如何构建CI/CD流水线更新控制台创建的现有AWS Lambda代码？

我来帮你梳理几个针对「仅更新控制台创建的Lambda函数代码、禁止新建函数」需求的可行方案，完美避开你遇到的CloudFormation和CodeDeploy的坑：

方案1：CodePipeline + CodeBuild + AWS CLI（最直接省心） #

这个方案完全绕开CloudFormation的资源归属限制，直接用AWS CLI命令更新代码，简单粗暴但有效。

具体配置步骤： #

1. CodePipeline源码阶段：连接你的代码仓库（GitHub/CodeCommit/GitLab都行），拉取最新的Lambda源码。
2. 添加CodeBuild阶段：
   • 写一个buildspec.yml放在代码根目录，负责打包代码并调用CLI更新Lambda：

     version: 0.2
     phases:
       install:
         runtime-versions:
           python: 3.9 # 替换成你的Lambda运行时，比如nodejs18.x
       build:
         commands:
           # 把源码打包成zip（排除.git和buildspec.yml这些无关文件）
           - zip -r lambda-update-package.zip . -x "*.git*" "buildspec.yml"
           # 核心命令：更新指定的Lambda函数代码
           - aws lambda update-function-code --function-name 你的现有Lambda名称 --zip-file fileb://lambda-update-package.zip
     artifacts:
       files:
         - lambda-update-package.zip
     

   • 给CodeBuild的服务角色加上lambda:UpdateFunctionCode权限，确保它能操作目标Lambda。
3. 无需额外部署阶段：CodeBuild跑完就已经完成代码更新了，直接结束流水线就行。

优势： #

• 完全适配控制台创建的Lambda，绝对不会触发新建函数的操作。
• 配置成本极低，不需要写复杂的CloudFormation模板。

方案2：CodePipeline + 自定义Lambda动作（更灵活） #

如果不想用CodeBuild，可以搞个辅助Lambda来做代码更新的事儿，把它作为CodePipeline的一个自定义动作。

具体操作： #

1. 写一个辅助Lambda函数：这个函数的任务是从CodePipeline的输出 artifact（存在S3里的代码包）拉取内容，然后调用Lambda的更新API。示例代码（Python）：

   import boto3
   import os
   from io import BytesIO
   
   s3 = boto3.client('s3')
   lambda_client = boto3.client('lambda')
   codepipeline = boto3.client('codepipeline')
   
   def lambda_handler(event, context):
       # 从CodePipeline事件里拿到S3的代码包位置
       job_details = event['CodePipeline.job']
       input_artifact = job_details['data']['inputArtifacts'][0]['location']['s3Location']
       bucket = input_artifact['bucketName']
       key = input_artifact['objectKey']
   
       # 下载S3里的代码包
       s3_response = s3.get_object(Bucket=bucket, Key=key)
       zip_content = BytesIO(s3_response['Body'].read())
   
       # 更新目标Lambda函数
       try:
           lambda_client.update_function_code(
               FunctionName=os.environ['TARGET_LAMBDA'],
               ZipFile=zip_content.getvalue()
           )
           # 告诉CodePipeline任务成功
           codepipeline.put_job_success_result(jobId=job_details['id'])
       except Exception as e:
           # 失败的话也要通知CodePipeline
           codepipeline.put_job_failure_result(
               jobId=job_details['id'],
               failureDetails={'message': str(e), 'type': 'JobFailed'}
           )
       return {'statusCode': 200}
   

2. 配置CodePipeline的自定义动作：
   • 在流水线里加一个“Lambda”类型的动作，选择刚才创建的辅助Lambda。
   • 给辅助Lambda设置环境变量TARGET_LAMBDA，值就是你要更新的现有Lambda名称。
   • 给辅助Lambda的角色加上s3:GetObject、lambda:UpdateFunctionCode和codepipeline:PutJobSuccessResult这几个权限。

方案3：修复CodeDeploy的BundleType错误（如果想继续用CodeDeploy） #

你遇到的BundleType must be either YAML or JSON错误，本质是CodeDeploy找不到正确的appspec.yml配置文件，或者代码包结构不对。针对控制台创建的Lambda，调整代码包结构就能解决：

正确的代码包结构： #

lambda-deploy-package/
├── appspec.yml
└── src/
    └── 你的Lambda代码文件（比如index.js、requirements.txt等）

appspec.yml的正确写法： #

version: 0.0
Resources:
  - TargetLambda:
      Type: AWS::Lambda::Function
      Properties:
        Name: 你的现有Lambda名称
        CodeUri: src/
        Runtime: python3.9 # 匹配你的Lambda运行时

把整个lambda-deploy-package目录打包成zip，上传给CodeDeploy，就能正常识别BundleType了。

不管用哪个方案，记得给流水线/辅助服务的IAM角色配置足够的权限，避免出现权限不足的报错。

内容的提问来源于stack exchange，提问作者taiphalili