tencent cloud

云函数

动态与公告
产品动态
产品公告
新手指引
产品简介
产品概述
相关概念
工作原理
产品优势
应用场景
相关产品
购买指南
计费概述
计费方式
计费项与计费方式
函数算力支持
免费额度
产品定价
计费示例
欠费与停服说明
快速入门
使用控制台创建一个事件函数
操作指南
配额管理
函数管理
Web 函数管理
日志管理
并发管理
触发器管理
函数 URL
自定义域名
版本管理
别名管理
权限管理
运行实例管理
插件管理
监控与告警管理
网络配置
层管理
执行配置
扩展存储管理
DNS 缓存配置
资源托管模式管理
近离线资源托管模式
工作流
触发器
触发器概述
触发器事件消息结构汇总
API 网关触发器
COS 触发器
CLS 触发器
定时触发器
CKafka 触发器
Apache Kafka 触发器
MQTT 触发器
触发器配置描述
MPS 触发器
CLB 触发器说明
云 API 触发器
开发指南
基本概念
测试云函数
环境变量
依赖安装
使用容器镜像
使用 Docker 安装依赖
错误类型与重试策略
死信队列
云函数接入数据库
自动化部署
云函数状态码
常见错误码解决方法
开发者工具
Serverless Web IDE
函数间调用 SDK
第三方工具
代码开发
Python
Node.js
Golang
PHP
Java
Custom Runtime
使用镜像部署函数
Web 框架部署
通过命令行完成框架部署
快速部署 Egg 框架
快速部署 Express 框架
快速部署 Flask 框架
快速部署 Koa 框架
快速部署 Laravel 框架
快速部署 Nestjs 框架
快速部署 Nextjs 框架
快速部署 Nuxtjs 框架
快速部署 Django 框架
实践教程
最佳实践概述
云产品联合解决方案
业务开发相关实践
实时音视频 TRTC
对象存储 COS
消息队列 CKafka
日志服务CLS
负载均衡 CLB
视频处理 MPS
内容分发网络 CDN
云数据仓库 PostgreSQL
云点播 VOD
短信 SMS
Elasticsearch Service
定时任务
视频处理
客户案例
腾讯在线教育
在线教育行业案例
游戏聊天系统
腾讯互娱国际(IEGG)
API 文档
History
Introduction
API Category
Making API Requests
Other APIs
Namespace APIs
Layer Management APIs
Async Event Management APIs
Trigger APIs
Function APIs
函数和层的状态说明
Data Types
Error Codes
SDK文档
常见问题
通用问题
Web 函数相关问题
计费相关问题
网络相关问题
日志相关问题
SCF 工具相关问题
事件处理相关问题
API 网关触发器相关问题
相关协议
Service Level Agreement
联系我们
词汇表
文档云函数开发指南使用 Docker 安装依赖

使用 Docker 安装依赖

PDF
聚焦模式
字号
最后更新时间: 2024-04-22 17:45:15

操作场景

使用 Python,Node.js 等语言开发云函数 SCF 时,由于操作系统版本、系统库版本及语言版本不一致,在本地环境运行良好的程序部署到 SCF 后可能会出现错误。为解决依赖安装问题,本文档介绍使用 Docker 为函数安装依赖。详情请参考以下示例:

操作步骤

安装 Docker

在本地安装 Docker,详情请参见 Docker

Node.js 8.9 安装 nodejieba

本节以下述代码为例:
'use strict';

const jieba = require('nodejieba');

exports.main_handler = async (event, context, callback) => {
return jieba.cut('你好世界');
};
此示例代码可在 Windows 和 macOS 上正确运行,但部署到 SCF 时会出现如下错误代码提示:
{"errorCode":1,"errorMessage":"user code exception caught","stackTrace":"/var/user/node_modules/nodejieba/build/Release/nodejieba.node: invalid ELF header"}
为解决此问题,可使用 Docker 来安装依赖。请参考以下命令:
$ docker run -it --network=host -v /path/to/your-project:/tmp/your-project node:8.9 /bin/bash -c 'cd /tmp/your-project && npm install nodejieba --save'
其中,/path/to/your-project是项目路径,对应于 Docker 容器里的/tmp/your-project目录。因此需要在容器里的/tmp/your-project目录下安装 nodejieba,即在项目路径下安装 nodejieba。依赖安装完成后,将代码重新部署到 SCF 上即可正常运行函数。

