如何为自定义Python包创建可跨多Lambda复用的Lambda Layer zip文件

你之前看到的单函数绑定模式，本质是把自定义包直接打进对应函数的部署zip里，包的作用域仅限单个函数；要实现跨函数复用，只要严格按照Lambda Layer的Python模块路径要求打包即可。核心规则是：Lambda的Python运行时会自动把Layer里的/opt/python路径加入模块搜索路径，目录结构不对的话，哪怕zip能正常上传，所有关联函数都会报ModuleNotFoundError，这是绝大多数人第一次打包时最容易踩的坑。

分步打包流程 #

• 第一步：在本地工作区创建固定命名的临时目录
  不要直接在你的项目源码根目录打包，先建一个和运行时匹配的临时文件夹，名字必须是python，这个目录名不能随便改。
• 第二步：把自定义包和依赖统一放到python目录下
  • 你自己开发的自定义包，要把整个带__init__.py的包文件夹完整放进python目录，比如你的包名叫my_common_tools，放完后的路径是./python/my_common_tools/，里面要包含所有源码模块、子包结构，不要把单文件零散丢进去。
  • 如果你的自定义包依赖第三方库，统一用pip的--target参数把依赖装到当前python目录下，不要单独手动下载放进去。常用的兼容Lambda环境的安装命令为：
    pip install 你的依赖包名 -t ./python --platform manylinux2014_x86_64 --only-binary=:all: --python-version 3.11
    这里的参数作用是强制下载Lambda运行环境兼容的预编译包，避免你本地Mac/Windows环境编译的带C扩展的包上传后无法运行。如果你的自定义包是纯Python代码没有C扩展依赖，也可以去掉后面的平台参数直接安装，但加上参数兼容性更好。
• 第三步：按要求生成zip包
  这一步是最高频的出错点：
  • 必须回到和python文件夹同级的工作目录执行压缩命令，绝对不要进到python文件夹内部再执行压缩
  • 压缩完成后，打开zip文件的第一层级内容必须直接是python文件夹，不能有嵌套两层的python/python结构，也不能是一堆散落的.py文件、无关的.git/.idea/.vscode配置文件夹
    正确的zip内部结构示例：

  zip根目录/
    └── python/
        ├── my_common_tools/    # 你开发的自定义包
        │   ├── __init__.py
        │   ├── request_auth.py
        │   └── common_db.py
        └── requests/           # 安装的第三方依赖
  

  压缩前记得删掉目录里所有__pycache__后缀的缓存文件夹，能大幅减小包体积，也能避免旧缓存导致的版本不一致问题。

上线使用注意事项 #

• 上传zip创建Layer时，要选择和你目标Lambda函数完全匹配的Python运行时版本，选不对运行时的话Layer会无法被函数关联
• 单个Layer的解压总大小不要超过Lambda的512MB大小限制
• 不要在Layer里放和Lambda运行时内置依赖冲突的低版本包，比如装了比系统自带版本低的boto3，会覆盖函数原本的SDK，引发难以排查的运行报错
• 后续自定义包逻辑更新时，直接上传新的zip创建新的Layer版本即可，所有关联的Lambda函数只要切换到对应新版本，就能用上更新后的包，不需要逐个修改函数本身的部署包。

内容的提问来源于stack exchange，提问作者cPhoenix