LLRT项目发布容器化Lambda运行时支持
2025-05-27 07:05:58作者:沈韬淼Beryl
亚马逊云科技开源项目LLRT(Low Latency Runtime)近日发布了v0.1.11-beta版本,新增了对容器化Lambda函数的支持。这一更新使得开发者能够在AWS Lambda的容器部署模式下使用这一轻量级JavaScript运行时。
容器化Lambda运行时的意义
传统Lambda函数部署方式通常使用AWS提供的托管运行时环境,而容器化部署则允许开发者自定义运行时环境。LLRT作为一款专为Lambda优化的JavaScript运行时,其容器化支持带来了几个显著优势:
- 更快的冷启动时间:LLRT本身就是为降低冷启动延迟而设计,容器化版本进一步优化了这一特性
- 更大的部署包容量:容器镜像支持最高10GB的部署包,适合需要较大依赖项的应用
- 更灵活的环境配置:可以自定义操作系统和依赖库
技术实现细节
LLRT的容器化实现采用了与标准Lambda容器镜像兼容的设计。开发者可以基于LLRT提供的容器基础镜像构建自己的函数镜像,而不必像早期版本那样需要手动复制bootstrap文件到Amazon Linux 2023基础镜像中。
对于需要在Lambda中运行资源密集型应用(如AI推理)的开发者,这一特性尤为重要。例如,在Lambda中运行小型LLM模型时,容器化LLRT能够提供更优的性能表现。
使用建议
开发者现在可以通过LLRT项目发布的容器镜像来构建自己的Lambda函数。相比传统的Node.js Lambda运行时,LLRT容器镜像特别适合以下场景:
- 需要极低冷启动延迟的应用程序
- 依赖原生模块或特定系统库的Node.js应用
- 需要较大部署包的应用(如包含机器学习模型)
随着无服务器架构在AI领域的应用日益广泛,LLRT的容器化支持为开发者提供了更多可能性,使得在Lambda环境中运行资源密集型任务变得更加可行。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
569
3.84 K
Ascend Extension for PyTorch
Python
379
453
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
893
676
暂无简介
Dart
802
199
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
350
203
昇腾LLM分布式训练框架
Python
118
147
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
68
20
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.37 K
781