在AWS Lambda部署含TensorFlow的微服务遇阻求助

我太懂这种卡在部署环节的挫败感了——TensorFlow本身体积就不小，和Serverless+Lambda搭配确实容易踩坑。结合你的情况，我给你几个可行的解决方案，一步步来：

问题根源先理清楚 #

1. 依赖缺失错误：AWS Lambda不会自动帮你从requirements.txt安装依赖，必须把代码和依赖打包在一起，或者用Lambda Layer单独托管依赖。
2. 体积过大失败：完整版TensorFlow解压后体积远超Lambda的250MB限制，直接打包肯定会失败。

方案一：用Serverless Python Requirements插件（最省心） #

这个插件专门解决Python Serverless项目的依赖打包问题，能自动剔除冗余文件、将依赖打包成Lambda Layer，完美适配你的场景。

步骤： #

1. 安装插件（需要先有Node.js环境）：

npm install serverless-python-requirements --save-dev

2. 修改你的serverless.yml，添加插件和优化配置：

service: numpy-new-test
provider:
  name: aws
  runtime: python3.6 # 注意：AWS已停止维护Python3.6，建议升级到3.9/3.10
  profile: nsp
  role: arn:aws:iam::xxxxxxxxxxx7:role/AdminRole
plugins:
  - serverless-python-requirements
custom:
  pythonRequirements:
    slim: true # 自动剔除TensorFlow里的文档、测试文件，大幅减小体积
    layer: true # 将依赖打包成Lambda Layer，不占用函数包体积
functions:
  numpy:
    handler: handler.main
    events:
      - http:
          path: test
          method: get

3. 修改requirements.txt，改用CPU版本的TensorFlow（Lambda是CPU环境，不需要GPU版，体积小很多）：

numpy
tensorflow-cpu==2.6.0 # 2.6是最后支持Python3.6的版本，升级Python后可以用更高版本

4. 重新部署：

serverless deploy

方案二：手动创建Lambda Layer（适合需要精细控制的场景） #

如果你不想用插件，可以手动把依赖打包成Layer：

步骤： #

1. 创建如下目录结构：

layers/
└── python/
    └── lib/
        └── python3.6/
            └── site-packages/

2. 在layers/python/lib/python3.6/site-packages/目录下安装依赖：

pip install numpy tensorflow-cpu==2.6.0 -t ./layers/python/lib/python3.6/site-packages/

3. 进入layers/目录，打包成zip：

cd layers
zip -r tensorflow-layer.zip python/

4. 在AWS Lambda控制台上传这个zip包创建Layer，记录Layer的ARN。
5. 修改serverless.yml，在函数中引用这个Layer：

functions:
  numpy:
    handler: handler.main
    layers:
      - arn:aws:lambda:你的AWS区域:你的账号ID:layer:tensorflow-layer:1 # 替换成你的Layer ARN
    events:
      - http:
          path: test
          method: get

6. 部署函数即可，此时你的函数包只有handler.py，体积很小。

额外提醒 #

• Python版本升级：AWS Lambda已经不再支持Python3.6，建议把runtime改成python3.9或python3.10，这样可以使用更新的TensorFlow版本（比如2.15.x），也能获得更好的性能和安全性。
• 测试本地依赖：可以用serverless invoke local命令在本地测试函数，确保依赖没问题再部署。

内容的提问来源于stack exchange，提问作者Edward Jill