某电商网站需要自动化处理用户上传到 Amazon S3 存储桶上的高清商品图片。要求的指标包括：自动压缩图片至 800 × 800 像素以内，降低存储成本；压缩后的图片需存储至指定S3桶，并保留原始路径结构；
处理延迟需控制在1秒内，支持每日1万张图片处理。
采用 AWS Lambda + S3 架构。
触发机制：通过 S3 的 PUT 事件触发 Lambda 函数。
核心逻辑：使用 Python 的 Pillow 库处理图片，依赖Lambda的临时存储（/tmp 目录）。
性能优化：内存配置为 1024 MB，缩短执行时间至 0.5 秒；压缩包精简至 10 MB，避免冷启动产生延迟。
本次采用 AWS Console 界面完成作业。
注意：根据项目的具体情况，可以采用不同的实施方法。比如使用命令行(CLI)部署、代码部署 (CloudFomation、Terraform等）、以及其它开发语言（SDK）完成作业。
步骤一：创建 S3 存储桶
在 AWS 控制台创建两个 S3 存储桶，一个用于存储原始图片（如 original-images-bucket），另一个用于存储压缩后的图片（如 compressed-images-bucket）。
步骤二：配置 Lambda 函数
创建 Lambda 函数，选择 Python 运行时。编写代码实现图片压缩逻辑，使用 Pillow 库打开原始图片，调整图片质量和尺寸进行压缩，然后将压缩后的图片上传到 compressed-images-bucket。
代码实现（Python）：
import boto3
from PIL import Image
def lambda_handler(event, context):
s3 = boto3.client('s3')
bucket = event['Records'][0]['s3']['bucket']['name']
key = event['Records'][0]['s3']['object']['key']
img = Image.open(s3.get_object(Bucket=bucket, Key=key)['Body'])
img.thumbnail((800, 800))
compressed_key = f"compressed/{key.split('/')[-1]}"
img.save(f"/tmp/{compressed_key}")
s3.upload_file(f"/tmp/{compressed_key}", bucket, compressed_key)
return {'statusCode': 200}
步骤三：依赖处理：本地安装Pillow并打包至ZIP文件：
pip install pillow -t . zip -r lambda.zip .
步骤四：部署与配置
在 Lambda 控制台创建函数，上传 ZIP 包；配置S3触发器，指定输入桶和PUT事件；设置内存为 1024 MB，超时时间为 10 秒。
步骤五：监控与优化
启用 CloudWatch Logs 记录执行日志；通过 X-Ray 分析调用链，发现S3调用延迟并优化；设置错误告警（如错误率>5%）。
1. 功能测试
上传测试图片到 original-images-bucket，检查 Lambda 函数是否成功执行，压缩后的图片是否正确存储到 compressed-images-bucket；验证图片尺寸是否符合要求（≤800×800）。
2. 性能测试
模拟 1000 张图片上传，记录平均处理时间为 0.5 秒；成本估算：每日 1 万张图片，月成本约$1（基于 AWS Lambda 免费额度）。
3. 错误验证
上传非图片文件或损坏的图片文件，检查日志是否记录错误详情。
4. 删除资源
验证结束后，删除创建的所有 AWS 资源，以避免产生不必要的费用。