AWS 最近为 AWS Lambda 增加了一项功能，允许定义变量来实现代码运行环境的个性化。按照 AWS 首席布道师 Jeff Barr 的说法，这样能够让我们编写出整洁和可重用的代码，无需进行重新部署。
借助环境变量，能够让我们的函数在不同的环境中所执行的行为有所差异，这个过程中不需要改变它的实现。典型的使用场景就是为特定的生命周期阶段采用不同的函数行为，比如开发阶段、测试阶段或生产阶段，每个阶段可能会使用各自的数据库或使用不同的连接凭证。
AWS Lambda 环境变量可以使用 AWS Console、CLI 或 SDK 来进行定义。如下展现了如何使用AWS CLI 定义AWS Lambda，在这个过程中用到了一个 LD_LIBRARY_PATH环境变量：
复制代码
aws lambda create-function \ --region us-east-1 --function-name myTestFunction --zip-file fileb://path/package.zip --role role-arn --environment Variables={LD_LIBRARY_PATH=/usr/bin/test/lib64} --handler index.handler --runtime nodejs4.3 --profile default
环境变量在创建之后，就可以使用编程语言所支持的方式来访问环境信息，比如在 Node.js 中使用process.env。当使用 Python 的时候，我们需要导入os库，如下面的样例所示：
复制代码
... import os ... print("environment variable: " + os.environ['variable'])
环境变量就是一些键 / 值对，如果需要的话，可以进行加密和解密。它们会关联到所属的Lambda 的一个给定版本上，在Lambda 发布之前，它们可以自由地进行修改。但是一旦Lambda 版本发布，那么它的环境变量就变成不可变的了。将Lambda回滚至任意版本的时候，它的环境变量也会恢复。在数量上，Lambda 函数可以关联多少环境变量并没有限制，只要它们的总大小不超过4KB 就可以。
中国开发者画像洞察研究报告 2024
分析开发者的行为模式、工作价值、职业发展等内容，帮助整个行业生态更深入地理解开发者，为他们提供更精准...
大模型时代——生产力工具转型的技术探索
阿里云上深度学习建模实践
构建全新大模型中间层基 LLMFarm，低成本落地 AGI
评论