我想设置一个我在AWS Lambda上编写的Python函数，这个函数依赖于我已经在conda environment收集的一堆Python库。
要在Lambda上进行设置，我应该将此环境压缩，但Lambda docs仅提供有关如何使用pip / VirtualEnv执行此操作的说明。有没有人有这方面的经验？
答案 0 :(得分：8)
您应该将serverless framework与serverless-python-requirements plugin结合使用。您只需要一个requirements.txt，插件会自动将您的代码和依赖项打包到一个zip文件中，将所有内容上传到s3并部署您的函数。额外：因为它可以做到这个停靠，它也能够帮助你处理需要二进制依赖的包。
请查看here (https://serverless.com/blog/serverless-python-packaging/)了解操作方法。
根据经验，我强烈建议你研究一下。用于部署的每一点手工劳动都可以阻止您开发逻辑。
编辑2017-12-17：
您的评论有意义@eelco-hoogendoorn。
但是，在我看来，conda环境只是一个封装的地方，其中包含一堆python包。那么，如果您将所有这些依赖项（来自您的conda env）放入requirements.txt（并使用无服务器+插件）来解决您的问题，不是吗？
恕我直言，它基本上与将您在env中安装的所有软件包压缩到部署包中相同。话虽这么说，这是一个片段，基本上是这样的：
conda env export --name Name_of_your_Conda_env | yq -r '.dependencies[] | .. | select(type == "string")' | sed -E "s/(^[^=]*)(=+)([0-9.]+)(=.*|$)/\1==\3/" > requirements.txt
不幸的是conda env export仅以yaml格式导出环境。 --json标志现在不起作用，但应该在下一个版本中修复。这就是我必须使用 yq 而不是 jq 的原因。您可以使用yq安装pip install yq。它只是jq的包装器，允许它也可以使用yaml文件。
保持心情
Lambda部署代码的大小只能为50MB。你的环境不应该太大。
我没有尝试使用serverless + serverless-python-packaging和requirements.txt部署一个lambda，并且我不知道它是否会起作用。
答案 1 :(得分：2)
我想你可以进入你的anaconda2/envs/或anaconda3/envs/目录并复制/压缩你要上传的env目录。 Conda只是一个增强版的virtualenv，加上一个不同的＆amp;有点可选的包管理器。我认为没问题的一个重要原因是conda环境默认情况下将所有依赖项封装在其特定的.../anaconda[2|3]/envs/$VIRTUAL_ENV_DIR/目录中。
使用普通的virtualenv表达式可以让你获得更多的自由，就像洞穴人比现代人拥有更多自由一样。我个人比较喜欢汽车。使用virtualenv，你基本上可以得到一个半空的$PYTHON_PATH变量，你可以用你想要的任何东西填充，而不是Conda吐出的更强大，预先填充的env。以下是一个很好的参考表：https://conda.io/docs/commands.html#conda-vs-pip-vs-virtualenv-commands
~$ /path/to/$VIRTUAL_ENV_ROOT_DIR/bin/activate转换为~$ source activate $VIRTUAL_ENV_NAME 假设你想以老式方式制作virtualenv。你要选择一个目录（我们称之为$VIRTUAL_ENV_ROOT_DIR），＆amp;名称（我们称之为$VIRTUAL_ENV_NAME。）此时您将输入：
~$ cd $VIRTUAL_ENV_ROOT_DIR && virtualenv $VIRTUAL_ENV_NAME
python创建一个自己的解释器库的副本（我认为还有pip和setuptools）＆amp;在此克隆的activate目录中放置一个名为bin/的可执行文件。 $VIRTUAL_ENV_ROOT_DIR/bin/activate脚本的工作原理是更改当前的$PYTHONPATH环境变量，该变量确定在shell中键入~$ python时调用的python解释器，＆amp;还包含解释器在被告知import时会看到的所有模块的目录列表。这是您在人员代码中看到#!/usr/bin/env python而不是/usr/bin/python的主要原因。
答案 2 :(得分：2)
我使用conda的主要原因是我不能自己编译不同的二进制包（如numpy，matplotlib，pyqt等）或编译它们不太常见。如果您确实需要为python的特定版本（例如uwsgi）自行编译某些内容，则应使用与gcc版本相同的python版本编译二进制文件。编译conda环境 - 很可能与您的操作系统使用的gcc不同，因为conda现在正在使用应该是gcc的最新版本与conda install gxx_linux-64一起安装。
这引出了两种情况：
所有依赖项都在纯python中，您实际上可以使用pip freeze保存它们列表的列表，并按照virtualenv的说明捆绑它们。
您有一些二进制扩展名。在这种情况下，来自conda环境的二进制文件将无法与AWS lambda使用的python一起使用。不幸的是，您需要访问描述执行环境的page（AMI：amzn-ami-hvm-2017.03.1.20170812-x86_64-gp2），设置环境，为特定版本的内置版本构建二进制文件在python中的一个单独的目录（以及纯python包），然后将它们捆绑成一个zip-archive。
这是对您的问题的一般答案，但主要的想法是您不能重复使用二进制包，只能列出它们的列表。
答案 3 :(得分：1)
在https://github.com/dazza-codes/aws-lambda-layer-packing中，pip wheel似乎适用于许多软件包（纯pip安装）。很难将许多软件包捆绑到一个紧凑的AWS Lambda层中，因为pip wheel不使用共享库，并且会有点肿，但它们可以工作。根据github中的一些讨论，conda vs. pip挑战并不容易：