用阿里云OSS当“仓库”，Serverless函数也能轻松搬新家！

你有没有遇到过这种情况：写好了代码，本地测试没问题，一上生产环境就各种报错？尤其是当你想搞点 Serverless 小项目的时候，发现函数依赖的包太大、部署太慢，甚至上传都失败了？别急，今天我就来跟你聊聊一个超实用的解决方案——把阿里云 OSS 当作 Serverless 函数的“远程仓库”来用。

没错，不是让你把代码扔进对象存储就完事了，而是真正地利用 OSS 的高可用、高并发、低成本优势，让我们的 Serverless 函数在启动时能快速加载依赖，就像从自家冰箱拿饮料一样顺手。整个过程不仅丝滑，还省心省钱。

为什么 Serverless 会遇到依赖难题？

我们先来唠唠背景。Serverless 听起来很酷，按量付费、自动扩缩容、不用管服务器……但实际用起来你会发现，它对部署包大小有严格限制。比如阿里云函数计算 FC，单个函数的代码包（包含依赖）不能超过 50MB（压缩后）。如果你用了像 pandas、numpy 或者一些图像处理库，分分钟就超标。

这时候很多人第一反应是：“我能不能把大依赖拆出去？”答案是可以，但怎么拆？总不能每次函数执行都去 GitHub 下一遍依赖吧？那延迟不得起飞？

聪明人就想到了一个办法：把依赖打包成一个 .zip 文件，上传到一个高速、稳定、全球可访问的地方，然后让函数在冷启动时去那里下载。而这个“地方”，就是阿里云 OSS。

OSS：不只是存图片和视频

提到阿里云 OSS，很多人第一印象是“不就是用来存图片、视频、静态网页的吗？”其实它远不止如此。OSS 全称是 Object Storage Service，也就是对象存储服务，特点是海量、安全、低成本、高可用。更重要的是，它支持通过 API 快速读写文件，而且全国各地访问速度都很稳。

想象一下，你把函数依赖打包成一个 80MB 的 zip 包，上传到杭州区域的 OSS 桶里。当你在北京触发函数时，函数计算实例会自动从最近的接入点拉取这个文件，整个过程可能只要几秒。比起从公网 GitHub 或 PyPI 拉依赖，速度快多了，也更可控。

实操：如何把 OSS 变成你的“依赖仓库”？

接下来我手把手带你走一遍流程，保证你看完就能上手。

第一步：准备依赖包

假设你写了一个 Python 函数，用到了 requests 和 pillow 两个库。你在本地用 pip 安装好这些依赖后，进入项目的根目录，运行下面这行命令：

pip install -r requirements.txt -t ./package

这会把所有依赖安装到 package 目录下。接着，把这个目录打包成 zip：

cd package && zip -r ../dependencies.zip .

第二步：上传到 OSS

登录阿里云控制台，找到 OSS 服务，创建一个私有桶（比如叫 my-fc-deps），然后把刚才生成的 dependencies.zip 上传进去。记得设置合适的权限，别让外人随便下载。

为了后续方便调用，你可以给这个文件设置一个固定的 URL，比如：
https://my-fc-deps.oss-cn-hangzhou.aliyuncs.com/dependencies.zip

第三步：函数中动态加载

现在回到函数代码。你不能再直接 import pillow 了，因为包不在默认路径里。你需要在函数入口处加一段逻辑：检查本地有没有这个依赖包，没有就从 OSS 下载并解压。

示例代码如下（Python）：

import os
import zipfile
import urllib.request
DEPS_PATH = '/tmp/dependencies'
ZIP_URL = 'https://my-fc-deps.oss-cn-hangzhou.aliyuncs.com/dependencies.zip'
def download_deps():
    if not os.path.exists(DEPS_PATH):
        os.makedirs(DEPS_PATH)
        print("正在从 OSS 下载依赖...")
        urllib.request.urlretrieve(ZIP_URL, '/tmp/deps.zip')
        with zipfile.ZipFile('/tmp/deps.zip', 'r') as zip_ref:
            zip_ref.extractall(DEPS_PATH)
        # 添加到系统路径
        import sys
        sys.path.append(DEPS_PATH)
def handler(event, context):
    download_deps()  # 确保依赖已加载
    from PIL import Image
    import requests
    # 你的业务逻辑写这儿
    print("依赖加载成功，开始干活！")
    return "Hello from Serverless + OSS!"

