AWS Lambda配置gspread层与依赖仍报No module named 'gspread'错误求助

背景 #

• 已安装并打包以下模块为AWS Lambda层：
  • google-api-python-client 2.73.0
  • gspread 5.7.2
  • boto3
  • google-auth 2.16.0
• 运行Lambda函数时触发导入错误：

[ERROR] Runtime.ImportModuleError: Unable to import module 'a': No module named 'gspread'
Traceback (most recent call last)

• 函数代码：

import io
import json
import csv
import boto3
import gspread
from google.oauth2.credentials import Credentials

def b(event, context):
    # 获取S3事件数据
    s3_event = event["Records"][0]["s3"]
    bucket_name = s3_event["bucket"]["name"]
    file_name = s3_event["object"]["key"]

    # 连接S3并获取CSV文件数据
    s3 = boto3.client('s3')
    csv_data = s3.get_object(Bucket=bucket_name, Key=file_name)["Body"].read().decode()

    # 将CSV数据转为列表
    csv_reader = csv.reader(csv_data.splitlines(), delimiter=',')
    csv_list = list(csv_reader)

    # 使用服务账号凭证认证Google Sheets API
    credentials = Credentials.from_service_account_file('/credentials.json')
    gc = gspread.authorize(credentials)
    # 连接目标表格
    sheet_id = 'redacted'
    sh = gc.open_by_key(sheet_id)
    worksheet = sh.get_worksheet(0)

    # 清空现有数据
    worksheet.clear()

    # 插入新数据
    cell_list = worksheet.range('A1:' + gspread.utils.rowcol_to_a1(len(csv_list), len(csv_list[0])))
    for i, val in enumerate(sum(csv_list, [])):
        cell_list[i].value = val
    worksheet.update_cells(cell_list)
    return {
        'statusCode': 200,
        'body': json.dumps('Data inserted successfully')
    }

• 本地requirements.txt内容：

gspread
google-auth
google-auth-oauthlib
google-auth-httplib2

• 异常细节：boto3可正常导入使用，但其他依赖均出现"找不到模块"的问题。

解决方案 #

1. 修正Lambda层的打包结构 #

AWS Lambda层要求依赖必须放在对应Python版本的子目录下，比如使用Python 3.9的话，路径为python/lib/python3.9/site-packages/。打包ZIP时需保留这个层级结构，不能直接把模块文件放在ZIP根目录。

正确打包步骤（以Python 3.9为例）：

# 创建符合要求的目录结构
mkdir -p python/lib/python3.9/site-packages
# 进入目标目录安装依赖
cd python/lib/python3.9/site-packages
pip install gspread==5.7.2 google-api-python-client==2.73.0 google-auth==2.16.0 -t .
# 返回上级目录打包
cd ../../../..
zip -r layer.zip python/

2. 匹配Python版本 #

确保Lambda函数使用的Python版本，与打包层时安装依赖所用的Python版本完全一致（比如函数用3.10，打包时就用3.10环境安装），版本不匹配会导致模块无法被识别。

3. 确认层与函数的关联状态 #

在Lambda函数的配置页面，检查已创建的层是否正确添加到函数中，且层的状态为"活跃"。

4. 验证层的内容 #

将层的ZIP包下载解压，检查所有依赖是否都在python/lib/pythonX.X/site-packages/路径下，无遗漏或路径错误。

5. 关于boto3的特殊说明 #

boto3是AWS Lambda默认内置的SDK，即使不通过层或requirements.txt添加也能直接使用，因此它能正常导入不代表其他依赖的打包方式正确。

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