WedX - журнал о программировании и компьютерных науках

Справочник по Lambda Общий код Python

Итак, у меня есть класс и некоторые константы, определенные для 10 или более лямбда-функций. В настоящее время я упаковал общий код в каждую лямбда-функцию. К сожалению, если я изменю общий код, мне придется перепаковать все 10 лямбда-функций и загрузить изменения.

Идеи, которые я рассматривал:

  • Лямбда возвращает класс с определениями и константами — невозможно, лямбда возвращает JSON
  • Попробуйте волшебным образом загрузить общий код из S3 — (не знаю, как и не очень нравится, что есть несколько шагов для обновления лямбда-функции)
  • Упаковал общий код в каждую лямбда-функцию (текущий дизайн)

Как лучше всего ссылаться на общий код Python для лямбда-выражений?

amazon-web-services aws-lambda
26.05.2017

  • Единственный разумный способ, который я нашел до сих пор, - это вариант 3. Вы можете использовать вариант 1 и библиотеку ast, но вам предстоит адская поездка, если вы хотите это сделать. Используйте фреймворк Serverless.com, он помогает с многими проблемами варианта 3. 29.05.2017

Ответы:


1

Первое, что я сделал, это сценарий автоматического развертывания на python для моего шлюза lambdas + API (+ стажерское использование S3 и т. д.). Вы можете развернуть свою лямбда-выражение, не меняя конечную точку шлюза API, и при этом все ваши лямбда-выражения можно будет обновить одним щелчком мыши без изменения взаимодействия с внешней средой AWS. Внутри вы можете автоматически управлять границами с помощью S3, DynamoDB или чего-то еще. Вначале это инвестиции, но они определенно того стоят, особенно в вашем случае со многими лямбда-выражениями.

Ваше решение постоянного провайдера может быть краткосрочной хорошей стратегией, но вы должны быть уверены, что ваши старые лямбда-выражения будут работать с вашими новостными константами, поэтому либо вы ограничены в развитии вашего провайдера, либо вам придется управлять много версий вашего провайдера. Лямбды предназначены для простого развертывания и замены.

29.05.2017
Новые материалы
Как проанализировать работу вашего классификатора?
Не всегда просто знать, какие показатели использовать С развитием глубокого обучения все больше и больше людей учатся обучать свой первый классификатор. Но как только вы закончите..
Работа с цепями Маркова, часть 4 (Машинное обучение)
Нелинейные цепи Маркова с агрегатором и их приложения (arXiv) Автор : Бар Лайт Аннотация: Изучаются свойства подкласса случайных процессов, называемых дискретными нелинейными цепями Маркова..
Crazy Laravel Livewire упростил мне создание электронной коммерции (панель администратора и API) [Часть 3]
Как вы сегодня, ребята? В этой части мы создадим CRUD для данных о продукте. Думаю, в этой части я не буду слишком много делиться теорией, но чаще буду делиться своим кодом. Потому что..
Использование машинного обучения и Python для классификации 1000 сезонов новичков MLB Hitter
Чему может научиться машина, глядя на сезоны новичков 1000 игроков MLB? Это то, что исследует это приложение. В этом процессе мы будем использовать неконтролируемое обучение, чтобы..
Учебные заметки: создание моего первого пакета Node.js
Это мои обучающие заметки, когда я научился создавать свой самый первый пакет Node.js, распространяемый через npm. Оглавление Глоссарий I. Новый пакет 1.1 советы по инициализации..
Забудьте о Matplotlib: улучшите визуализацию данных с помощью умопомрачительных функций Seaborn!
Примечание. Эта запись в блоге предполагает базовое знакомство с Python и концепциями анализа данных. Привет, энтузиасты данных! Добро пожаловать в мой блог, где я расскажу о невероятных..
ИИ в аэрокосмической отрасли
Каждый полет – это шаг вперед к великой мечте. Чтобы это происходило в их собственном темпе, необходима команда астронавтов для погони за космосом и команда технического обслуживания..
Для любых предложений по сайту: [email protected]