Serverless打包异常：Lambda包含其他函数且体积过大求助

一、为什么开启package: individually: true后每个包都包含所有函数文件？ #

当前全局package.patterns仅配置了排除规则，未针对单个函数设置包含规则。启用individually: true时，Serverless框架默认会把项目根目录下所有未被排除的文件（即所有.py文件）打包到每个函数的zip包中，因此每个函数包都包含了全量函数代码和共享工具类。

二、缩减Lambda包体积的实用方法 #

1. 给每个函数单独配置打包范围 #

在每个函数的配置中添加package规则，先排除所有文件，再仅包含当前函数需要的代码，避免打包无关文件：

functions:
  function1:
    handler: function1.function1
    package:
      include:
        - function1.py
        - sharedUtility.py  # 若该函数依赖共享工具类则保留
      exclude:
        - '**'  # 先排除所有文件，再按需包含
  function2:
    handler: function2.function2
    package:
      include:
        - function2.py
        - sharedUtility.py
      exclude:
        - '**'
  reallySmallFunction:
    handler: reallySmallFunction.reallySmallFunction
    package:
      include:
        - reallySmallFunction.py
        - sharedUtility.py
      exclude:
        - '**'

2. 优化Python依赖打包配置 #

调整serverless-python-requirements参数，最大化压缩依赖体积：

• 开启zip: true：将依赖压缩为zip包，减少整体体积
• 添加dockerizePip: non-linux：若本地是Windows/Mac系统，确保依赖是针对Lambda的Linux环境编译的，避免冗余平台相关文件
• 加入strip: true：进一步清理依赖中的调试符号和无用文件
• 排除Lambda自带库：boto3、botocore等是AWS Lambda运行时内置的库，无需打包

修改后的配置示例：

custom:
  pythonRequirements:
    zip: true
    slim: true
    strip: true
    dockerizePip: non-linux
    noDeploy:
      - pytest
      - boto3
      - botocore

3. 使用Lambda Layers共享公共代码与依赖 #

将sharedUtility.py和所有公共依赖打包成一个Lambda Layer，每个函数仅打包自身业务代码，通过引用Layer复用公共资源，大幅降低单个函数包体积：

# 定义Layer
layers:
  sharedLambdaLayer:
    path: shared-layer  # 新建该目录，存放sharedUtility.py和安装的依赖
    compatibleRuntimes:
      - python3.8

# 函数中引用Layer
functions:
  function1:
    handler: function1.function1
    layers:
      - !Ref SharedLambdaLayerLambdaLayer

注意：Layer未压缩部署包大小限制为250MB，单个函数最多引用5个Layer。

4. 手动清理冗余文件 #

检查.serverless目录下的zip包内容，确认是否有意外打包的大文件（如日志、测试数据、临时文件等），补充到全局或函数级的exclude规则中。

5. 升级Python运行时 #

切换到Python 3.10或更高版本，新运行时本身更轻量化，且对依赖兼容性更好，部分依赖包在高版本Python下体积更小。

内容的提问来源于stack exchange，提问作者A_Wunder