在前面分享了如何使用Serverless Requirements在AWS无服务器架构中配置Python依赖库，但这种做法的缺点就是在每个Lamda项目中都需要配置依赖库。这样每次生成的Lambda都包含了对应的依赖库，因此文件会很大。在每次部署的时候耗时更长，同时占用很多S3存储资源，可以说既费时又费钱。同样，这种方法的重用性非常差，因此我们希望通过一种可以重用的方式，只将依赖库保存一份，每当在需要时引用一下就可以了。这就是下面要介绍的AWS Lambda中的层(Layer)。

层的使用就类似于在各种编程语言中使用程序库一样，只需引用就可以在不同程序中使用共享的程序库，而无需将程序库部署到Lambda中。使用Lambda中的的层有以下优点：

• 这种依赖库是可以在不同的Lambda中共享的。这样在每次使用这些常用的依赖库时只需在Lambda中添加对这个层的引用就可以了。这样就可以节省费用，提高开发速度。
• 通过这种方式可以有效减少Lambda函数的大小，从而可以在Lambda控制台中直接调试代码。
• Lambda中的层支持Python, Node.js, Ruby等主流开发语言。
• 可以在不同AWS账号之间共享层。

下面以一个非常简单的Lambda来说明如何使用层来进行开发：

首先，创建一个非常简单的Lambda，这里我们不用Serverless框架，直接在Lambda控制台中创建如下的Lambda函数：

import json
import xmltodict

def lambda_handler(event, context):
    xml='''<user>
        <name>aafeng</name>
        <url>https://www.aafeng.uk</url>
    </user>'''
    
    return {
        "statusCode": 200,
        "user": json.dumps(xmltodict.parse(xml))
    }

很显然，由于找不到xmltodict这个依赖库，这个Lambda函数无法正常运行：

下面我们就将xmltodict打包并创建一个层，并在Lambda中添加对这个层的引用来解决上面的这个问题。

运行如下命令创建一个包含xmltodict依赖库的zip文件：

mkdir -p layer/python
cd layer
pip install xmltodict -t python
zip -r ../xmltodict.zip .

然后可以看到生成了xmltodict.zip这个文件。

在AWS中通过上传刚生成的xmltodict.zip来创建一个层。记录下这个层的id: arn:aws:lambda:eu-west-1:xxxxxxxxxxxxxx:layer:xmltodict:1

回到AWS Lambda控制台，单击“Add Layer”，将刚创建的层添加后再次运行这个Lambda函数，可以看到已经没有问题了。

从层的执行机制上来说，其实在Lambda运行时，层会被提取到/opt目录，Lambda的运行时会在该目录下查找对应的库。

但使用层的时候也是有限制的。比如：每个Lambda中最多使用5个层，Lambda+各个使用到的层的总大小不能超过250MB。但对于一般引用来说是足够了。如果超出这个大小，说明你的Lambda干的活太多了，需要再进行拆分。

• cn
• cn-reader
• cn-curation
• cn-programming
• aws