如何在Python中处理Lambda内存不足引发的Runtime.ExitError？

首先明确：无法在Python代码中直接捕获SIGKILL导致的进程终止错误。因为SIGKILL是操作系统强制终止进程的信号，会直接结束进程，不给Python解释器执行异常处理逻辑或信号回调的机会——这也是你用try-except和signal.signal(signal.SIGKILL)都无效的原因。

但可以通过以下Python层面的手段提前预防或间接处理这类问题：

• 提前监控内存使用，主动触发预警
  利用psutil库实时获取当前Lambda进程的内存占用，结合Lambda分配的内存上限（可通过环境变量AWS_LAMBDA_FUNCTION_MEMORY_SIZE获取）设置预警阈值（比如达到分配内存的90%），在内存即将耗尽前主动抛出MemoryError并返回用户提示。
  示例代码：

  import psutil
  import os
  
  def lambda_handler(event, context):
      # 获取Lambda分配的内存上限（转成字节）
      max_memory = int(os.environ.get("AWS_LAMBDA_FUNCTION_MEMORY_SIZE", 128)) * 1024 * 1024
      memory_threshold = max_memory * 0.9  # 设置90%为预警线
  
      # 内存检查逻辑，可插入到大图片处理的关键节点
      process = psutil.Process()
      if process.memory_info().rss >= memory_threshold:
          raise MemoryError("图片过大，内存不足，请尝试缩小图片尺寸后重试")
      
      # 后续图片处理代码...
  

• 优化大图片处理的内存占用
  避免一次性将整张图片加载到内存：

  • 利用PIL/Pillow的懒加载特性：Image.open()不会立即加载全部像素到内存，处理时按需加载或分块操作；
  • 先缩小图片尺寸再处理：对大图片先进行缩放，降低像素总量后再做后续操作；
  • 采用内存更高效的图片处理库：比如wand（基于ImageMagick）或pillow-simd（优化后的PIL分支），能降低处理过程中的内存占用。

• 间接捕获执行状态（事后补救）
  由于进程被强杀后无法执行本地异常处理，可通过Lambda的异步调用+状态检查机制间接处理：

  • 将大图片处理任务放入SQS队列，由异步Lambda执行；
  • 用另一个Lambda或客户端轮询任务执行状态，若通过CloudWatch日志检测到任务因Runtime exited with error: signal: killed失败，则向用户返回对应的提示信息。

需要注意的是，以上方法都是提前预防或间接补救，无法真正在进程被SIGKILL终止时捕获错误。如果场景允许，调整Lambda内存分配依然是最直接有效的解决方案。

内容的提问来源于stack exchange，提问作者leo