개발자는 애플리케이션의 모든 AWS Lambda 함수에 사용자 지정 기계 학습 라이브러리(현재 15GB이며 계속 증가 중)를 제공해야 합니다. 모든 Lambda 함수가 라이브러리에 액세스할 수 있도록 이 요구 사항을 충족하는 접근 방식은 무엇입니까?

정답은 라이브러리를 Amazon EFS 파일 시스템에 넣고 해당 EFS 파일 시스템을 모든 Lambda 함수에 마운트하는 것입니다. EFS는 여러 Lambda 함수가 공유할 수 있는 확장 가능한 파일 스토리지를 제공하며, 15GB 이상의 대용량 라이브러리에 적합합니다. 오답 설명: 라이브러리를 Lambda 레이어에 넣는 것은 레이어의 최대 크기 제한(압축 해제 시 250MB)을 초과하므로 불가능합니다. 라이브러리를 Amazon S3에 저장하고 런타임에 다운로드하는 것은 라이브러리 크기가 커서 콜드 스타트 지연을 유발하고 비용이 많이 들 수 있습니다. 라이브러리를 Lambda 컨테이너 이미지로 패키징하는 것은 가능하지만, 라이브러리가 계속 증가하는 상황에서 모든 함수를 재배포해야 하므로 관리 오버헤드가 큽니다. EFS는 라이브러리 업데이트 시 함수 재배포 없이 즉시 적용됩니다.