如何在Python中为AWS Lambda函数设置单日调用次数限制？

你当前用环境变量累计调用次数的方法行不通，原因是：Lambda的环境变量是启动时加载的静态配置，修改environ字典只会在当前实例内存中生效，既不会同步到其他实例，也不会持久化到Lambda的全局配置里。当实例销毁（比如空闲超时、扩容新实例），下次调用会重新加载初始值，根本无法累计全局调用次数。

针对“Test函数单日调用不超1000次”的需求，给你三个可行方案：

方案1：用DynamoDB存储全局计数 #

这是最灵活的自定义方案，适合需要在函数内处理限制逻辑的场景。

实现步骤： #

1. 创建DynamoDB表，主键设为date（格式YYYY-MM-DD），添加count属性存当日调用次数。
2. 给Lambda角色配置DynamoDB读写权限。
3. 在Lambda函数中加入计数校验和更新逻辑（用原子操作避免并发冲突）。

示例代码： #

import json
import boto3
from datetime import datetime

# 初始化DynamoDB客户端
dynamodb = boto3.resource('dynamodb')
call_count_table = dynamodb.Table('LambdaDailyCallCount')  # 替换为你的表名

def lambda_handler(event, context):
    # 获取当日日期（UTC时间，避免时区问题）
    today = datetime.utcnow().strftime('%Y-%m-%d')
    
    # 原子更新并获取当前计数
    update_response = call_count_table.update_item(
        Key={'date': today},
        UpdateExpression='ADD #cnt :inc',
        ExpressionAttributeNames={'#cnt': 'count'},
        ExpressionAttributeValues={':inc': 1},
        ReturnValues='UPDATED_NEW'
    )
    
    current_count = update_response['Attributes']['count']
    
    # 判断是否超过限制
    if current_count > 1000:
        # 超过限制，回减计数并返回错误
        call_count_table.update_item(
            Key={'date': today},
            UpdateExpression='ADD #cnt :dec',
            ExpressionAttributeNames={'#cnt': 'count'},
            ExpressionAttributeValues={':dec': -1}
        )
        return {
            'statusCode': 429,
            'body': json.dumps('每日调用次数已达上限（1000次）')
        }
    
    # 执行你的业务逻辑
    return {
        'statusCode': 200,
        'body': json.dumps('Hello from Lambda!')
    }

额外优化：给DynamoDB表设置TTL规则，自动删除7天前的日期记录，避免数据冗余。

方案2：用API Gateway直接管控（无代码修改） #

如果你的Lambda是通过API Gateway触发的，直接用API Gateway的使用计划就能实现配额限制，完全不用改Lambda代码。

实现步骤： #

1. 在API Gateway控制台创建使用计划，设置「每日请求配额」为1000。
2. 将你的API部署版本和该使用计划关联，同时生成API密钥。
3. 客户端调用API时必须携带合法的API密钥，API Gateway会自动校验调用次数，超过配额直接返回429错误。

这个方案的优势是无需代码开发，由云服务统一管控，适合通过API触发的Lambda场景。

方案3：CloudWatch告警配合触发限制（应急用） #

用CloudWatch监控Lambda的调用次数，当单日调用接近1000时触发告警，通过SNS通知执行停止触发的操作（比如暂停API Gateway部署、禁用事件源映射）。但这种方式不够灵活，恢复起来麻烦，只适合临时应急场景。

内容的提问来源于stack exchange，提问作者Neelabh Singh