AWS Lambda Layer

AWS Lambda 是一套 Serveless 服務，讓使用者不必花太多時間佈建或管理伺服器，同時得到更多時間編寫核心邏輯。

不過 AWS Lambda 也有些小缺點，例如當 code 與用到的 libraries 超過 3MB 時，你會被告知 deployment package too large

雖然這不影響 function 的運行，但會讓人不方便編輯與查看 lambda function 內容。

為了解決這項問題，AWS 在 2018 年推出 Lambda Layers 來存放 function 之間共用的 libraries。

以下拿 python3 的 Lambda Function 當例子:

假設有個 python 程式需要 PyMySQL、PyYAML、openpyxl 三個 Libraries。

在不使用 layer 的情況下，你需要建立一個 requirements.txt，並在裡面寫上 Libraries 與對應的版本。

然後用 pip install --requirement requirements.txt 安裝 Libraries。裝好後你會發現資料夾裡多了好多不是自己寫的檔案:

由於這些 libraries 跟你寫的 code 在同一個資料夾層級，它們會阻礙你閱讀 code，而且當它們超過 3MB 時，無法在 AWS Lambda 線上編輯器顯示。

當你打算採用 layer 時，你需要將 Libraries 打包到名為 python 的資料夾內

1
2
3

pip install \
  --requirement requirements.txt \
  --target python

然後用 zip -r lambdaLayer.zip python 將它打包再上傳。

以下介紹透過 AWS Console 上傳的方式

首先進入 AWS Lambda Function Layers 頁面，並點選 Create Layer

上傳剛剛打包好的 zip 檔

上傳好你會得到一串資源識別碼 (ARN, Amazon Resource Name)，記下它，因為等一下會用到

這時再回到你想加入 Layer 的 lambda function，然後點選 Layers。注意 Layers 右邊有個 (0)，它表示現在有的 Layer 數是 0。

然後再點選 Add a layer

再來選 Provide a layer version ARN，並貼上剛剛記下的 ARN

這時 Layer 就快建立完成了，最後只要按下 Save 就能儲存 Layer，注意這時 Layers 右邊的數字變成 1，表示有一個 Layer。

從上面的例子可以發現使用 Layer 後，編輯器裡只會留下你自己編寫的檔案

這樣不僅方便看 code，也可以在 AWS Lambda 線上編輯器直接修改 code 。