Uno sviluppatore deve fornire una libreria di machine learning personalizzata (attualmente di 15 GB e in crescita) a tutte le funzioni AWS Lambda in un'applicazione. Quale approccio soddisfa questo requisito in modo che ogni funzione Lambda possa accedere alla libreria?

L'opzione corretta è inserire la libreria su un file system Amazon EFS e montare tale file system EFS in ogni funzione Lambda. EFS offre uno storage scalabile e persistente che può essere condiviso tra più funzioni Lambda, superando i limiti di dimensione dei pacchetti di deployment e dei layer Lambda. Con EFS, la libreria da 15 GB (e in crescita) è accessibile a tutte le funzioni senza doverla includere nel pacchetto di deployment di ogni funzione. Le altre opzioni non sono adatte: I Lambda layers hanno un limite di dimensione compresso di 250 MB, insufficiente per una libreria di 15 GB. Scaricare la libreria da S3 in fase di esecuzione introdurrebbe latenza significativa e aumenterebbe i tempi di avvio a freddo per ogni invocazione. Le immagini container Lambda hanno un limite di 10 GB, insufficiente per la libreria di 15 GB.