我有一个用 python 编写的 AWS lambda 函数，它需要一种操作表中存储的数据的方法。 我的解决方案是使用 pandas 将表作为 parquet 文件读取。 虽然这有效，但一旦我添加 pandas 层（即使没有任何计算），该 lambda 函数的冷启动就会从约 400 毫秒变为 2000 毫秒。 我想知道是否有任何选项可以让我的冷启动时间少于 1000 毫秒？ 该函数的总计算时间为 <100ms, so it's a shame to have it so inflated.
Pandas 是一个强大但笨重的库。由于冷启动时间取决于部署包的大小（包括层大小），因此请考虑使用更轻的替代方案，例如：
Polar，这是一个更快、更轻的 DataFrame 库，具有与 Pandas 类似的功能
PyArrow 一个轻量级且针对 Parquet 文件和 Arrow 表进行优化的工具。
如果需要 Pandas，请尝试减少 Lambda 层并排除任何不必要的文件，例如“测试、文档”
冷启动主要是由于初始化时间引起的，因此您可以使用 AWS Lambda 预置并发，这将使您的函数的某些实例保持温暖并准备好为流量提供服务，而不会受到冷启动的影响，但您需要放入您认为此功能是付费的，而不是免费的。