lambda-packs

项目介绍：lambda-packs

lambda-packs 是一套用于 AWS Lambda 的预编译包，旨在帮助开发者更轻松地在Lambda环境中使用各种流行的Python库。通过这些预编译包，开发人员可以绕过复杂的编译和部署过程，快速启动和运行其Lambda函数。

使用指南

启动一个新的AWS Lambda功能非常简单，只需按照以下步骤操作：

1. 访问 AWS Lambda 官方网站，并创建或登录帐户。
2. 导航至“Lambda > Functions”，并创建新的Lambda函数。
3. 选择“空白函数”。
4. 配置触发器后点击“下一步”。
5. 设置函数，选择运行时为 Python 2.7。
6. 配置Lambda函数处理程序和角色，选择service.handler作为处理程序，并为角色创建一个简单的微服务权限模板。
7. 在高级设置中，设置内存为128MB，超时时间为1分钟0秒。
8. 代码输入类型选择为“上传.ZIP文件”，并从仓库中选择Pack.zip。
9. 保存并测试函数。

包的修改方法

如果需要修改功能逻辑，可以按照下面的步骤：

1. 修改source文件夹中的service.py文件。
2. 将source文件夹中的所有文件压缩至一个.zip文件中（不要整体放入一个文件夹）。
3. 将新的.zip文件上传到Lambda函数页面。

各种预编译包

Selenium PhantomJS

这个包使用Selenium结合PhantomJS，是一个用于网络抓取的工具。PhantomJS可以伪装成普通浏览器进行登录、点击及表单填写操作，非常适合进行网络测试和抓取任务。目前的演示会随机打开Wikipedia页面并打印标题。

Pyresttest + WRK

结合Pyresttest和WRK，lambda-packs可用于负载测试。在AWS的一个区域中，可以同时运行200个Lambda，对于负载测试非常有利。五分钟的测试费用不到一美元。

Lxml + requests

用于解析静态HTML页面，比PhantomJS更快且内存使用更少，但其功能较为有限。

Tensorflow

作为机器智能的开源库，TensorFlow对AI革命贡献良多。使用Lambda在某些简单模型上是非常简单且便宜的部署方法。

Sklearn 和 Skimage

Sklearn和Skimage是机器学习和图像处理的利器，提供了一套方便快捷的模型部署和图像处理工具。

OpenCV + PIL

用于图像处理和计算机视觉的工具，OpenCV与PIL结合，为图像风格化和算法提供支持。

Pandas

适合统计学家、数据科学家和工程师使用的包，在Lambda环境下可进行高效的数据处理。

Spacy 和 Tesseract

Spacy是一个开源的自然语言处理库，而Tesseract则是一个用于图像文字识别的OCR库。

文档生成器

该包可以生成Word、Excel、PPT、PDF、EPUB等格式的文档，快速且高效，可以大批量生成文档。

卫星图像处理

利用这个包可以在Lambda上处理卫星图像，适合处理Landsat 8的影像带。

PyTorch

Python 3.6支持的PyTorch包，随附了各个与深度学习相关的工具和依赖。

总结

lambda-packs 项目提供了一套成熟的解决方案，使开发者可以在AWS Lambda环境中直接使用预编译的Python包，大大缩短了开发和部署周期。这些包适用于多种任务，包括网络抓取、负载测试、机器学习、数据处理和图像处理等，是一个不可多得的开发工具箱。