開發人員必須為應用程式中的所有 AWS Lambda 函數提供自訂機器學習程式庫（目前為 15 GB 且持續增長）。哪種方法能滿足此要求，讓每個 Lambda 函數都能存取該程式庫？

將程式庫放在 Amazon EFS 檔案系統上，並將該 EFS 檔案系統掛載到每個 Lambda 函數中，是處理大型且不斷增長的程式庫的最佳方法。EFS 允許 Lambda 函數存取共享的、持久的檔案儲存，其大小可以擴展到 TB 級別，遠超 Lambda 部署套件或層的限制。 將程式庫放入 Lambda layers 不可行，因為 Lambda layers 的未壓縮大小限制為 250 MB，遠小於 15 GB 的程式庫。將程式庫儲存在 Amazon S3 中並在執行時下載會導致顯著的冷啟動延遲和額外的網路成本，因為每次函數執行時都必須下載整個 15 GB 的程式庫。將程式庫打包到 Lambda 容器映像中雖然可以處理較大的程式庫（最大 10 GB），但對於持續增長的 15 GB 程式庫來說，每次更新都需要重新構建和重新部署整個映像，管理起來會很複雜且效率低下。