使用 Docker 安装依赖-云函数-文档中心-腾讯云

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：
Node.js 8.9 安装 nodejieba
Python 3.6 安装 pandas
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。
使用 Docker 安装依赖

本页目录：

操作场景

操作步骤

安装 Docker

Node.js 8.9 安装 nodejieba

Python 3.6 安装 pandas
