Docker化されたラムダ関数での相対Pythonインポート
ラムダ関数の場合、Python の相対インポートは扱いにくい場合があります。 3年前にこれについてブログを書きました。しかし最近、Docker 化されたラムダ関数で同じ問題に遭遇しました。それで、新しいブログを書く時期が来たと思いました!
手順に従うことも、GitHub で結果を直接確認することもできます。
プロジェクトのセットアップ
AWS CDK cli がインストールされていることを確認してください。
brew install aws-cdk
プロジェクトを初期化します:
cdk init app --language=typescript
ラムダのセットアップ
まず、ファイルとフォルダーの構造を作成する必要があります。
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
次に、次のように Dockerfile を埋める必要があります:
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"]
Python 3.12 に基づく Python ベース イメージを使用しています。次に、requirements.txt ファイルとソース コードをコピーします。 requirements.txt ファイルにリストされているすべての依存関係をインストールし、ハンドラー メソッドが CMD として設定されていることを確認します。
次に、Python ファイルにコードを入力する必要があります。 __init__.py ファイルには、次のコンテンツを配置できます:
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: ここで使用されているコードでは、相対インポートを使用することができます。別パッケージだからできることです。この例では、__init__.py ファイル内のコードのみを示します。ただし、ここで複数のファイルを使用して、プロジェクトの保守性を向上させることができます。
この例では、依存関係は必要ないので、requirements.txt ファイルを空のままにしておきます。依存関係も含める方法を説明するために、この例にこれを含めました。
IaC を使用して Lambda 関数を作成する
フォルダーとファイルが配置されたので、CDK 構造に Lambda 関数を追加します。次のように追加するだけです:
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, });
これが機能するには、次のインポートも必要です:
import * as lambda from 'aws-cdk-lib/aws-lambda'; import * as ecr_assets from 'aws-cdk-lib/aws-ecr-assets';
コード ディレクトリが Dockerfile を含むディレクトリを指していること、およびコードと関数自体の両方に ARM プラットフォームを選択していることに注意してください。
ラムダ関数をローカルでテストする
迅速なフィードバックが重要であるため、コンテナをローカルで実行する必要がある場合があります。このためには、まずコンテナを構築する必要があります:
docker build --platform linux/arm64 \ -t hello-world:latest \ -f ./lib/functions/hello-world/Dockerfile \ ./lib/functions/hello-world
このコマンドはプロジェクトのルートから実行できることに注意してください。次に、呼び出す前に実行中であることを確認する必要があります:
docker run --platform linux/arm64 -p 9000:8080 hello-world:latest
その後、次のように関数を呼び出すことができます:
curl http://localhost:9000/2015-03-31/functions/function/invocations -d '{"name": "Joris"}'
結論
相対インポートは難しい場合があります。コードをパッケージに配置する必要があります。これにより、独自のパッケージ内で相対インポートを行うことができます。これにより、責任を複数のファイルに分割できるため、よりクリーンなコードが可能になり、管理と保守が容易になります。
写真提供: Kaique Rocha
以上がDocker化されたラムダ関数での相対Pythonインポートの詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。

ホットAIツール

Undresser.AI Undress
リアルなヌード写真を作成する AI 搭載アプリ

AI Clothes Remover
写真から衣服を削除するオンライン AI ツール。

Undress AI Tool
脱衣画像を無料で

Clothoff.io
AI衣類リムーバー

Video Face Swap
完全無料の AI 顔交換ツールを使用して、あらゆるビデオの顔を簡単に交換できます。

人気の記事

ホットツール

メモ帳++7.3.1
使いやすく無料のコードエディター

SublimeText3 中国語版
中国語版、とても使いやすい

ゼンドスタジオ 13.0.1
強力な PHP 統合開発環境

ドリームウィーバー CS6
ビジュアル Web 開発ツール

SublimeText3 Mac版
神レベルのコード編集ソフト(SublimeText3)

ホットトピック











Pythonは学習と使用が簡単ですが、Cはより強力ですが複雑です。 1。Python構文は簡潔で初心者に適しています。動的なタイピングと自動メモリ管理により、使いやすくなりますが、ランタイムエラーを引き起こす可能性があります。 2.Cは、高性能アプリケーションに適した低レベルの制御と高度な機能を提供しますが、学習しきい値が高く、手動メモリとタイプの安全管理が必要です。

Pythonを1日2時間学ぶだけで十分ですか?それはあなたの目標と学習方法に依存します。 1)明確な学習計画を策定し、2)適切な学習リソースと方法を選択します。3)実践的な実践とレビューとレビューと統合を練習および統合し、統合すると、この期間中にPythonの基本的な知識と高度な機能を徐々に習得できます。

Pythonは開発効率でCよりも優れていますが、Cは実行パフォーマンスが高くなっています。 1。Pythonの簡潔な構文とリッチライブラリは、開発効率を向上させます。 2.Cのコンピレーションタイプの特性とハードウェア制御により、実行パフォーマンスが向上します。選択を行うときは、プロジェクトのニーズに基づいて開発速度と実行効率を比較検討する必要があります。

PythonとCにはそれぞれ独自の利点があり、選択はプロジェクトの要件に基づいている必要があります。 1)Pythonは、簡潔な構文と動的タイピングのため、迅速な開発とデータ処理に適しています。 2)Cは、静的なタイピングと手動メモリ管理により、高性能およびシステムプログラミングに適しています。

PythonListSarePartOfThestAndardarenot.liestareBuilting-in、versatile、forStoringCollectionsのpythonlistarepart。

Pythonは、自動化、スクリプト、およびタスク管理に優れています。 1)自動化:OSやShutilなどの標準ライブラリを介してファイルバックアップが実現されます。 2)スクリプトの書き込み:Psutilライブラリを使用してシステムリソースを監視します。 3)タスク管理:スケジュールライブラリを使用してタスクをスケジュールします。 Pythonの使いやすさと豊富なライブラリサポートにより、これらの分野で優先ツールになります。

科学コンピューティングにおけるPythonのアプリケーションには、データ分析、機械学習、数値シミュレーション、視覚化が含まれます。 1.numpyは、効率的な多次元配列と数学的関数を提供します。 2。ScipyはNumpy機能を拡張し、最適化と線形代数ツールを提供します。 3. Pandasは、データ処理と分析に使用されます。 4.matplotlibは、さまざまなグラフと視覚的な結果を生成するために使用されます。

Web開発におけるPythonの主要なアプリケーションには、DjangoおよびFlaskフレームワークの使用、API開発、データ分析と視覚化、機械学習とAI、およびパフォーマンスの最適化が含まれます。 1。DjangoandFlask Framework:Djangoは、複雑な用途の迅速な発展に適しており、Flaskは小規模または高度にカスタマイズされたプロジェクトに適しています。 2。API開発:フラスコまたはdjangorestFrameworkを使用して、Restfulapiを構築します。 3。データ分析と視覚化:Pythonを使用してデータを処理し、Webインターフェイスを介して表示します。 4。機械学習とAI:Pythonは、インテリジェントWebアプリケーションを構築するために使用されます。 5。パフォーマンスの最適化:非同期プログラミング、キャッシュ、コードを通じて最適化
