Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.
Arbeiten mit Ebenen für Python Lambda-Funktionen
Verwenden Sie Lambda-Ebenen, um Code und Abhängigkeiten zu verpacken, die Sie für mehrere Funktionen wiederverwenden möchten. Ebenen enthalten üblicherweise Bibliotheksabhängigkeiten, eine benutzerdefinierte Laufzeit oder Konfigurationsdateien. Das Erstellen einer Ebene umfasst drei allgemeine Schritte:
-
Verpacken Ihres Ebeneninhalts. Dies bedeutet, dass Sie ein .zip-Dateiarchiv erstellen, das die Abhängigkeiten enthält, die Sie in Ihren Funktionen verwenden möchten.
-
Erstellen Sie die Ebene in Lambda.
-
Fügen Sie die Ebene zu Ihren Funktionen hinzu.
In diesem Thema wird erklärt, wie Sie eine Python-Ebene erstellen und sie an eine Lambda-Funktion anhängen.
Themen
Verpacken Ihres Ebeneninhalts
Um eine Ebene zu erstellen, bündeln Sie Ihre Pakete in einem ZIP-Dateiarchiv, das die folgenden Anforderungen erfüllt:
-
Erstellen Sie den Layer mit derselben Python-Version, die Sie für die Lambda-Funktion verwenden möchten. Wenn Sie Ihren Layer beispielsweise mit Python 3.13 erstellen, verwenden Sie die Python 3.13-Laufzeit für Ihre Funktion.
-
Ihre ZIP-Datei muss ein
python
Verzeichnis auf der Stammebene enthalten. -
Die Pakete in Ihrem Layer müssen mit Linux kompatibel sein. Lambda-Funktionen laufen auf Amazon Linux.
Sie können Layer erstellen, die entweder Python-Bibliotheken von Drittanbietern enthalten, die mit installiert pip
wurden (z. B. requests
oderpandas
), oder Ihre eigenen Python-Module und -Pakete.
Um eine Ebene mit Pip-Paketen zu erstellen
-
Wählen Sie eine der folgenden Methoden, um
pip
Pakete in das erforderliche Verzeichnis der obersten Ebene ()python/
zu installieren: -
Komprimieren Sie den Inhalt des
python
Verzeichnisses.zip -r layer.zip python/
Die Verzeichnisstruktur Ihrer ZIP-Datei sollte wie folgt aussehen:
python/
# Required top-level directory └── requests/ └── boto3/ └── numpy/ └── (dependencies of the other packages)Anmerkung
Wenn Sie eine virtuelle Python-Umgebung (venv) verwenden, um Pakete zu installieren, wird Ihre Verzeichnisstruktur anders sein (z. B.
python/lib/python3.
). Solange Ihre ZIP-Datei dasx
/site-packagespython
Verzeichnis auf der Stammebene enthält, kann Lambda Ihre Pakete finden und importieren.
Um eine Ebene mit Ihrem eigenen Code zu erstellen
-
Erstellen Sie das erforderliche Verzeichnis auf oberster Ebene für Ihre Ebene:
mkdir python
-
Erstellen Sie Ihre Python-Module im
python
Verzeichnis. Das folgende Beispielmodul validiert Bestellungen, indem es bestätigt, dass sie die erforderlichen Informationen enthalten.Beispiel benutzerdefiniertes Modul: validator.py
import json def validate_order(order_data): """Validates an order and returns formatted data.""" required_fields = ['product_id', 'quantity'] # Check required fields missing_fields = [field for field in required_fields if field not in order_data] if missing_fields: raise ValueError(f"Missing required fields: {', '.join(missing_fields)}") # Validate quantity quantity = order_data['quantity'] if not isinstance(quantity, int) or quantity < 1: raise ValueError("Quantity must be a positive integer") # Format and return the validated data return { 'product_id': str(order_data['product_id']), 'quantity': quantity, 'shipping_priority': order_data.get('priority', 'standard') } def format_response(status_code, body): """Formats the API response.""" return { 'statusCode': status_code, 'body': json.dumps(body) }
-
Den Inhalt des
python
Verzeichnisses komprimieren.zip -r layer.zip python/
Die Verzeichnisstruktur Ihrer ZIP-Datei sollte wie folgt aussehen:
python/
# Required top-level directory └── validator.py -
Importieren und verwenden Sie die Module in Ihrer Funktion wie bei jedem Python-Paket. Beispiel:
from validator import validate_order, format_response
import json def lambda_handler(event, context): try: # Parse the order data from the event body order_data = json.loads(event.get('body', '{}')) # Validate and format the order validated_order = validate_order(order_data) return format_response(200, { 'message': 'Order validated successfully', 'order': validated_order }) except ValueError as e: return format_response(400, { 'error': str(e) }) except Exception as e: return format_response(500, { 'error': 'Internal server error' })Sie können das folgende Testereignis verwenden, um die Funktion aufzurufen:
{ "body": "{\"product_id\": \"ABC123\", \"quantity\": 2, \"priority\": \"express\"}" }
Erwartete Antwort:
{ "statusCode": 200, "body": "{\"message\": \"Order validated successfully\", \"order\": {\"product_id\": \"ABC123\", \"quantity\": 2, \"shipping_priority\": \"express\"}}" }
Erstellen Sie die Ebene in Lambda
Sie können Ihren Layer entweder mit der AWS CLI oder der Lambda-Konsole veröffentlichen.
Fügen Sie den Layer zu Ihrer Funktion hinzu
Beispiel-App
Weitere Beispiele für die Verwendung von Lambda-Layern finden Sie in der Layer-Python-Beispielanwendung