跳转到内容

在AWS Lambda中使用uv

AWS Lambda 是一项无服务器计算服务，可让您无需预置或管理服务器即可运行代码。

你可以使用uv与AWS Lambda来管理你的Python依赖项，构建你的部署包，并部署你的Lambda函数。

提示

查看uv-aws-lambda-example项目，了解使用uv将应用程序部署到AWS Lambda时的最佳实践示例。

入门指南

首先，假设我们有一个结构如下的最小化FastAPI应用：

project
├── pyproject.toml
└── app
    ├── __init__.py
    └── main.py

其中 pyproject.toml 文件包含：

pyproject.toml
[project]
name = "uv-aws-lambda-example"
version = "0.1.0"
requires-python = ">=3.13"
dependencies = [
    # FastAPI is a modern web framework for building APIs with Python.
    "fastapi",
    # Mangum is a library that adapts ASGI applications to AWS Lambda and API Gateway.
    "mangum",
]

[dependency-groups]
dev = [
    # In development mode, include the FastAPI development server.
    "fastapi[standard]>=0.115",
]

而 main.py 文件包含：

app/main.py
import logging

from fastapi import FastAPI
from mangum import Mangum

logger = logging.getLogger()
logger.setLevel(logging.INFO)

app = FastAPI()
handler = Mangum(app)


@app.get("/")
async def root() -> str:
    return "Hello, world!"

我们可以在本地运行此应用程序：

$ uv run fastapi dev

从这里开始，在网页浏览器中打开 http://127.0.0.1:8000/ 将会显示"Hello, world!"

部署Docker镜像

要部署到AWS Lambda，我们需要构建一个容器镜像，该镜像需包含应用程序代码和所有依赖项，并输出到单一目录中。

我们将遵循Docker指南中概述的原则（特别是多阶段构建），以确保最终镜像尽可能小巧且缓存友好。

在第一阶段，我们将用一个目录存放所有应用程序代码和依赖项。在第二阶段，我们会将这个目录复制到最终镜像中，同时省略构建工具和其他不必要的文件。

Dockerfile
FROM ghcr.io/astral-sh/uv:0.7.6 AS uv

# First, bundle the dependencies into the task root.
FROM public.ecr.aws/lambda/python:3.13 AS builder

# Enable bytecode compilation, to improve cold-start performance.
ENV UV_COMPILE_BYTECODE=1

# Disable installer metadata, to create a deterministic layer.
ENV UV_NO_INSTALLER_METADATA=1

# Enable copy mode to support bind mount caching.
ENV UV_LINK_MODE=copy

# Bundle the dependencies into the Lambda task root via `uv pip install --target`.
#
# Omit any local packages (`--no-emit-workspace`) and development dependencies (`--no-dev`).
# This ensures that the Docker layer cache is only invalidated when the `pyproject.toml` or `uv.lock`
# files change, but remains robust to changes in the application code.
RUN --mount=from=uv,source=/uv,target=/bin/uv \
    --mount=type=cache,target=/root/.cache/uv \
    --mount=type=bind,source=uv.lock,target=uv.lock \
    --mount=type=bind,source=pyproject.toml,target=pyproject.toml \
    uv export --frozen --no-emit-workspace --no-dev --no-editable -o requirements.txt && \
    uv pip install -r requirements.txt --target "${LAMBDA_TASK_ROOT}"

FROM public.ecr.aws/lambda/python:3.13

# Copy the runtime dependencies from the builder stage.
COPY --from=builder ${LAMBDA_TASK_ROOT} ${LAMBDA_TASK_ROOT}

# Copy the application code.
COPY ./app ${LAMBDA_TASK_ROOT}/app

# Set the AWS Lambda handler.
CMD ["app.main.handler"]

提示

要部署到基于ARM架构的AWS Lambda运行时，请将public.ecr.aws/lambda/python:3.13替换为public.ecr.aws/lambda/python:3.13-arm64。

我们可以使用以下命令构建镜像，例如：

$ uv lock
$ docker build -t fastapi-app .

