将 uv 与 AWS Lambda 配合使用

AWS Lambda 是一种无服务器计算服务，允许您在无需配置或管理服务器的情况下运行代码。

您可以将 uv 与 AWS Lambda 配合使用，以管理 Python 依赖项、构建部署包并部署 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

首先，假设我们有一个结构如下的极简 FastAPI 应用程序：

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

其中 pyproject.toml 包含：

pyproject.toml

[project]
name = "uv-aws-lambda-example"
version = "0.1.0"
requires-python = ">=3.13"
dependencies = [
    # FastAPI 是一个用于使用 Python 构建 API 的现代 Web 框架。
    "fastapi",
    # Mangum 是一个将 ASGI 应用程序适配到 AWS Lambda 和 API Gateway 的库。
    "mangum",
]

[dependency-groups]
dev = [
    # 在开发模式下，包含 FastAPI 开发服务器。
    "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!"

我们可以使用以下命令在本地运行此应用程序：

$ uv run fastapi dev

之后，在 Web 浏览器中打开 http://127.0.0.1:8000/ 将显示 “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，将应用程序代码和依赖项包含在单个输出目录中。

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且对缓存友好。

在第一阶段，我们将在单个目录中填充所有应用程序代码和依赖项。在第二阶段，我们会将此目录复制到最终镜像中，省略构建工具和其他不必要的文件。

Dockerfile

FROM ghcr.io/astral-sh/uv:0.7.4 AS uv


# 首先，将依赖项捆绑到任务根目录。
FROM public.ecr.aws/lambda/python:3.13 AS builder


# 启用字节码编译，以提高冷启动性能。
ENV UV_COMPILE_BYTECODE=1


# 禁用安装程序元数据，以创建确定性层。
ENV UV_NO_INSTALLER_METADATA=1


# 启用复制模式以支持绑定挂载缓存。
ENV UV_LINK_MODE=copy


# 通过 `uv pip install --target` 将依赖项捆绑到 Lambda 任务根目录。
#

# 省略任何本地包（`--no-emit-workspace`）和开发依赖项（`--no-dev`）。

# 这确保仅当 `pyproject.toml` 或 `uv.lock`

# 文件发生更改时，Docker 层缓存才会失效，但对应用程序代码的更改仍保持稳定。
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


# 从构建阶段复制运行时依赖项。
COPY --from=builder ${LAMBDA_TASK_ROOT} ${LAMBDA_TASK_ROOT}


# 复制应用程序代码。
COPY ./app ${LAMBDA_TASK_ROOT}/app

设置 AWS Lambda 处理程序。

CMD ["app.main.handler"]

!!! tip

    要部署到基于 ARM 的 AWS Lambda 运行时，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：

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

此 Dockerfile 结构的主要优点如下：

镜像体积最小化。通过使用多阶段构建，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，最终镜像中不包含 uv 二进制文件本身。
缓存复用最大化。通过将应用程序依赖项与应用程序代码分开安装，我们可以确保仅当依赖项发生变化时，Docker 层缓存才会失效。

具体来说，修改应用程序源代码后重新构建镜像可以复用缓存层，实现毫秒级构建：

 => [内部] 从 Dockerfile 加载构建定义                                                                 0.0s
 => => 传输 dockerfile: 1.31kB                                                                               0.0s
 => [内部] 加载 public.ecr.aws/lambda/python:3.13 的元数据                                                   0.3s
 => [内部] 加载 ghcr.io/astral-sh/uv:latest 的元数据                                                         0.3s
 => [内部] 加载 .dockerignore                                                                                    0.0s
 => => 传输上下文: 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
 => [内部] 加载构建上下文                                                                                    0.0s
 => => 传输上下文: 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
 => 导出到镜像                                                                                               0.0s
 => => 导出层                                                                                              0.0s
 => => 写入镜像 sha256:6f8f9ef715a7cda466b677a9df4046ebbb90c8e88595242ade3b4771f547652d                         0.0

构建完成后，我们可以使用以下命令将镜像推送到弹性容器注册表（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，执行角色通过以下命令创建：

$ 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，使用以下命令更新现有函数：

$ 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，我们可以通过 AWS 管理控制台或 AWS CLI 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
}

有关详细信息，请参阅 AWS Lambda 文档。

工作区支持

如果一个项目包含本地依赖（例如，通过工作区），那么这些依赖也必须包含在部署包中。

我们从扩展上述示例开始，使其包含对本地开发的名为 library 的库的依赖。

首先，我们来创建这个库本身：

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

在 project 目录中运行 uv init 会自动将 project 转换为一个工作区，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 是一个用于使用 Python 构建 API 的现代 Web 框架。
    "fastapi",
    # 一个本地库。
    "library",
    # Mangum 是一个将 ASGI 应用适配到 AWS Lambda 和 API 网关的库。
    "mangum",
]

