AWS Lambda Python依赖超250MB解压上限 如何裁剪仅打包所需功能

报错原文：Resource handler returned message: "Unzipped size must be smaller than 262144000 bytes"

该报错为AWS Lambda的硬性限制：函数代码+所有依赖解压后的总大小不得超过250MB。你当前场景中sklearn、geopy仅需使用单个函数，可通过以下方式实现按需打包，大幅压缩依赖体积：

一、针对单函数依赖的定向裁剪 #

sklearn裁剪方案 #

• 若使用的是无强耦合的独立函数（如sklearn.metrics.pairwise.cosine_similarity），直接从sklearn开源源码中提取该函数的实现代码，剥离冗余依赖后存入本地项目的工具文件中，完全移除requirements.txt中的sklearn依赖，可减少70MB+的占用
• 若函数依赖少量sklearn基础组件，安装时添加--no-deps参数，安装完成后手动删除site-packages/sklearn目录下所有未用到的子模块（如分类、回归、预处理、测试样例等目录），裁剪后体积可压缩到5MB以内

geopy裁剪方案 #

• 绝大多数场景下geopy的单个使用函数（如geopy.distance.geodesic、地址解析单接口）无复杂依赖，直接提取源码到本地项目即可，移除requirements.txt中的geopy依赖，可减少5MB左右的占用

二、全依赖通用精简步骤 #

针对你给出的requirements.txt内容netCDF4 numpy==1.20.2 pandas shapely sklearn uuid datetime geopy，可先做基础优化：

• 删除标准库依赖：uuid、datetime为Python内置标准库，无需写入requirements.txt，避免不必要的安装逻辑
• 安装时使用精简参数：执行依赖安装命令时添加--no-cache-dir参数，避免下载缓存文件，示例命令：

  pip install -r requirements.txt --no-cache-dir --target ./python
  

• 安装完成后清理冗余文件：删除./python目录下所有.pyc文件、__pycache__目录、doc文档、test测试用例、example示例目录，可额外减少30%左右的依赖体积
• 替换重依赖：如果pandas仅用到基础表格处理能力，可替换为轻量的polars-lts-cpu，体积减少60%以上；也可直接引用AWS官方预构建的公共Lambda层（如pandas、numpy层），无需自行打包进代码包

三、终极超限解决方案 #

如果裁剪后总大小仍接近250MB上限，可改用容器镜像方式部署Lambda：Lambda容器镜像支持最大10GB的镜像大小，完全不受250MB解压限制，仅需编写Dockerfile将现有代码和依赖打包为镜像即可正常部署。

内容的提问来源于stack exchange，提问作者Alex Bodner