如何突破AWS Lambda函数250MB的代码及层总容量限制？

容量限制说明 #

Lambda代码+所有挂载层的解压后总容量250MB是官方固定硬限制，不支持扩容申请，只能通过依赖瘦身或架构调整解决问题。

方案1：依赖包瘦身（可大幅缩减体积） #

你可以安全删除依赖包内的冗余文件，不会影响正常功能运行：

• 通用可删除内容（所有依赖包都适用）
  • 全部__pycache__目录、.pyc/.pyo缓存文件
  • 测试目录tests、示例目录examples、文档目录doc/docs
  • 多架构冗余二进制文件：只保留和你Lambda运行架构匹配的.so动态库文件，删除另一架构的文件（比如你用x86_64环境就删除所有arm64架构的二进制文件，反之同理）
• 针对性可删除内容
  • 你仅需statsmodels的分布相关功能时，可直接删除tsa（时间序列）、multivariate（多变量统计）、discrete（离散模型）、emplike（经验似然）等你用不到的子模块，仅保留distributions相关目录即可，删除前可先在本地测试你用到的功能是否正常
  • matplotlib可删除多余字体文件、非必要的配色配置文件、内置示例资源
• 安装/打包优化
  • 用pip install --no-deps安装依赖，避免自动安装重复的冗余依赖包
  • 打包层文件时使用最高压缩比，命令参考：zip -9 -r lambda-layer.zip python/

方案2：架构调整彻底规避容量限制 #

如果瘦身之后还是无法降到250MB以内，可以选择更简单的架构调整方案：

• 改用容器镜像部署Lambda：容器镜像的容量上限为10GB，完全可以容纳你所有的依赖包，不需要做复杂的瘦身操作，只需要把依赖打包到容器镜像推送到ECR即可直接部署Lambda，业务代码不需要做任何修改
• 拆分业务逻辑到多个Lambda：将不同功能的逻辑拆分为独立的Lambda函数，每个Lambda仅加载自身需要的依赖，比如统计类Lambda只加载statsmodels、numpy、pandas，NLP类Lambda只加载gensim、nltk、sklearn，可视化类Lambda只加载matplotlib、pyLDAvis，单个Lambda的依赖总大小就很容易控制在250MB以内

内容的提问来源于stack exchange，提问作者mganti