


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
Mulakan projek:
cdk init app --language=typescript
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
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"]
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" ]
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, });
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';
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
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
Selepas itu, anda boleh menggunakan fungsi seperti berikut:
curl http://localhost:9000/2015-03-31/functions/function/invocations -d '{"name": "Joris"}'
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!

Forhandlinglargedatasetsinpython, usenumpyarraysforbetterperformance.1) numpyarraysarememory-efisien danfasterfornumumerical.2) mengelakkan yang tidak dapat dipertahankan.3)

Inpython, listsusedynamicMemoryAllocationwithover-peruntukan, pemecahan yang tidak dapat dilaksanakan.1) listsallocatemoremoremorythanneedinitial, resizingwhennessary.2) numpyarraysallocateExactMemoreForelements, menawarkanpredictableSabeBeBeBeBeBeBeBeBeBeBeBeBeBeBeBeBeBeBeBeBeBeBeBeBeBeBeBeBeBeBeBeBeBeBeBeBeBeBeBeBeBeBeBeBeBeBeBeBeBeBeBeBeBeBeBeBeBeBeBeBeat.

Inpython, YouCansspectHedatypeyFeleMeremodelerernspant.1) Usenpynernrump.1) usenpynerp.dloatp.ploatm64, formor preciscontrolatatypes.

Numpyisessentialfornumericalcomputinginpythonduetoitsspeed, ingatanefisiensi, dancomprehensivemathematicalfunctions.1) it'sfastbeCauseitperformsoperatiation

Contiguousmemoryallocationiscialforarraysbecauseitallowsficientandfastelementaccess.1) itenablesconstantTimeAccess, O (1), duetodirectaddresscalculation.2) itimproveScheFiCiencyBymultmulteLemiSphetfespercacheline.3)

Slicingapythonlistisdoneusingthesyntaxlist [Mula: berhenti: langkah] .here'showitworks: 1) startistheindexofthefirstelementtoinclude.2) stopistheindexofthefirstelementToexclude.3)

NumpyallowsforvariousoperationsonArrays: 1) BasicarithmeticLikeaddition, penolakan, pendaraban, danDivision; 2) Pengerjaan AdvancedSuchasmatrixmultiplication; 3) Element-WiseOperationswithoutExplicitLoops;

Arraysinpython, terutamanya yang ada, adalah, penawaran yang ditawarkan.1) numpyarraysenableFandlingoflargedataSetsandClexPleperationsLikemovingAverages.2)


Alat AI Hot

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool
Gambar buka pakaian secara percuma

Clothoff.io
Penyingkiran pakaian AI

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

Artikel Panas

Alat panas

mPDF
mPDF ialah perpustakaan PHP yang boleh menjana fail PDF daripada HTML yang dikodkan UTF-8. Pengarang asal, Ian Back, menulis mPDF untuk mengeluarkan fail PDF "dengan cepat" dari tapak webnya dan mengendalikan bahasa yang berbeza. Ia lebih perlahan dan menghasilkan fail yang lebih besar apabila menggunakan fon Unicode daripada skrip asal seperti HTML2FPDF, tetapi menyokong gaya CSS dsb. dan mempunyai banyak peningkatan. Menyokong hampir semua bahasa, termasuk RTL (Arab dan Ibrani) dan CJK (Cina, Jepun dan Korea). Menyokong elemen peringkat blok bersarang (seperti P, DIV),

Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa

SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

SublimeText3 Linux versi baharu
SublimeText3 Linux versi terkini

PhpStorm versi Mac
Alat pembangunan bersepadu PHP profesional terkini (2018.2.1).
