Dockerized lambda 函數中的相對 Python 導入
相對 Python 匯入對於 lambda 函數來說可能很棘手。我三年前寫過一篇關於此的部落格。但最近,我在 Dockerized lambda 函數方面遇到了同樣的問題。所以,我想是時候創建一個新部落格了!
您可以按照步驟操作或直接在 GitHub 上查看結果。
項目設定
確保您安裝了 AWS CDK cli。
brew install aws-cdk
初始化項目:
cdk init app --language=typescript
拉姆達設定
首先我們需要建立檔案和資料夾結構:
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
現在您需要填寫 Dockerfile,如下所示:
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"]
我們使用的是基於 Python 3.12 的 Python 基礎鏡像。接下來,我們將複製requirements.txt 檔案和原始碼。我們將安裝requirements.txt 檔案中列出的所有依賴項,並確保處理程序方法設定為CMD。
接下來,我們需要用一些程式碼填入 Python 檔案。在__init__.py檔案中,可以放置以下內容:
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" ]
注意:此處使用的程式碼可以使用相對導入。這是可能的,因為它位於單獨的包中。此範例僅顯示 __init__.py 檔案中的程式碼。不過,您可以在此處使用多個文件來提高專案的可維護性。
對於這個例子,我不需要任何依賴項,因此我們可以將requirements.txt 檔案保留為空。我將其包含在本範例中是為了說明如何包含依賴項。
使用 IaC 建立 Lambda 函數
我們的資料夾和檔案已就位,因此是時候將 Lambda 函數添加到 CDK 構造中了。您可以像這樣簡單地添加它:
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, });
要使其工作,您還需要以下導入:
import * as lambda from 'aws-cdk-lib/aws-lambda'; import * as ecr_assets from 'aws-cdk-lib/aws-ecr-assets';
請注意,我們確保程式碼目錄指向包含 Dockerfile 的目錄,並且我們為程式碼和函數本身選擇 ARM 平台。
本地測試 lambda 函數
快速回饋很重要,因此在某些情況下您可能需要在本地運行容器。為此,您首先需要建立容器:
docker build --platform linux/arm64 \ -t hello-world:latest \ -f ./lib/functions/hello-world/Dockerfile \ ./lib/functions/hello-world
請注意,該指令可以從專案的根目錄執行。接下來,我們需要確保它正在運行,然後才能呼叫它:
docker run --platform linux/arm64 -p 9000:8080 hello-world:latest
之後,您可以如下呼叫該函數:
curl http://localhost:9000/2015-03-31/functions/function/invocations -d '{"name": "Joris"}'
結論
相對導入可能很棘手!您需要將代碼放入包中。這允許您在自己的包中進行相對導入。這將使程式碼更加清晰,因為您可以將職責拆分到多個文件中,從而更易於管理和維護。
攝影:Kaique Rocha
以上是Dockerized lambda 函數中的相對 Python 導入的詳細內容。更多資訊請關注PHP中文網其他相關文章!

熱AI工具

Undresser.AI Undress
人工智慧驅動的應用程序,用於創建逼真的裸體照片

AI Clothes Remover
用於從照片中去除衣服的線上人工智慧工具。

Undress AI Tool
免費脫衣圖片

Clothoff.io
AI脫衣器

Video Face Swap
使用我們完全免費的人工智慧換臉工具,輕鬆在任何影片中換臉!

熱門文章

熱工具

記事本++7.3.1
好用且免費的程式碼編輯器

SublimeText3漢化版
中文版,非常好用

禪工作室 13.0.1
強大的PHP整合開發環境

Dreamweaver CS6
視覺化網頁開發工具

SublimeText3 Mac版
神級程式碼編輯軟體(SublimeText3)

Python在遊戲和GUI開發中表現出色。 1)遊戲開發使用Pygame,提供繪圖、音頻等功能,適合創建2D遊戲。 2)GUI開發可選擇Tkinter或PyQt,Tkinter簡單易用,PyQt功能豐富,適合專業開發。

Python更易學且易用,C 則更強大但複雜。 1.Python語法簡潔,適合初學者,動態類型和自動內存管理使其易用,但可能導致運行時錯誤。 2.C 提供低級控制和高級特性,適合高性能應用,但學習門檻高,需手動管理內存和類型安全。

要在有限的時間內最大化學習Python的效率,可以使用Python的datetime、time和schedule模塊。 1.datetime模塊用於記錄和規劃學習時間。 2.time模塊幫助設置學習和休息時間。 3.schedule模塊自動化安排每週學習任務。

Python在開發效率上優於C ,但C 在執行性能上更高。 1.Python的簡潔語法和豐富庫提高開發效率。 2.C 的編譯型特性和硬件控制提升執行性能。選擇時需根據項目需求權衡開發速度與執行效率。

pythonlistsarepartofthestAndArdLibrary,herilearRaysarenot.listsarebuilt-In,多功能,和Rused ForStoringCollections,而EasaraySaraySaraySaraysaraySaraySaraysaraySaraysarrayModuleandleandleandlesscommonlyusedDduetolimitedFunctionalityFunctionalityFunctionality。

Python在自動化、腳本編寫和任務管理中表現出色。 1)自動化:通過標準庫如os、shutil實現文件備份。 2)腳本編寫:使用psutil庫監控系統資源。 3)任務管理:利用schedule庫調度任務。 Python的易用性和豐富庫支持使其在這些領域中成為首選工具。

每天學習Python兩個小時是否足夠?這取決於你的目標和學習方法。 1)制定清晰的學習計劃,2)選擇合適的學習資源和方法,3)動手實踐和復習鞏固,可以在這段時間內逐步掌握Python的基本知識和高級功能。

Python和C 各有優勢,選擇應基於項目需求。 1)Python適合快速開發和數據處理,因其簡潔語法和動態類型。 2)C 適用於高性能和系統編程,因其靜態類型和手動內存管理。
