开发人员必须向应用程序中的所有 AWS Lambda 函数提供一个自定义机器学习库（目前为 15 GB 且仍在增长）。哪种方法可以满足此要求，以便每个 Lambda 函数都可以访问该库？

将库放在 Amazon EFS 文件系统中，并将该 EFS 文件系统挂载到每个 Lambda 函数中，是处理大型且不断增长的机器学习库的最佳方法。Lambda 函数的部署包大小（包括层）有 250 MB 的硬性限制。EFS 可以提供 TB 级的存储，并且可以由多个 Lambda 函数共享访问，无需在每次调用时下载。 将库放在 Lambda 层中不可行，因为层的大小限制为 250 MB。将库存储在 Amazon S3 中并在运行时下载会导致冷启动延迟和额外的网络传输成本，尤其是在库很大的情况下。将库打包到 Lambda 容器镜像中是可行的，但 15 GB 的镜像大小会使部署和更新变得缓慢，且每次更新库时都需要重新构建和重新部署所有函数。EFS 提供了更动态和可扩展的解决方案。