您好，正在构建一个与 Snowflake 交互的应用程序，并且需要利用 SQLAlchemy create_engine 与 Snowflake 交互。问题是当我导入 SQLAlchemy、Snowflake.Connector 和 Snowflake.sqlalchemy 时，我不断遇到一些问题。
当包含所有三个库时，我收到以下错误： 无法导入模块 Snowflake-sqlalchemy。
删除 Snowflake-Aqlalchemy 时出现以下错误： 无法将雪花识别为 SQLAlchemy 的方言。
当我在本地运行时，一切正常。
有谁知道我应该使用什么版本以及让它发挥作用的最佳方法是什么？
假设您正在构建一个部署包（虚拟环境的 .zip），您必须在 Amazon Linux 2 OS 计算机上（或在运行 AL2 的 Docker 容器中）构建该包。如果您查看导入错误周围的日志并看到有关
gccdevelopment headers最简单的方法就是启动一个运行 amazonlinux 的快速 docker 容器，将您的需求文件复制到那里，像平常一样构建部署包，然后将输出复制到您可以从开发计算机访问的卷。然后像平常一样上传部署包。我发现了一篇中等帖子，在这里更详细地描述了类似的过程 - https://medium.com/simform-engineering/creating-lambda-layers-made-easy-with-docker-a-developers-guide-3bcfcf32d7c3
许多数据库连接器包都是这样的——它们依赖于底层构建的非 python 库来与数据库通信。如果您认为将从多个 lambda 函数连接到 Snowflake，那么在您的帐户中构建 lambda 层并使用它而不是部署包是有意义的。层基本上是可重用的依赖项集，您可以将其应用于 lambda 函数，并且可以混合和匹配层（因此，如果您需要 pandas 和雪花作为 lambda，您可以将雪花和 pandas 层添加到该函数中，无需制作一个专门用于该功能的新函数）。 lambda 层的 AWS 文档：https://docs.aws.amazon.com/lambda/latest/dg/python-layers.html
如果您不想打扰 docker，您始终可以启动运行 amazon linux 的（小型）ec2 实例，粘贴您的requirements.txt，在那里构建包，然后通过 ssh 将其复制回本地计算机。如果您定期重建应用程序，这会有点烦人，但目前还可以。最终，您可能会发现值得通过 GitHub Actions 等自动化工具或存储库中的 bash 脚本来自动化一些部署包的构建。我将从 bash 脚本开始部署 lambda，因为大多数 CI/CD 工具最终都会运行一些 bash 命令