如何在S3上存储大型Python依赖项（适用于带无服务器的AWS Lambda）

我正在使用AWS Lambda主持一个Python项目，使用无服务器框架管理部署，并且遇到了通常达到的50MB包存储限制。到目前为止，我已经成功地使用serverless python和serverless python requirements插件将我的需求分解为每个函数，将每个文件作为单独的Lambda函数进行dockrise、压缩和上载，如我的serverless.yml文件的关键部分所示，如下所示

这使前三个功能包的容量保持在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：

slsdeploy--pi dockerizedPip

。然而，第四个软件包（仅要求

SciPy

）不能降低到52MB以下，经过大量阅读，我看到的唯一常见方法是将依赖项上传到S3（某处），并以某种方式确保导入语句能够找到依赖项

我还没有找到关于打包依赖项的过程应该如何完成的明确说明，以及（几乎同样重要的是）如何与Serverless一起工作（这样我才能保持良好的工作流程）

serverless.yml的关键部分：

---

AWS Lambda层使您能够将包/环境捆绑到一个层中。对于任何特定的lambda函数，您最多可以使用5个层，并且在所有相应层的累积和+lambda代码之间有250 MB的未压缩限制

查看“在层中包含库依赖项”部分

---

谢谢-如何使用无服务器软件将此功能引入我的工作流程？我尝试在serverless.yml文件的pythonRequirements部分中使用layer:true，但这似乎没有改变部署中的任何内容（事实上，我怀疑我的pythonRequirements配置实际上没有被使用，因为pythonRequirements需要优先）。能做到吗？如果不是，我如何确保我的函数正确导入任何通过层手动上传的包？我不太熟悉Serverless framework，但我能够在文档中找到这些，用于设置Lambda层的配置yml文件。好,谢谢,；看起来像是最近的发展，但似乎是我需要的，因为Serverless可以容纳层。另见：

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