本地运行正常但sam local invoke容器中numpy C扩展导入失败求助

核心问题定位 #

本地Python 3.9环境下依赖组合运行正常，但sam local invoke容器中失败，本质是容器默认环境缺少系统级编译依赖，或依赖包的跨平台适配问题，尤其是sktime、scipy这类需要底层编译的库。

解决方案步骤 #

• 自定义SAM构建镜像，补充系统依赖
  SAM默认的Python 3.9构建镜像缺少scipy、sktime编译所需的系统库，可创建自定义Docker镜像：

  FROM public.ecr.aws/sam/build-python3.9:latest
  RUN yum install -y gcc gcc-c++ openblas-devel lapack-devel
  

  构建自定义镜像后，在SAM构建时指定：

  sam build --build-image your-custom-python39-image-name
  

• 预下载平台特定wheel包，避免源码编译
  直接用pip安装会拉取源码在容器中编译，容易失败。提前下载适配Linux x86_64+Python3.9的wheel包：

  pip download --platform manylinux2014_x86_64 --python-version 39 --only-binary=:all: -r requirements.txt -d ./wheels
  

  修改requirements.txt指向本地wheel目录：

  --find-links=./wheels
  numpy==1.21.0
  pandas
  sktime
  scipy
  scikit-learn
  

  这样SAM构建时会优先使用预编译的wheel，跳过耗时且易失败的源码编译环节。

• 制作sktime专属Lambda层，搭配官方pandas层

  1. 创建层目录结构：sktime-layer/python/lib/python3.9/site-packages/
  2. 在Python3.9虚拟环境中安装依赖到该目录：

     pip install sktime numpy==1.21.0 scipy scikit-learn -t sktime-layer/python/lib/python3.9/site-packages/ --no-cache-dir
     

  3. 压缩sktime-layer下的python目录为zip包（注意不要有外层文件夹），若体积接近250M，可通过strip命令剥离二进制文件的调试信息缩小体积：

     find sktime-layer/python/lib/python3.9/site-packages -name "*.so" -exec strip {} \;
     

  4. 在SAM模板中同时引用自定义sktime层和AWS官方pandas层，避免依赖冲突。

• 调试容器内的依赖状态
  运行sam local invoke时开启调试日志，定位具体报错：

  sam local invoke --debug
  

  或直接进入构建后的容器手动排查：

  docker run -it --entrypoint /bin/bash <sam-build-image-id>
  

  在容器内执行pip list核对包版本，或直接运行测试脚本定位问题。

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