[dependency-groups]
dev = [
    # 在开发模式下，包含 FastAPI 开发服务器。
    "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以调用该函数：

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()

我们可以使用以下命令在本地运行修改后的应用程序：

$ uv run fastapi dev

并确认在 Web 浏览器中打开 http://127.0.0.1:8000/ 会显示 “Hello from library!”（而不是 “Hello, World!”）

最后，我们将更新 Dockerfile，以便在部署包中包含本地库：

Dockerfile

FROM ghcr.io/astral-sh/uv:0.7.4 AS uv

首先，将依赖项打包到任务根目录。

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

启用字节码编译，以提升冷启动性能。

ENV UV_COMPILE_BYTECODE=1

禁用安装程序元数据，以创建确定性的层。

ENV UV_NO_INSTALLER_METADATA=1

启用复制模式以支持绑定挂载缓存。

ENV UV_LINK_MODE=copy

通过 `uv pip install --target` 将依赖项打包到 Lambda 任务根目录。

忽略任何本地包（`--no-emit-workspace`）和开发依赖项（`--no-dev`）。

这确保仅当 `pyproject.toml` 或 `uv.lock` 文件发生变化时，Docker 层缓存才会失效，

而对应用程序代码的变化保持稳健。

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}"

如果有工作区，也将其复制并安装。

通过忽略 `--no-emit-workspace`，`library` 将被复制到任务根目录。使用单独的

`RUN` 命令可确保所有第三方依赖项被单独缓存，并且对工作区的变化保持稳健。

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

从构建阶段复制运行时依赖项。

COPY --from=builder ${LAMBDA_TASK_ROOT} ${LAMBDA_TASK_ROOT}

复制应用程序代码。

COPY ./app ${LAMBDA_TASK_ROOT}/app

设置 AWS Lambda 处理程序。

CMD ["app.main.handler"]

!!! 提示

    要部署到基于 ARM 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`。

从这一步开始，我们可以像之前一样构建并部署更新后的镜像。

## 部署 ZIP 归档文件

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，与 Docker 镜像相比，ZIP 归档文件可能是一种更直接、高效的部署方式；但是，ZIP 归档文件的大小限制为
[250 MB](https://docs.aws.amazon.com/lambda/latest/dg/python-package.html#python-package-create-update)。

回到 FastAPI 示例，我们可以通过以下方式将应用程序依赖项捆绑到 AWS Lambda 的本地目录中：

```console
$ 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

Tip

要部署到基于 ARM 的 AWS Lambda 运行时，将 x86_64-manylinux2014 替换为 aarch64-manylinux2014。

按照 AWS Lambda 文档，我们可以按如下方式将这些依赖项捆绑到一个 ZIP 文件中：

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

最后，我们可以将应用程序代码添加到 ZIP 归档文件中：

$ zip -r package.zip app

然后，我们可以通过 AWS 管理控制台或 AWS CLI 将 ZIP 归档文件部署到 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，执行角色通过以下方式创建：

$ 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，使用以下命令更新现有函数：

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

Note

默认情况下，AWS 管理控制台假定 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，我们可以通过 AWS 管理控制台或 AWS CLI 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 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

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

具体来说，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开。这种设置可以提高应用程序更新时的冷启动性能，因为依赖项层可以在不同部署中重复使用。

要创建一个 Lambda 层，我们将遵循类似的步骤，但要创建两个单独的 ZIP 归档文件：一个用于应用程序代码，另一个用于应用程序依赖项。

首先，我们将创建依赖项层。Lambda 层预期遵循略有不同的结构，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

然后，我们将按照 Lambda 层预期的布局压缩依赖项：

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

提示

要生成确定性的 ZIP 归档文件，可以考虑向 zip 传递 -X 标志，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"

然后，我们可以像前面的示例一样创建 Lambda 函数，省略依赖项：

$ # 压缩应用程序代码。
$ zip -r app.zip app

$ # 创建 Lambda 函数。
$ 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 将依赖项层附加到 Lambda 函数：

$ 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：

$ # 更新层中的依赖项。
$ aws lambda publish-layer-version --layer-name dependencies-layer \
   --zip-file fileb://layer_content.zip \
   --compatible-runtimes python3.13 \
   --compatible-architectures "x86_64"

$ # 更新 Lambda 函数配置。
$ 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"