockerfile的步骤顺序是不是把依赖安装放在代码拷贝之前
• 依赖配置文件有没有被误修改（比如不小心加了空行，也会触发层重建）

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