这样，每次函数冷启动时，都会自动拉取依赖。热启动的话，因为 /tmp 目录还在，就不需要重复下载，速度飞快。

这样做有啥好处？

你可能会问：“这么折腾，图个啥？”我给你总结几个实实在在的好处：

• 突破体积限制：再也不用为 50MB 发愁，80MB、100MB 都能搞定。
• 部署更快：函数本身的代码包变小了，上传和发布速度提升明显。
• 版本可控：你可以为不同函数版本上传不同的依赖包，避免冲突。
• 成本低：OSS 存储费用极低，按量计费，放个几十 MB 几乎不花钱。
• 安全性高：私有桶 + 临时 Token 访问，比公开 GitHub 更安全。

还能再优化吗？当然！

上面的方案已经很实用了，但我们还可以做得更好。

比如，你可以配合阿里云的 RAM 角色和 STS 临时凭证，让函数用最小权限去读取 OSS 文件，而不是把 URL 暴露在代码里。或者，你可以用 OSS 的跨区域复制功能，在多个地域部署相同的依赖包，进一步降低延迟。

更高级的玩法是：写一个 CI/CD 流程，每次提交代码时，自动打包依赖、上传 OSS、更新函数配置。这样一来，整个过程完全自动化，你只需要专注写业务代码就行。

别忘了领张优惠券，省点钱不香吗？

说到成本，虽然 OSS 本身就很便宜，但能省则省嘛。尤其是如果你打算长期用 Serverless 做项目，流量、调用次数、存储量上来之后，积少成多也是笔不小的开销。

我这边有个好消息要告诉你：阿里云现在有个新用户优惠活动，可以免费领取 Serverless 相关产品的代金券，包括函数计算、OSS、API 网关等等。不管是用来测试还是上线，都能帮你省下一笔。

我自己就领了一张，部署了好几个小项目都没花一分钱。你要是正打算折腾 Serverless，现在就是最好的时机。点击链接，注册账号，领完券再去控制台玩，体验直接拉满。

谁适合用这个方案？

这个方法特别适合以下几类人：

1. 正在学习 Serverless 的新手
你想试试函数计算，但又不想被依赖问题劝退。用 OSS 托管依赖，门槛立马降低。

2. 做数据处理或 AI 小项目的开发者
比如你写了个图像识别函数，用了 OpenCV 或 TensorFlow Lite，依赖动辄上百 MB。OSS 方案几乎是必选项。

3. 想打造自动化工作流的工程师
结合定时触发器、事件总线、OSS 上传事件，你可以构建出全自动的数据清洗、文件转换流水线，全都不用服务器。

最后一点小建议

虽然这个方案很强大，但也要注意几点：

冷启动时间会增加几秒，毕竟要下载依赖。如果你的业务对延迟极其敏感，建议把最核心的依赖还是尽量塞进主包里，只把“重型武器”放在 OSS。

记得监控 OSS 的流量费用。虽然单价低，但如果函数调用特别频繁，累计下来也可能产生可观费用。可以通过开启日志分析，定期查看使用情况。

别忘了做好错误处理。比如 OSS 文件被误删、网络抖动导致下载失败，你的函数要有降级策略，比如返回缓存结果或提示用户稍后重试。

把阿里云 OSS 当作 Serverless 的“外挂仓库”，是一个既聪明又实用的做法。它不改变你写代码的习惯，却能解决很多实际痛点。技术的本质不就是这样吗？不是非要造火箭，而是用现有的砖头，搭出属于自己的房子。

别再被依赖问题困住了。