Un ingénieur de données gère des scripts Python personnalisés utilisés par plusieurs fonctions AWS Lambda pour formater des données. Actuellement, lorsque les scripts changent, l'ingénieur doit mettre à jour chaque fonction Lambda manuellement. Quelle approche réduit l'effort manuel de mise à jour des fonctions ?

La bonne approche consiste à empaqueter les scripts Python personnalisés dans des couches Lambda et à les appliquer aux fonctions Lambda. Les couches Lambda permettent de centraliser le code et les dépendances réutilisables. Lorsqu'un script est mis à jour dans une couche, toutes les fonctions Lambda utilisant cette couche bénéficient automatiquement de la mise à jour sans nécessiter de modification individuelle, réduisant ainsi l'effort manuel. Stocker les scripts dans un compartiment S3 et utiliser un pointeur (que ce soit dans l'objet de contexte ou les variables d'environnement) nécessiterait que chaque fonction télécharge le script à chaque exécution ou que le code de chaque fonction soit modifié pour pointer vers la nouvelle version. Attribuer le même alias ne résout pas le problème de la mise à jour du code sous-jacent de la fonction.