该Dockerfile结构的核心优势如下:

  1. 最小化镜像体积。 通过采用多阶段构建技术，我们可以确保最终镜像仅包含应用程序代码和依赖项。例如，uv二进制文件本身并不会打包进最终镜像。
  2. 最大化缓存复用。 通过将应用程序依赖项与应用程序代码分开安装，我们可以确保仅在依赖项变更时才会使Docker层缓存失效。

具体来说，在修改应用程序源代码后重新构建镜像可以复用缓存的层，从而实现毫秒级的构建速度：

 => [internal] load build definition from Dockerfile                                                                 0.0s
 => => transferring dockerfile: 1.31kB                                                                               0.0s
 => [internal] load metadata for public.ecr.aws/lambda/python:3.13                                                   0.3s
 => [internal] load metadata for ghcr.io/astral-sh/uv:latest                                                         0.3s
 => [internal] load .dockerignore                                                                                    0.0s
 => => transferring context: 106B                                                                                    0.0s
 => [uv 1/1] FROM ghcr.io/astral-sh/uv:latest@sha256:ea61e006cfec0e8d81fae901ad703e09d2c6cf1aa58abcb6507d124b50286f  0.0s
 => [builder 1/2] FROM public.ecr.aws/lambda/python:3.13@sha256:f5b51b377b80bd303fe8055084e2763336ea8920d12955b23ef  0.0s
 => [internal] load build context                                                                                    0.0s
 => => transferring context: 185B                                                                                    0.0s
 => CACHED [builder 2/2] RUN --mount=from=uv,source=/uv,target=/bin/uv     --mount=type=cache,target=/root/.cache/u  0.0s
 => CACHED [stage-2 2/3] COPY --from=builder /var/task /var/task                                                     0.0s
 => CACHED [stage-2 3/3] COPY ./app /var/task                                                                        0.0s
 => exporting to image                                                                                               0.0s
 => => exporting layers                                                                                              0.0s
 => => writing image sha256:6f8f9ef715a7cda466b677a9df4046ebbb90c8e88595242ade3b4771f547652d                         0.0

构建完成后，我们可以将镜像推送到 Elastic Container Registry (ECR)，例如：

$ aws ecr get-login-password --region region | docker login --username AWS --password-stdin aws_account_id.dkr.ecr.region.amazonaws.com
$ docker tag fastapi-app:latest aws_account_id.dkr.ecr.region.amazonaws.com/fastapi-app:latest
$ docker push aws_account_id.dkr.ecr.region.amazonaws.com/fastapi-app:latest

最后，我们可以使用AWS管理控制台或AWS CLI将镜像部署到AWS Lambda，例如：

$ aws lambda create-function \
   --function-name myFunction \
   --package-type Image \
   --code ImageUri=aws_account_id.dkr.ecr.region.amazonaws.com/fastapi-app:latest \
   --role arn:aws:iam::111122223333:role/my-lambda-role

其中 执行角色 是通过以下方式创建的：

$ aws iam create-role \
   --role-name my-lambda-role \
   --assume-role-policy-document '{"Version": "2012-10-17", "Statement": [{ "Effect": "Allow", "Principal": {"Service": "lambda.amazonaws.com"}, "Action": "sts:AssumeRole"}]}'

或者，使用以下方式更新现有函数：

$ aws lambda update-function-code \
   --function-name myFunction \
   --image-uri aws_account_id.dkr.ecr.region.amazonaws.com/fastapi-app:latest \
   --publish

要测试Lambda函数，我们可以通过AWS管理控制台或AWS CLI来调用它，例如：

$ aws lambda invoke \
   --function-name myFunction \
   --payload file://event.json \
   --cli-binary-format raw-in-base64-out \
   response.json
{
  "StatusCode": 200,
  "ExecutedVersion": "$LATEST"
}

其中 event.json 包含要传递给 Lambda 函数的事件负载：

event.json
{
  "httpMethod": "GET",
  "path": "/",
  "requestContext": {},
  "version": "1.0"
}

而 response.json 包含来自 Lambda 函数的响应：

response.json
{
  "statusCode": 200,
  "headers": {
    "content-length": "14",
    "content-type": "application/json"
  },
  "multiValueHeaders": {},
  "body": "\"Hello, world!\"",
  "isBase64Encoded": false
}

详情请参阅 AWS Lambda文档。

工作区支持

如果项目包含本地依赖项（例如通过Workspaces），这些依赖项也必须包含在部署包中。

我们将从扩展上述示例开始，加入对本地开发的名为library的库的依赖。

首先，我们将创建这个库本身：

$ uv init --lib library
$ uv add ./library

在project目录中运行uv init会自动将project转换为工作区，并将library添加为工作区成员：

pyproject.toml
[project]
name = "uv-aws-lambda-example"
version = "0.1.0"
requires-python = ">=3.13"
dependencies = [
    # FastAPI is a modern web framework for building APIs with Python.
    "fastapi",
    # A local library.
    "library",
    # Mangum is a library that adapts ASGI applications to AWS Lambda and API Gateway.
    "mangum",
]

[dependency-groups]
dev = [
    # In development mode, include the FastAPI development server.
    "fastapi[standard]",
]

