相对 Python 导入对于 lambda 函数来说可能很棘手。我三年前写过一篇关于此的博客。但最近,我在 Dockerized lambda 函数方面遇到了同样的问题。所以,我想是时候创建一个新博客了!
您可以按照步骤操作或直接在 GitHub 上查看结果。
项目设置
确保您安装了 AWS CDK cli。
brew install aws-cdk
初始化项目:
cdk init app --language=typescript
拉姆达设置
首先我们需要创建文件和文件夹结构:
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
现在您需要填写 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"]
我们使用的是基于 Python 3.12 的 Python 基础镜像。接下来,我们将复制requirements.txt 文件和源代码。我们将安装requirements.txt 文件中列出的所有依赖项,并确保处理程序方法设置为CMD。
接下来,我们需要用一些代码填充 Python 文件。在__init__.py文件中,可以放置以下内容:
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:此处使用的代码可以使用相对导入。这是可能的,因为它位于单独的包中。此示例仅显示 __init__.py 文件中的代码。不过,您可以在此处使用多个文件来提高项目的可维护性。
对于这个例子,我不需要任何依赖项,因此我们可以将requirements.txt 文件保留为空。我将其包含在本示例中是为了说明如何包含依赖项。
使用 IaC 创建 Lambda 函数
我们的文件夹和文件已就位,因此是时候将 Lambda 函数添加到 CDK 构造中了。您可以像这样简单地添加它:
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,您还需要以下导入:
import * as lambda from 'aws-cdk-lib/aws-lambda'; import * as ecr_assets from 'aws-cdk-lib/aws-ecr-assets';
请注意,我们确保代码目录指向包含 Dockerfile 的目录,并且我们为代码和函数本身选择 ARM 平台。
本地测试 lambda 函数
快速反馈很重要,因此在某些情况下您可能需要在本地运行容器。为此,您首先需要构建容器:
docker build --platform linux/arm64 \ -t hello-world:latest \ -f ./lib/functions/hello-world/Dockerfile \ ./lib/functions/hello-world
请注意,该命令可以从项目的根目录执行。接下来,我们需要确保它正在运行,然后才能调用它:
docker run --platform linux/arm64 -p 9000:8080 hello-world:latest
之后,您可以按如下方式调用该函数:
curl http://localhost:9000/2015-03-31/functions/function/invocations -d '{"name": "Joris"}'
结论
相对导入可能很棘手!您需要将代码放入包中。这允许您在自己的包中进行相对导入。这将使代码更加清晰,因为您可以将职责拆分到多个文件中,从而更易于管理和维护。
摄影:Kaique Rocha
以上是Dockerized lambda 函数中的相对 Python 导入的详细内容。更多信息请关注PHP中文网其他相关文章!

Linux终端中查看Python版本时遇到权限问题的解决方法当你在Linux终端中尝试查看Python的版本时,输入python...

本文解释了如何使用美丽的汤库来解析html。 它详细介绍了常见方法,例如find(),find_all(),select()和get_text(),以用于数据提取,处理不同的HTML结构和错误以及替代方案(SEL)

Python 对象的序列化和反序列化是任何非平凡程序的关键方面。如果您将某些内容保存到 Python 文件中,如果您读取配置文件,或者如果您响应 HTTP 请求,您都会进行对象序列化和反序列化。 从某种意义上说,序列化和反序列化是世界上最无聊的事情。谁会在乎所有这些格式和协议?您想持久化或流式传输一些 Python 对象,并在以后完整地取回它们。 这是一种在概念层面上看待世界的好方法。但是,在实际层面上,您选择的序列化方案、格式或协议可能会决定程序运行的速度、安全性、维护状态的自由度以及与其他系

本文比较了Tensorflow和Pytorch的深度学习。 它详细介绍了所涉及的步骤:数据准备,模型构建,培训,评估和部署。 框架之间的关键差异,特别是关于计算刻度的

Python的statistics模块提供强大的数据统计分析功能,帮助我们快速理解数据整体特征,例如生物统计学和商业分析等领域。无需逐个查看数据点,只需查看均值或方差等统计量,即可发现原始数据中可能被忽略的趋势和特征,并更轻松、有效地比较大型数据集。 本教程将介绍如何计算平均值和衡量数据集的离散程度。除非另有说明,本模块中的所有函数都支持使用mean()函数计算平均值,而非简单的求和平均。 也可使用浮点数。 import random import statistics from fracti

该教程建立在先前对美丽汤的介绍基础上,重点是简单的树导航之外的DOM操纵。 我们将探索有效的搜索方法和技术,以修改HTML结构。 一种常见的DOM搜索方法是EX

本文讨论了诸如Numpy,Pandas,Matplotlib,Scikit-Learn,Tensorflow,Tensorflow,Django,Blask和请求等流行的Python库,并详细介绍了它们在科学计算,数据分析,可视化,机器学习,网络开发和H中的用途

本文指导Python开发人员构建命令行界面(CLIS)。 它使用Typer,Click和ArgParse等库详细介绍,强调输入/输出处理,并促进用户友好的设计模式,以提高CLI可用性。


热AI工具

Undresser.AI Undress
人工智能驱动的应用程序,用于创建逼真的裸体照片

AI Clothes Remover
用于从照片中去除衣服的在线人工智能工具。

Undress AI Tool
免费脱衣服图片

Clothoff.io
AI脱衣机

AI Hentai Generator
免费生成ai无尽的。

热门文章

热工具

Atom编辑器mac版下载
最流行的的开源编辑器

Dreamweaver Mac版
视觉化网页开发工具

安全考试浏览器
Safe Exam Browser是一个安全的浏览器环境,用于安全地进行在线考试。该软件将任何计算机变成一个安全的工作站。它控制对任何实用工具的访问,并防止学生使用未经授权的资源。

DVWA
Damn Vulnerable Web App (DVWA) 是一个PHP/MySQL的Web应用程序,非常容易受到攻击。它的主要目标是成为安全专业人员在合法环境中测试自己的技能和工具的辅助工具,帮助Web开发人员更好地理解保护Web应用程序的过程,并帮助教师/学生在课堂环境中教授/学习Web应用程序安全。DVWA的目标是通过简单直接的界面练习一些最常见的Web漏洞,难度各不相同。请注意,该软件中

mPDF
mPDF是一个PHP库,可以从UTF-8编码的HTML生成PDF文件。原作者Ian Back编写mPDF以从他的网站上“即时”输出PDF文件,并处理不同的语言。与原始脚本如HTML2FPDF相比,它的速度较慢,并且在使用Unicode字体时生成的文件较大,但支持CSS样式等,并进行了大量增强。支持几乎所有语言,包括RTL(阿拉伯语和希伯来语)和CJK(中日韩)。支持嵌套的块级元素(如P、DIV),