aws serverless python_如何在S3上存储大型Python依赖项（对于具有Serverless的AWS Lambda）...

我使用awslambda托管一个Python项目，使用Serverless框架管理部署，并且遇到了通常达到50MB的包存储限制。到目前为止，我已经成功地将我的需求划分为每个函数，分别使用serverless python和serverless python需求插件将每个文件作为一个单独的Lambda函数进行dockerise、压缩和上传，如我的无服务器.yml文件，如下所示。在

这使得前三个函数包保持在50MB以下，并创建了一个简单的工作流，在这个工作流中，我可以简单地使用：sls deploy --pi-dockerizedPip来推送更改。但是，第四个包只需要SciPy，不能减少到52MB以下，在阅读了大量之后，我看到的唯一常见方法是上传我的依赖项(ies？)以某种方式确保我的import语句能够找到依赖关系。在

我还没有找到明确的说明，说明这个打包依赖性的过程应该如何完成，以及(几乎同样重要)如何与Serverless一起工作(这样我就可以保持良好的工作流程)？在

的关键部分无服务器.yml：package:

individually: True

exclude:

# Exclude everything first.

- '**/*'

functions:

brain:

handler: src/1-brain/wrap.handler

package:

include:

- src/1-brain/**

events:

- schedule: rate(5 minutes)

data:

handler: src/2-data/wrap.handler

package:

include:

- src/2-data/**

strategy:

handler: src/3-strategy/wrap.handler

package:

include:

- src/3-strategy/**

balancer:

handler: src/4-portfolio-balancer/wrap.handler

package:

include:

- src/4-portfolio-balancer/**

custom:

pythonRequirements:

useDownloadCache: true

useStaticCache: true

dockerizePip: true

zip: true

slim: true

pyIndividually:

wrap:brain: src/1-brain/aws_handler.handler # mapping to the real handler

wrap:data: src/2-data/datafeed.handler # mapping to the real handler

wrap:strategy: src/3-strategy/strategy.handler # mapping to the real handler

wrap:balancer: src/4-portfolio-balancer/balancer.handler # mapping to the real handler