如何压缩Snowflake相关依赖大小以满足AWS Lambda 250MB容量限制

• 精简依赖包+AWS公共层
  放弃安装完整版snowflake-connector-python，改用官方提供的轻量版本snowflake-connector-python-lite，该版本移除了大量非必要可选依赖，体积仅为完整版的1/3左右。numpy、pandas、pyarrow三个依赖无需自行打包，直接引用AWS官方预构建的AWSSDKPandas公共层即可，公共层不计入你自己打包的zip体积，仅占用Lambda总层额度，能直接减少至少150M的自行打包体积。
• 自行打包裁剪优化
  如果需要自定义打包所有依赖，执行安装命令时添加参数：pip install [依赖包名] --platform manylinux2014_x86_64 --only-binary=:all: --no-deps -t ./python，根据你使用的Lambda架构替换对应的platform参数，避免引入多架构兼容冗余文件。打包前手动删除所有依赖目录下的__pycache__、.pyc、测试文件、文档、dist-info目录，最后使用zip -9 -r dependency.zip ./python执行最高压缩比打包，整体体积至少可以降低30%~40%。
• 拆分依赖为多层部署
  Lambda单函数最多可挂载5个独立层，你可以将不同依赖拆分为独立层部署：第一层放numpy+pyarrow，第二层放pandas，第三层放snowflake-connector，拆分后每层单独优化压缩，更容易控制总解压后体积在250M阈值内。
• 运行时动态加载非核心依赖
  如果经过上述优化仍有少量体积超出，可以将使用率较低的非核心依赖上传至S3，函数运行时通过代码下载到/tmp目录（临时目录有512M额度，不计入代码/层体积限制）后动态加载到运行环境。

如果需要验证打包后的依赖可在本地正常运行，只需将zip解压到本地目录，将该目录添加到Python的PYTHONPATH环境变量即可，无需修改业务代码。

内容的提问来源于stack exchange，提问作者user701236