我正在使用 AWS Lambda 來托管 Python 項目，使用無服務器框架管理部署，并且遇到了常見的 50MB 包存儲限制。到目前為止，我已經使用 serverless-python-individually 和 serverless-python-requirements 插件成功地將我的需求拆分為每個函數，以將每個文件作為單獨的 Lambda 函數進行 dockerise、壓縮和上傳，如關鍵部分所示我的 serverless.yml 文件，如下所示。這使前三個函數包保持在 50MB 以下，并創建了一個簡單的工作流程，我可以在其中簡單地使用：sls deploy --pi-dockerizedPip. 然而，第四個包，只需要SciPy，不能減少到 52MB 以下，經過大量閱讀后，我看到的唯一常見方法是將我的依賴項（即？）上傳到 S3（某處）并以某種方式確保我的導入語句能夠找到依賴項。我還沒有找到關于應該如何完成打包依賴項的確切過程的明確說明，以及（幾乎同樣重要），如何與 Serverless 一起工作（這樣我才能保持良好的工作流程）？serverless.yml 的關鍵部分：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