[tool.uv.workspace]
members = ["library"]

[tool.uv.sources]
lib = { workspace = true }

默认情况下，uv init --lib会创建一个导出hello函数的包。我们将修改应用程序源代码来调用该函数：

app/main.py
import logging

from fastapi import FastAPI
from mangum import Mangum

from library import hello

logger = logging.getLogger()
logger.setLevel(logging.INFO)

app = FastAPI()
handler = Mangum(app)


@app.get("/")
async def root() -> str:
    return hello()

我们可以在本地运行修改后的应用程序：

$ uv run fastapi dev

并确认在网页浏览器中打开http://127.0.0.1:8000/会显示"来自库的问候！" （而不是"Hello, World!"）

最后，我们将更新Dockerfile，将本地库包含在部署包中：

Dockerfile
FROM ghcr.io/astral-sh/uv:0.7.6 AS uv

# First, bundle the dependencies into the task root.
FROM public.ecr.aws/lambda/python:3.13 AS builder

# Enable bytecode compilation, to improve cold-start performance.
ENV UV_COMPILE_BYTECODE=1

# Disable installer metadata, to create a deterministic layer.
ENV UV_NO_INSTALLER_METADATA=1

# Enable copy mode to support bind mount caching.
ENV UV_LINK_MODE=copy

# Bundle the dependencies into the Lambda task root via `uv pip install --target`.
#
# Omit any local packages (`--no-emit-workspace`) and development dependencies (`--no-dev`).
# This ensures that the Docker layer cache is only invalidated when the `pyproject.toml` or `uv.lock`
# files change, but remains robust to changes in the application code.
RUN --mount=from=uv,source=/uv,target=/bin/uv \
    --mount=type=cache,target=/root/.cache/uv \
    --mount=type=bind,source=uv.lock,target=uv.lock \
    --mount=type=bind,source=pyproject.toml,target=pyproject.toml \
    uv export --frozen --no-emit-workspace --no-dev --no-editable -o requirements.txt && \
    uv pip install -r requirements.txt --target "${LAMBDA_TASK_ROOT}"

# If you have a workspace, copy it over and install it too.
#
# By omitting `--no-emit-workspace`, `library` will be copied into the task root. Using a separate
# `RUN` command ensures that all third-party dependencies are cached separately and remain
# robust to changes in the workspace.
RUN --mount=from=uv,source=/uv,target=/bin/uv \
    --mount=type=cache,target=/root/.cache/uv \
    --mount=type=bind,source=uv.lock,target=uv.lock \
    --mount=type=bind,source=pyproject.toml,target=pyproject.toml \
    --mount=type=bind,source=library,target=library \
    uv export --frozen --no-dev --no-editable -o requirements.txt && \
    uv pip install -r requirements.txt --target "${LAMBDA_TASK_ROOT}"

FROM public.ecr.aws/lambda/python:3.13

# Copy the runtime dependencies from the builder stage.
COPY --from=builder ${LAMBDA_TASK_ROOT} ${LAMBDA_TASK_ROOT}

# Copy the application code.
COPY ./app ${LAMBDA_TASK_ROOT}/app

# Set the AWS Lambda handler.
CMD ["app.main.handler"]

提示

要部署到基于ARM架构的AWS Lambda运行时，请将public.ecr.aws/lambda/python:3.13替换为public.ecr.aws/lambda/python:3.13-arm64。

从这里开始，我们可以像之前一样构建并部署更新后的镜像。

部署zip压缩包

AWS Lambda 也支持通过 zip 归档文件进行部署。对于简单的应用程序，zip 归档文件相比 Docker 镜像可能是一种更直接高效的部署方式；但 zip 归档文件的大小限制为 250 MB。

回到FastAPI示例，我们可以通过以下方式将应用程序依赖项打包到本地目录中，以便在AWS Lambda上使用：

$ uv export --frozen --no-dev --no-editable -o requirements.txt
$ uv pip install \
   --no-installer-metadata \
   --no-compile-bytecode \
   --python-platform x86_64-manylinux2014 \
   --python 3.13 \
   --target packages \
   -r requirements.txt

提示

要部署到基于ARM架构的AWS Lambda运行时，请将x86_64-manylinux2014替换为aarch64-manylinux2014。

根据 AWS Lambda文档，我们可以 将这些依赖项打包成zip文件，方法如下：

$ cd packages
$ zip -r ../package.zip .
$ cd ..

