Rumah pembangunan bahagian belakang Tutorial Python Import Python relatif dalam fungsi lambda Dockerized

Import Python relatif dalam fungsi lambda Dockerized

Dec 23, 2024 pm 10:47 PM

Relative Python imports in a Dockerized lambda function

Import Python relatif boleh menjadi rumit untuk fungsi lambda. Saya menulis blog tentang ini 3 tahun yang lalu. Tetapi baru-baru ini, saya menghadapi isu yang sama dengan fungsi lambda Dockerized. Jadi, saya fikir sudah tiba masanya untuk blog baharu!

Anda boleh mengikuti langkah-langkah tersebut atau melihat hasilnya terus di GitHub.

Persediaan projek

Pastikan anda memasang cli AWS CDK.

brew install aws-cdk
Salin selepas log masuk

Mulakan projek:

cdk init app --language=typescript
Salin selepas log masuk

Persediaan Lambda

Mula-mula kita perlu mencipta struktur fail dan folder:

mkdir -p lib/functions/hello-world/hello_world
touch lib/functions/hello-world/hello_world/__init__.py
touch lib/functions/hello-world/requirements.txt
touch lib/functions/hello-world/Dockerfile
Salin selepas log masuk

Kini anda perlu mengisi Dockerfile, seperti ini:

FROM public.ecr.aws/lambda/python:3.12
COPY requirements.txt .
COPY hello_world ${LAMBDA_TASK_ROOT}/hello_world
RUN pip install --no-cache-dir -r requirements.txt
CMD ["hello_world.handler"]
Salin selepas log masuk

Kami menggunakan imej asas Python yang berdasarkan Python 3.12. Seterusnya, kami akan menyalin dalam fail requirements.txt dan kod sumber. Kami akan memasang semua kebergantungan yang disenaraikan dalam fail requirements.txt dan memastikan kaedah pengendali ditetapkan sebagai CMD.

Seterusnya, kami perlu mengisi fail Python kami dengan beberapa kod. Dalam fail __init__.py, anda boleh meletakkan kandungan berikut:

from typing import Dict, Any


def handler(event: Dict[str, Any], context: Any) -> Dict[str, str]:
    name = event.get("name", "World")

    return {
        "Name": name,
        "Message": f"Hello {name}!",
    }


__all__ = [
    "handler"
]
Salin selepas log masuk

NOTA: Kod yang digunakan di sini boleh menggunakan import relatif. Ini mungkin kerana ia berada dalam pakej yang berasingan. Contoh ini hanya menunjukkan kod dalam fail __init__.py. Walau bagaimanapun, anda boleh menggunakan berbilang fail di sini untuk meningkatkan kebolehselenggaraan projek anda.

Untuk contoh ini, saya tidak memerlukan sebarang kebergantungan, jadi kami boleh memastikan fail requirements.txt kosong. Saya menyertakannya dalam contoh ini untuk menggambarkan cara anda boleh memasukkan kebergantungan juga.

Cipta fungsi Lambda menggunakan IaC

Folder dan fail kami tersedia, jadi sudah tiba masanya untuk menambah fungsi Lambda pada binaan CDK. Anda hanya boleh menambahnya seperti ini:

    new lambda.Function(this, 'Function', {
      functionName: "hello-world",
      code: lambda.Code.fromAssetImage("lib/functions/hello-world", {
        platform: ecr_assets.Platform.LINUX_ARM64,
      }),
      runtime: lambda.Runtime.FROM_IMAGE,
      handler: lambda.Handler.FROM_IMAGE,
      architecture: lambda.Architecture.ARM_64,
      timeout: cdk.Duration.seconds(15),
      memorySize: 128,
    });
Salin selepas log masuk

Untuk ini berfungsi, anda juga memerlukan import berikut:

import * as lambda from 'aws-cdk-lib/aws-lambda';
import * as ecr_assets from 'aws-cdk-lib/aws-ecr-assets';
Salin selepas log masuk

Perhatikan bahawa kami memastikan bahawa direktori kod menghala ke direktori yang mengandungi Dockerfile dan kami memilih platform ARM untuk kedua-dua kod dan fungsi itu sendiri.

