使用AWS CDK部署Python Lambda如何导入requirements.txt中的依赖？

核心逻辑说明 #

AWS Lambda运行时不会自动安装项目下requirements.txt定义的依赖，所有依赖需要在部署阶段提前打包到部署包或Lambda Layer中，运行时直接加载。CDK原生支持直接传入预构建的zip包，也支持通过构建配置自动打包代码和依赖，不需要额外手动操作。 #

方案一：Lambda Layer 实现（推荐，依赖可复用） #

适合多Lambda共享同一套依赖的场景，依赖单独分层，减少重复部署体积。

步骤1：定义Lambda依赖层 #

在stack/ias_stack.py中添加Layer定义，将lambda/requirements.txt中的依赖打包到符合Lambda Layer规范的目录结构中：

from aws_cdk import (
    Stack,
    Duration,
    aws_lambda as _lambda,
    BundlingOptions
)
from constructs import Construct
class IasStack(Stack):
    def __init__(self, scope: Construct, construct_id: str, **kwargs) -> None:
        super().__init__(scope, construct_id, **kwargs)
        # 定义Lambda依赖层
        lambda_deps_layer = _lambda.LayerVersion(
            self, "PythonLambdaDepsLayer",
            code=_lambda.Code.from_asset(
                # 以lambda目录为构建上下文
                path="lambda",
                bundling=BundlingOptions(
                    # 打包镜像和Lambda运行时版本保持一致
                    image=_lambda.Runtime.PYTHON_3_10.bundling_image,
                    command=[
                        "bash", "-c",
                        # 将依赖安装到构建输出目录的python文件夹下（Lambda Layer规范要求）
                        "pip install -r requirements.txt -t /asset-output/python"
                    ]
                )
            ),
            # 兼容的运行时版本和Lambda保持一致
            compatible_runtimes=[_lambda.Runtime.PYTHON_3_10],
            description="Python Lambda 第三方依赖层"
        )

步骤2：绑定Layer部署业务Lambda #

继续在Stack中定义Lambda函数，直接上传lambda目录下的业务代码，绑定上述依赖层即可：

# 定义业务Lambda函数
        business_lambda = _lambda.Function(
            self, "BusinessLambda",
            runtime=_lambda.Runtime.PYTHON_3_10,
            # 对应lambda/handler.py中的lambda_handler入口函数
            handler="handler.lambda_handler",
            # 直接上传lambda目录下的业务代码
            code=_lambda.Code.from_asset("lambda"),
            # 绑定依赖层
            layers=[lambda_deps_layer],
            memory_size=256,
            timeout=Duration.seconds(30)
        )

方案二：单包直接部署（适合单Lambda场景） #

不需要单独维护Layer，直接将业务代码和依赖打包为单个部署包，和Terraform上传zip的逻辑完全一致：

from aws_cdk import (
    Stack,
    Duration,
    aws_lambda as _lambda,
    BundlingOptions
)
from constructs import Construct
class IasStack(Stack):
    def __init__(self, scope: Construct, construct_id: str, **kwargs) -> None:
        super().__init__(scope, construct_id, **kwargs)
        business_lambda = _lambda.Function(
            self, "BusinessLambda",
            runtime=_lambda.Runtime.PYTHON_3_10,
            handler="handler.lambda_handler",
            code=_lambda.Code.from_asset(
                path="lambda",
                bundling=BundlingOptions(
                    image=_lambda.Runtime.PYTHON_3_10.bundling_image,
                    command=[
                        "bash", "-c",
                        # 同时将依赖和业务代码复制到构建输出目录，直接打包为部署包
                        "pip install -r requirements.txt -t /asset-output && cp -r . /asset-output"
                    ]
                )
            ),
            memory_size=256,
            timeout=Duration.seconds(30)
        )

方案三：直接使用预构建zip包 #

如果你已经在本地或CI/CD流程中提前打包好了包含代码和依赖的zip包，CDK原生支持直接传入zip包路径：

business_lambda = _lambda.Function(
    self, "BusinessLambda",
    runtime=_lambda.Runtime.PYTHON_3_10,
    handler="handler.lambda_handler",
    # 直接传入预构建zip包的路径
    code=_lambda.Code.from_asset("path/to/your/prebuilt/lambda.zip"),
    memory_size=256,
    timeout=Duration.seconds(30)
)

注意事项 #

• 运行时版本需要统一：依赖层打包镜像、依赖层兼容运行时、Lambda函数运行时三个配置必须完全一致，避免出现二进制依赖兼容问题。
• 含二进制的依赖（如numpy、pandas）必须使用Lambda对应架构的官方构建镜像打包，不要在本地Mac/Windows环境打包后上传，避免运行时加载失败。
• 可在lambda目录下新增.dockerignore文件，排除__pycache__、.git等不必要文件，减少部署包体积。

内容的提问来源于stack exchange，提问作者Raymond Chenon