Un desarrollador debe proporcionar una biblioteca de machine learning personalizada (actualmente de 15 GB y en crecimiento) a todas las funciones de AWS Lambda en una aplicación. ¿Qué enfoque satisface este requisito para que cada función Lambda pueda acceder a la biblioteca?

La opción correcta es montar un sistema de archivos Amazon EFS en cada función Lambda. EFS permite compartir datos persistentes y escalables entre múltiples funciones Lambda, lo que es ideal para bibliotecas grandes y en crecimiento como la de 15 GB. Las capas de Lambda tienen un límite de tamaño de 250 MB (descomprimidas), lo que es insuficiente para una biblioteca de 15 GB. Descargar la biblioteca de S3 en tiempo de ejecución aumentaría significativamente la latencia de inicio de la función y el costo, además de ser ineficiente para cada invocación. Empaquetar la biblioteca en una imagen de contenedor de Lambda es una opción, pero para una biblioteca que crece constantemente, requeriría reconstruir y volver a implementar la imagen de contenedor cada vez que la biblioteca se actualice, lo que es menos dinámico que EFS.