Menguji fungsi lambda secara tempatan

Maklum balas pantas adalah penting, jadi mungkin terdapat kes di mana anda perlu menjalankan kontena secara setempat. Untuk ini, anda perlu membina bekas terlebih dahulu:

docker build --platform linux/arm64 \
  -t hello-world:latest \
  -f ./lib/functions/hello-world/Dockerfile \
  ./lib/functions/hello-world
Salin selepas log masuk

Perhatikan bahawa arahan ini boleh dilaksanakan daripada akar projek. Seterusnya, kita perlu memastikan ia berjalan sebelum kita boleh memanggilnya:

docker run --platform linux/arm64 -p 9000:8080 hello-world:latest
Salin selepas log masuk

Selepas itu, anda boleh menggunakan fungsi seperti berikut:

curl http://localhost:9000/2015-03-31/functions/function/invocations -d '{"name": "Joris"}'
Salin selepas log masuk

Kesimpulan

Import relatif boleh menjadi rumit! Anda perlu meletakkan kod anda dalam pakej. Ini membolehkan anda melakukan import relatif dalam pakej anda sendiri. Ini akan membolehkan kod yang lebih bersih, kerana anda boleh membahagikan tanggungjawab kepada berbilang fail, menjadikannya lebih mudah untuk diurus dan diselenggara.

Foto oleh Kaique Rocha

Atas ialah kandungan terperinci Import Python relatif dalam fungsi lambda Dockerized. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Kenyataan Laman Web ini
Kandungan artikel ini disumbangkan secara sukarela oleh netizen, dan hak cipta adalah milik pengarang asal. Laman web ini tidak memikul tanggungjawab undang-undang yang sepadan. Jika anda menemui sebarang kandungan yang disyaki plagiarisme atau pelanggaran, sila hubungi admin@php.cn

Alat AI Hot

Undresser.AI Undress

Undresser.AI Undress

Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover

AI Clothes Remover

Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool

Undress AI Tool

Gambar buka pakaian secara percuma

Clothoff.io

Clothoff.io

Penyingkiran pakaian AI

Video Face Swap

Video Face Swap

Tukar muka dalam mana-mana video dengan mudah menggunakan alat tukar muka AI percuma kami!

Artikel Panas

<🎜>: Bubble Gum Simulator Infinity - Cara Mendapatkan dan Menggunakan Kekunci Diraja
4 minggu yang lalu By 尊渡假赌尊渡假赌尊渡假赌
Nordhold: Sistem Fusion, dijelaskan
4 minggu yang lalu By 尊渡假赌尊渡假赌尊渡假赌
Mandragora: Whispers of the Witch Tree - Cara Membuka Kunci Cangkuk Bergelut
3 minggu yang lalu By 尊渡假赌尊渡假赌尊渡假赌

Alat panas

Notepad++7.3.1

Notepad++7.3.1

Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina

SublimeText3 versi Cina

Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1

Hantar Studio 13.0.1

Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6

Dreamweaver CS6

Alat pembangunan web visual

SublimeText3 versi Mac

SublimeText3 versi Mac

Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Topik panas

Tutorial Java
1672
14
Tutorial PHP
1277
29
Tutorial C#
1257
24
Python vs C: Lengkung pembelajaran dan kemudahan penggunaan Python vs C: Lengkung pembelajaran dan kemudahan penggunaan Apr 19, 2025 am 12:20 AM

Python lebih mudah dipelajari dan digunakan, manakala C lebih kuat tetapi kompleks. 1. Sintaks Python adalah ringkas dan sesuai untuk pemula. Penaipan dinamik dan pengurusan memori automatik menjadikannya mudah digunakan, tetapi boleh menyebabkan kesilapan runtime. 2.C menyediakan kawalan peringkat rendah dan ciri-ciri canggih, sesuai untuk aplikasi berprestasi tinggi, tetapi mempunyai ambang pembelajaran yang tinggi dan memerlukan memori manual dan pengurusan keselamatan jenis.

Pembelajaran Python: Adakah 2 jam kajian harian mencukupi? Pembelajaran Python: Adakah 2 jam kajian harian mencukupi? Apr 18, 2025 am 12:22 AM

Adakah cukup untuk belajar Python selama dua jam sehari? Ia bergantung pada matlamat dan kaedah pembelajaran anda. 1) Membangunkan pelan pembelajaran yang jelas, 2) Pilih sumber dan kaedah pembelajaran yang sesuai, 3) mengamalkan dan mengkaji semula dan menyatukan amalan tangan dan mengkaji semula dan menyatukan, dan anda secara beransur-ansur boleh menguasai pengetahuan asas dan fungsi lanjutan Python dalam tempoh ini.