最后，我们可以将应用程序代码添加到zip压缩包中：

$ zip -r package.zip app

然后我们可以通过AWS管理控制台或AWS CLI将zip存档部署到AWS Lambda，例如：

$ aws lambda create-function \
   --function-name myFunction \
   --runtime python3.13 \
   --zip-file fileb://package.zip \
   --handler app.main.handler \
   --role arn:aws:iam::111122223333:role/service-role/my-lambda-role

其中 执行角色 是通过以下方式创建的：

$ aws iam create-role \
   --role-name my-lambda-role \
   --assume-role-policy-document '{"Version": "2012-10-17", "Statement": [{ "Effect": "Allow", "Principal": {"Service": "lambda.amazonaws.com"}, "Action": "sts:AssumeRole"}]}'

或者，使用以下方式更新现有函数：

$ aws lambda update-function-code \
   --function-name myFunction \
   --zip-file fileb://package.zip

注意

默认情况下，AWS管理控制台假设Lambda入口点为lambda_function.lambda_handler。 如果您的应用程序使用不同的入口点，则需要在AWS管理控制台中进行修改。 例如，上述FastAPI应用程序使用app.main.handler。

要测试Lambda函数，我们可以通过AWS管理控制台或AWS CLI来调用它，例如：

$ aws lambda invoke \
   --function-name myFunction \
   --payload file://event.json \
   --cli-binary-format raw-in-base64-out \
   response.json
{
  "StatusCode": 200,
  "ExecutedVersion": "$LATEST"
}

其中 event.json 包含要传递给 Lambda 函数的事件负载：

event.json
{
  "httpMethod": "GET",
  "path": "/",
  "requestContext": {},
  "version": "1.0"
}

而 response.json 包含来自 Lambda 函数的响应：

response.json
{
  "statusCode": 200,
  "headers": {
    "content-length": "14",
    "content-type": "application/json"
  },
  "multiValueHeaders": {},
  "body": "\"Hello, world!\"",
  "isBase64Encoded": false
}

使用Lambda层

AWS Lambda 还支持在使用 zip 归档文件时部署多个组合的 Lambda 层。这些层在概念上类似于 Docker 镜像中的层，允许您 将应用程序代码与依赖项分离。

特别是，我们可以为应用程序依赖项创建一个lambda层，并将其附加到Lambda函数上，与应用程序代码本身分离。这种设置可以改善应用程序更新时的冷启动性能，因为依赖项层可以在多个部署中重复使用。

要创建Lambda层，我们将遵循类似的步骤，但会创建两个独立的zip压缩包：一个用于应用程序代码，另一个用于应用程序依赖项。

首先，我们将创建依赖层。Lambda层需要遵循略微不同的结构，因此我们将使用--prefix而不是--target：

$ uv export --frozen --no-dev --no-editable -o requirements.txt
$ uv pip install \
   --no-installer-metadata \
   --no-compile-bytecode \
   --python-platform x86_64-manylinux2014 \
   --python 3.13 \
   --prefix packages \
   -r requirements.txt

我们将按照Lambda层的预期布局压缩依赖项：

$ mkdir python
$ cp -r packages/lib python/
$ zip -r layer_content.zip python

提示

要生成确定性zip压缩包，可以考虑向zip命令传递-X参数，以排除扩展属性和文件系统元数据。

并发布Lambda层：

$ aws lambda publish-layer-version --layer-name dependencies-layer \
   --zip-file fileb://layer_content.zip \
   --compatible-runtimes python3.13 \
   --compatible-architectures "x86_64"

我们可以像前一个示例那样创建Lambda函数，省略依赖项：

$ # Zip the application code.
$ zip -r app.zip app

$ # Create the Lambda function.
$ aws lambda create-function \
   --function-name myFunction \
   --runtime python3.13 \
   --zip-file fileb://app.zip \
   --handler app.main.handler \
   --role arn:aws:iam::111122223333:role/service-role/my-lambda-role

最后，我们可以使用publish-layer-version步骤返回的ARN将依赖层附加到Lambda函数上：

$ aws lambda update-function-configuration --function-name myFunction \
    --cli-binary-format raw-in-base64-out \
    --layers "arn:aws:lambda:region:111122223333:layer:dependencies-layer:1"

当应用程序依赖项发生变化时，可以通过重新发布层并更新Lambda函数配置，独立于应用程序更新该层：

$ # Update the dependencies in the layer.
$ aws lambda publish-layer-version --layer-name dependencies-layer \
   --zip-file fileb://layer_content.zip \
   --compatible-runtimes python3.13 \
   --compatible-architectures "x86_64"

$ # Update the Lambda function configuration.
$ aws lambda update-function-configuration --function-name myFunction \
    --cli-binary-format raw-in-base64-out \
    --layers "arn:aws:lambda:region:111122223333:layer:dependencies-layer:2"