我的目标是构建一个 AWS Lambda 层，为运行 python 3.8 的 AWS Lambda 提供 mariadb 模块。

按照这些说明，我需要在与 AWS Lambda 平台兼容的实例上安装 mariadb 模块。像这样安装模块...

...失败并显示错误消息...

我需要什么来解决这个问题？

我假设安装“MariaDB Connector/C”是先决条件？但如何做到这一点？以及如何以可以将其打包成可用于定义 AWS Lambda 层的 zip 的方式进行操作？

一些上下文

我在一个 Amazon 实例上运行了它，我认为它与 Lamba 主机相同，以显示“Amazon Linux AMI 2018.03.0 (HVM), SSD Volume Type - ami-02769748522663066”。cat /etc/os-release返回...

不同的实例 AMI 是否更适合打包 python3.8 Lambda 层？

我用这个设置了python3（盒子里没有python 3.8）：

更新和自我回答

所以简短的回答是，目前这是不可能的。MariaDb 连接器不支持亚马逊风格的 linux。但是，有一个备用 python 库 PyMySQL 将连接到 mariadb 服务器。

这是一个 python3.8 AWS Lambda 函数的内容，它为 Lambda 制造 AWS 函数层。

工厂 (AWS Lambda) 函数

在客户端，可以像这样调用（再次使用python脚本）......工厂函数函数接受python pip冻结要求并制造一个层，而不是为指定的模块提供服务。就我而言， requirements.txt 将包括 PyMySQL 。

希望你一切顺利 ：）

我 pip 将所有外部库安装到一个文件夹中。压缩安装的库。将其上传到 lambda 的图层。但是，我最终遇到了这样的错误。有谁知道为什么？让我知道是否有任何其他有用的信息可供我提供。

这是已安装库的目录树视图：

我正在尝试创建一个利用 ImageMagick 将 PDF 转换为图像的 lambda。

为此，我可以上传 ImageMagick 的二进制文件。

这种方法失败了，因为似乎有一些 IM 依赖的共享库。

有没有办法将 ImageMagick 安装为一个层或将其全部与它的依赖项打包在一起？
或者也许一个不同的解决方案是正确的。

现在，我已经验证我可以将二进制文件作为 Lambda 包的一部分上传并调用它们。

在 lambda 函数中导入 pandas/numpy 时出现错误：

我添加了 pandas/numpy 作为 aws 层，我也以同样的方式添加了 pymysql，它工作正常。

在 Windows 10 上工作，
在 lambda 中使用相同的 python3.7 也
使用 pip install pandas -t
在目录中构建 zip 包 - python\lib\python3.7\site-packages

我只是想在我的 Python 3.8 Lambda 中使用 PIL。

我正在尝试以下步骤：

1. 基于此回购：https ://github.com/hidekuma/lambda-layers-for-python-runtime

2. 基于此指南：https ://www.splunk.com/en_us/blog/cloud/sharing-code-dependencies-with-aws-lambda-layers.html

然后我在 Lamda 配置中选择我的层，但是当我运行此代码时：

...我得到错误：

我到底哪里错了？！？

我遵循了在雪花中创建 Lambda 层的标准方法。

[在 AWS EC2 实例中] rm -rf snowflake mkdir -p snowflake/python/lib/python3.7/site-packages pip3 install --no-cache-dir --ignore-installed --upgrade snowflake-connector-python - t 雪花/python/lib/python3.7/site-packages cd 雪花；rm -f 雪花.zip；zip -r 雪花.zip。

我可以创建 Lambda 层，然后将其添加到我的 Lambda 函数中。以及验证库是否已附加，但是当我调用 Lambda 函数时，它失败了

导入雪花连接器

[错误] Runtime.ImportModuleError：无法导入模块“lambda_function”：没有名为“雪花”的模块

是否有任何雪花 Lambda 库或关于此处可能出现问题的详细指南。我一直以这种方式构建 lambda 层，通常上述过程有效。

我有相当大的 monorepo，完全由Yarn Workspaces（没有 Lerna）管理。其中一个包（“工作区”）包含一组第 3 方 NodeJS 包，我们将它们用作Lambda 函数的共享层dependencies，在package.json此包中收集。该包的构建脚本应该将所有依赖项收集到一个 zip 文件中，该文件稍后将由 Terraform 发布。不幸的是，Yarn 无法从 monorepo 构建单个工作区，因此我们必须直接使用 NPM。

目前我们大致做了以下工作——

1. 复制package.json到build文件夹
2. npm install --production在这个文件夹中运行
3. 压缩生成的node_modules树

我对这种方法的主要问题（除了混合构建工具）是构建不可重复 - 每次我们运行时，npm install我们可能会获得任何依赖包的更新兼容版本，因为该版本被 Yarn 在顶层“锁定”yarn.lock文件和 NPM（显然）不知道它。

我很确定我们并不孤单。有没有更好的方法可用？

我正在从一个 dockerfile 创建一个 lambda 层，它将 python 包安装到一个目录并压缩结果。

对于这个 Dockerfile，我可以成功部署。
现在我想添加更多库¹，但尽管 docker 构建和上传成功，但在执行 lambda 函数时出现错误（找不到 numpy）。我想要一种比更改 Docker 文件、构建、提取和上传 zip 文件并在 AWS 管理控制台中按“测试”更简单的方法来调试它。

我尝试在本地运行 docker 容器并在那里安装软件包，看看是否可以将所有内容导入 python shell，但我什至无法以这种方式重新创建原始文件：

如何找出本地机器上的正确依赖关系？

更新

我使它适用于以下版本，但知道如何在本地测试它仍然很有趣。

¹ 特别是我想要以下软件包：

我一直在检查互联网上的一些资源，AWS 中的所有 lambda 示例都非常基础，但我不确定我们将如何模块化具有多个依赖项的应用程序，例如在 java 中，我们通常有这样的结构

我们将与每个逻辑相关的代码放在包中，但现在在 AWS 中，这似乎更像是脚本，它将粘合各个部分，而不是我习惯的 OOP，所以我的问题是我们如何处理（如果应用）这种关系，因为我已经看到所有逻辑都在一个 lambda 中的代码，这似乎不是最好的方法，例如，如果我们有一些功能首先进行身份验证、授权、转换、调用外部 api、获取响应然后执行调用最终的休息端点，我们如何拆分它，例如将是相同的 lambda，其中包含包（目录）并且我们互相调用？或者我们有多个 lambda，每个都有一个目的？这将为每个 lambda 生成冷启动？

我在考虑使用层，但似乎很新，不确定这是否是生产就绪功能，并且似乎与重用代码更相关

我按照本教程制作 ffmpeg lambda 层https://www.serverless.com/blog/publish-aws-lambda-layers-serverless-framework

我使用 spawnsync 在我的目录中运行 ls 并且 opt 目录为空，因此 ffmpeg 没有触发。

关于我可能做错了什么的任何指示？

我使用 node.js12.x 作为无服务器框架的运行时。