Een ontwikkelaar moet een aangepaste machine-learningbibliotheek (momenteel 15 GB en groeiende) beschikbaar maken voor alle AWS Lambda-functies in een applicatie. Welke aanpak voldoet aan deze vereiste, zodat elke Lambda-functie toegang heeft tot de bibliotheek?

De correcte aanpak is om de bibliotheek op een Amazon EFS-bestandssysteem te plaatsen en dit te koppelen aan elke Lambda-functie. Dit is de meest geschikte oplossing voor grote en groeiende bibliotheken (15 GB en meer) omdat het de opslaglimieten van Lambda-lagen (250 MB uitgepakt) overschrijdt en de opstarttijd van de functie niet vertraagt door grote downloads. Het plaatsen van de bibliotheek in Lambda-lagen is ongeschikt vanwege de maximale grootte van 250 MB. Het opslaan in Amazon S3 en downloaden tijdens runtime zou leiden tot aanzienlijke vertragingen bij de opstart van de functie (cold start). Het verpakken in een Lambda-containerimage is een optie, maar EFS biedt een flexibelere en efficiëntere manier om grote, gedeelde bibliotheken te beheren zonder de noodzaak van herimplementatie van de hele image bij elke update van de bibliotheek.