AWS Lambda函数在执行时，其文件系统大部分区域是只读的，这导致常见的“Read-only file system”错误。本文将深入探讨Lambda的这一特性，明确指出用户无法更改文件系统权限。同时，我们将重点介绍/tmp目录作为Lambda环境中唯一的、可用于临时存储和缓存的可写空间，并提供其使用指南、容量限制、以及与外部存储服务的集成策略，帮助开发者有效管理文件操作。
理解AWS Lambda的文件系统特性
aws lambda为每个函数执行环境提供了一个隔离的运行时。为了保障安全性和执行环境的无状态性，lambda的文件系统设计为大部分区域是只读的。这意味着函数代码无法在除了特定目录之外的任何位置创建、修改或删除文件。
当函数尝试写入如/home/sbx_user等非授权目录时，就会遇到[Error 30] Read-only file system这样的错误。这通常发生在Python等语言的库尝试在默认位置创建缓存文件或临时文件时。用户无法通过chmod或chown等命令来更改Lambda执行环境内部的文件或文件夹权限，因为这些权限是由AWS在底层严格控制的。
/tmp目录：唯一的临时可写空间
尽管大部分文件系统是只读的，AWS Lambda提供了一个特殊的目录——/tmp，作为函数执行环境内唯一的可写存储空间。
/tmp目录的特点：
- 可写性： 它是函数代码唯一可以进行读写操作的本地文件系统区域。
- 容量： 每个执行环境在/tmp目录中提供512 MB到10,240 MB的磁盘空间，以1 MB为增量进行配置。
- 瞬态缓存： /tmp目录中的内容在执行环境“冻结”（即函数在两次调用之间保持活跃）时会保留。这意味着如果同一个执行环境被复用，之前存储在/tmp中的数据仍然可用，这使其成为一个有效的瞬态缓存。
- 非持久性： 尽管数据可以在暖启动（warm start）时保留，但Lambda不能保证执行环境会一直存在。当执行环境被回收或重新创建时，/tmp中的所有数据都将丢失。因此，/tmp不应用于存储需要长期持久化的数据。
如何在Lambda中使用/tmp目录
在Lambda函数中，任何需要文件操作（如下载文件、生成报告、处理图像等）的代码都应明确指向/tmp目录。
Python示例：在/tmp中创建和读取文件
import os import json def lambda_handler(event, context): # 定义在/tmp目录下的文件路径 temp_file_path = "/tmp/my_temp_data.txt" json_file_path = "/tmp/config.json" # 1. 写入数据到/tmp try: with open(temp_file_path, "w") as f: f.write("This is some temporary data written by Lambda.n") f.write("It will be available for subsequent warm invocations.") print(f"Successfully wrote to {temp_file_path}") # 写入JSON文件示例 config_data = {"setting1": "valueA", "setting2": 123} with open(json_file_path, "w") as f: json.dump(config_data, f) print(f"Successfully wrote JSON to {json_file_path}") except Exception as e: print(f"Error writing to /tmp: {e}") return { 'statusCode': 500, 'body': json.dumps(f'Error writing file: {e}') } # 2. 从/tmp读取数据（可以检查文件是否存在，以处理冷启动或环境回收） if os.path.exists(temp_file_path): try: with open(temp_file_path, "r") as f: content = f.read() print(f"Content read from {temp_file_path}:n{content}") except Exception as e: print(f"Error reading from /tmp: {e}") else: print(f"File {temp_file_path} does not exist (possibly a cold start or environment reset).") if os.path.exists(json_file_path): try: with open(json_file_path, "r") as f: loaded_config = json.load(f) print(f"Loaded JSON config from {json_file_path}: {loaded_config}") except Exception as e: print(f"Error reading JSON from /tmp: {e}") # 3. 清理/tmp中的文件（可选，但推荐在不再需要时进行） # 注意：在Lambda函数结束时，文件通常会保留，直到环境被回收。 # 如果文件较大或需要确保下次调用是干净的，可以手动删除。 # try: # if os.path.exists(temp_file_path): # os.remove(temp_file_path) # print(f"Cleaned up {temp_file_path}") # if os.path.exists(json_file_path): # os.remove(json_file_path) # print(f"Cleaned up {json_file_path}") # except Exception as e: # print(f"Error cleaning up /tmp: {e}") return { 'statusCode': 200, 'body': json.dumps('File operations completed.') }
调整Python库的文件路径： 如果使用的Python库尝试写入默认路径，你可能需要查找其配置选项，将其输出路径或缓存路径指向/tmp。例如，一些机器学习库可能允许通过环境变量或函数参数指定模型文件的下载位置。
注意事项与最佳实践
- 容量管理： 密切关注/tmp目录的使用情况，避免写入过大的文件导致超出分配的磁盘空间。如果需要处理的文件非常大，或者需要长期存储，应考虑使用外部存储服务。
- 数据清理： 尽管/tmp中的数据可能在暖启动时保留，但不能依赖它。每次函数调用都应该检查所需文件是否存在。如果不再需要，可以手动删除文件以释放空间，尽管Lambda环境最终会被回收。
- 安全性： 不要将敏感信息或需要加密的数据存储在/tmp中，因为它不是为高安全性存储设计的。
- 持久化存储方案：
- Amazon S3： 对于需要长期存储、共享或处理大文件的场景，S3是首选。Lambda函数可以从S3下载文件到/tmp进行处理，处理完毕后再上传回S3。
- Amazon EFS： 如果你的Lambda函数需要一个共享的、持久的文件系统，并且对文件操作的延迟要求不高，可以将EFS文件系统挂载到Lambda函数。这允许多个Lambda实例访问相同的文件数据，并提供更高的存储容量。
- 数据库： 对于结构化数据或需要事务支持的场景，应使用Amazon RDS、DynamoDB等数据库服务。
总结
AWS Lambda的文件系统权限是固定的，大部分区域是只读的，用户无法更改。唯一的例外是/tmp目录，它提供了有限的、瞬态的可写空间，适用于临时文件存储和缓存。开发者必须理解/tmp的容量限制和非持久性特点，并根据实际需求，结合S3、EFS或其他数据库服务，构建健壮且高效的无服务器应用。正确利用/tmp并选择合适的外部存储方案，是优化Lambda函数文件操作的关键。