Python vs C: Meneroka Prestasi dan Kecekapan Python vs C: Meneroka Prestasi dan Kecekapan Apr 18, 2025 am 12:20 AM

Python lebih baik daripada C dalam kecekapan pembangunan, tetapi C lebih tinggi dalam prestasi pelaksanaan. 1. Sintaks ringkas Python dan perpustakaan yang kaya meningkatkan kecekapan pembangunan. 2. Ciri-ciri jenis kompilasi dan kawalan perkakasan meningkatkan prestasi pelaksanaan. Apabila membuat pilihan, anda perlu menimbang kelajuan pembangunan dan kecekapan pelaksanaan berdasarkan keperluan projek.

Python vs C: Memahami perbezaan utama Python vs C: Memahami perbezaan utama Apr 21, 2025 am 12:18 AM

Python dan C masing -masing mempunyai kelebihan sendiri, dan pilihannya harus berdasarkan keperluan projek. 1) Python sesuai untuk pembangunan pesat dan pemprosesan data kerana sintaks ringkas dan menaip dinamik. 2) C sesuai untuk prestasi tinggi dan pengaturcaraan sistem kerana menaip statik dan pengurusan memori manual.

Yang merupakan sebahagian daripada Perpustakaan Standard Python: Senarai atau Array? Yang merupakan sebahagian daripada Perpustakaan Standard Python: Senarai atau Array? Apr 27, 2025 am 12:03 AM

Pythonlistsarepartofthestandardlibrary, sementara

Python: Automasi, skrip, dan pengurusan tugas Python: Automasi, skrip, dan pengurusan tugas Apr 16, 2025 am 12:14 AM

Python cemerlang dalam automasi, skrip, dan pengurusan tugas. 1) Automasi: Sandaran fail direalisasikan melalui perpustakaan standard seperti OS dan Shutil. 2) Penulisan Skrip: Gunakan Perpustakaan Psutil untuk memantau sumber sistem. 3) Pengurusan Tugas: Gunakan perpustakaan jadual untuk menjadualkan tugas. Kemudahan penggunaan Python dan sokongan perpustakaan yang kaya menjadikannya alat pilihan di kawasan ini.

Python untuk pengkomputeran saintifik: rupa terperinci Python untuk pengkomputeran saintifik: rupa terperinci Apr 19, 2025 am 12:15 AM

Aplikasi Python dalam pengkomputeran saintifik termasuk analisis data, pembelajaran mesin, simulasi berangka dan visualisasi. 1.Numpy menyediakan susunan pelbagai dimensi yang cekap dan fungsi matematik. 2. Scipy memanjangkan fungsi numpy dan menyediakan pengoptimuman dan alat algebra linear. 3. Pandas digunakan untuk pemprosesan dan analisis data. 4.Matplotlib digunakan untuk menghasilkan pelbagai graf dan hasil visual.

Python untuk Pembangunan Web: Aplikasi Utama Python untuk Pembangunan Web: Aplikasi Utama Apr 18, 2025 am 12:20 AM

Aplikasi utama Python dalam pembangunan web termasuk penggunaan kerangka Django dan Flask, pembangunan API, analisis data dan visualisasi, pembelajaran mesin dan AI, dan pengoptimuman prestasi. 1. Rangka Kerja Django dan Flask: Django sesuai untuk perkembangan pesat aplikasi kompleks, dan Flask sesuai untuk projek kecil atau sangat disesuaikan. 2. Pembangunan API: Gunakan Flask atau DjangorestFramework untuk membina Restfulapi. 3. Analisis Data dan Visualisasi: Gunakan Python untuk memproses data dan memaparkannya melalui antara muka web. 4. Pembelajaran Mesin dan AI: Python digunakan untuk membina aplikasi web pintar. 5. Pengoptimuman Prestasi: Dioptimumkan melalui pengaturcaraan, caching dan kod tak segerak

See all articles