Python 3.6 安装 pandas

本节以下述代码为例:
import pandas as pd

def main_handler(event, context):
s = pd.Series([1, 3, 5, 6, 8])
print(s)
return len(s)
1. 参考以下命令,为 Python 3.6 安装 pandas。
$ docker run -it --network=host -v /path/to/your-project:/tmp/your-project python:3.6.1 /bin/bash -c 'cd /tmp/your-project && pip install pandas -t .'
2. 依赖安装完成后,将代码重新部署到 SCF 上并运行。函数可运行,但将产生警告提示“无法加载 lzma 模块,若使用 lzma 压缩则会导致运行时错误”。得到日志信息如下:
/var/user/pandas/compat/__init__.py:84: UserWarning: Could not import the lzma module. Your installed Python is incomplete. Attempting to use lzma compression will result in a RuntimeError.
warnings.warn(msg)
0 1
1 3
2 5
3 6
4 8
dtype: int64
3. 为解决此问题,需要进入容器内部执行以下命令:
$ docker run -it --network=host -v /tmp/foo:/tmp/bar python:3.6.1 /bin/bash
4. 执行以下命令,安装 pandas。
$ cd /tmp/bar
$ pip install pandas -t .
echo <<EOF >> index.py
> import pandas as pd
>
> def main_handler(event, context):
> s = pd.Series([1, 3, 5, 6, 8])
> print(s)
> return len(s)
>
> main_handler({}, {})
> EOF
$ python -v index.py > run.log 2>&1
5. 
执行以下命令,查看日志。示例如下:

$ grep lzma run.log
# /usr/local/lib/python3.6/__pycache__/lzma.cpython-36.pyc matches /usr/local/lib/python3.6/lzma.py
# code object from '/usr/local/lib/python3.6/__pycache__/lzma.cpython-36.pyc'
# extension module '_lzma' loaded from '/usr/local/lib/python3.6/lib-dynload/_lzma.cpython-36m-x86_64-linux-gnu.so'
# extension module '_lzma' executed from '/usr/local/lib/python3.6/lib-dynload/_lzma.cpython-36m-x86_64-linux-gnu.so'
import '_lzma' # <_frozen_importlib_external.ExtensionFileLoader object at 0x7f446c40db70>
import 'lzma' # <_frozen_importlib_external.SourceFileLoader object at 0x7f446c40d160>
# cleanup[2] removing lzma
# cleanup[2] removing _lzma
# cleanup[3] wiping lzma
# cleanup[3] wiping _lzma
# destroy _lzma
# destroy lzma
分析日志信息可知函数运行时需要加载 lzma,需具备以下文件:
/usr/local/lib/python3.6/lzma.py
/usr/local/lib/python3.6/lib-dynload/_lzma.cpython-36m-x86_64-linux-gnu.so
6. 
执行以下命令,查看 so 文件已具备的依赖:

$ ldd /usr/local/lib/python3.6/lib-dynload/_lzma.cpython-36m-x86_64-linux-gnu.so
linux-vdso.so.1 (0x00007fff75bb1000)
liblzma.so.5 => /lib/x86_64-linux-gnu/liblzma.so.5 (0x00007fc743370000)
libpython3.6m.so.1.0 => /usr/local/lib/libpython3.6m.so.1.0 (0x00007fc742e36000)
libpthread.so.0 => /lib/x86_64-linux-gnu/libpthread.so.0 (0x00007fc742c19000)
libc.so.6 => /lib/x86_64-linux-gnu/libc.so.6 (0x00007fc74286e000)
libdl.so.2 => /lib/x86_64-linux-gnu/libdl.so.2 (0x00007fc74266a000)
libutil.so.1 => /lib/x86_64-linux-gnu/libutil.so.1 (0x00007fc742467000)
libm.so.6 => /lib/x86_64-linux-gnu/libm.so.6 (0x00007fc742166000)
/lib64/ld-linux-x86-64.so.2 (0x00007fc74379c000)
分析命令执行结果可知除部分系统库外,还需以下文件:
/lib/x86_64-linux-gnu/liblzma.so.5
/usr/local/lib/libpython3.6m.so.1.0
7. 将上述 步骤5步骤6 得到的4个文件,拷贝至项目路径下,并参考以下示例修改代码:
import os

os.environ['LD_LIBRARY_PATH'] = os.path.dirname(
os.path.realpath(__file__)) + ':' + os.environ['LD_LIBRARY_PATH']

import pandas as pd

def main_handler(event, context):
s = pd.Series([1, 3, 5, 6, 8])
print(s)
return len(s)
8. 将代码重新部署至 SCF,函数即可正常运行并且无告警提示。

帮助和支持

本页内容是否解决了您的问题?

填写满意度调查问卷,共创更好文档体验。

文档反馈