当前位置：首页 > news >正文

AWS Lambda S3 Files：从对象存储到文件系统的范式转换

news 2026/5/6 8:14:24

Lambda 函数终于不用跟 S3 对象做上传下载的"搬运工"了。S3 Files 让 Serverless 函数直接把 S3 桶当本地磁盘用，这对 AI Agent 多步工作流的影响比想象中大。

背景

2026 年 4 月底，亚马逊云科技发布了 S3 Files——让 Lambda 函数可以将 S3 桶挂载为 POSIX 文件系统。这个功能底层基于 EFS 协议，但暴露的是 S3 的存储模型和成本结构。

对于跑 AI Agent 流水线的团队来说，这解决了一个长期痛点：多步骤之间的数据传递不再需要 S3 SDK 胶水代码。

核心设计

Lambda 函数 A ─→ /mnt/workspace ─→ S3 Files ─→ S3 桶
Lambda 函数 B ─→ /mnt/workspace ─→ S3 Files ─→ 同一个桶
Lambda 函数 C ─→ /mnt/workspace ─→ S3 Files ─→ 同一个桶

三个函数看到的是同一个文件系统视图。A 写的文件，B 和 C 立刻能读到。

关键特性：

标准 POSIX 操作（open/read/write/stat/listdir）
多 Lambda 实例并发挂载
无需 VPC 配置
容量无上限（跟 S3 桶一样）
无额外费用（只有 S3 标准存储费）

实际配置

1. 启用桶的 S3 Files 功能

aws s3api put-bucket-file-configuration \--bucket agent-workspace-prod \--file-configuration '{"Status": "Enabled"}'

2. Lambda 挂载配置

aws lambda update-function-configuration \--function-name multi-agent-orchestrator \--file-system-configs '[{"Arn": "arn:aws:s3:::agent-workspace-prod","LocalMountPath": "/mnt/workspace"}]'

3. IAM 策略

{"Version": "2012-10-17","Statement": [{"Effect": "Allow","Action": ["s3:GetObject", "s3:PutObject", "s3:ListBucket", "s3:DeleteObject"],"Resource": ["arn:aws:s3:::agent-workspace-prod", "arn:aws:s3:::agent-workspace-prod/*"]},{"Effect": "Allow","Action": ["elasticfilesystem:ClientMount", "elasticfilesystem:ClientWrite"],"Resource": "*"}]
}

4. SAM 模板（IaC 方式）

Resources:OrchestratorFunction:Type: AWS::Serverless::FunctionProperties:Runtime: python3.12Handler: orchestrator.handlerTimeout: 600MemorySize: 2048FileSystemConfigs:- Arn: !Sub "arn:aws:s3:::${WorkspaceBucket}"LocalMountPath: /mnt/workspacePolicies:- S3FullAccessPolicy:BucketName: !Ref WorkspaceBucketAnalyzerFunction:Type: AWS::Serverless::FunctionProperties:Runtime: python3.12Handler: analyzer.handlerFileSystemConfigs:- Arn: !Sub "arn:aws:s3:::${WorkspaceBucket}"LocalMountPath: /mnt/workspace

AI Agent 流水线案例

代码审查 Agent 流水线：一个编排函数 + 三个专项分析 Agent。

# orchestrator.py
import subprocess, json, osdef handler(event, context):workspace = '/mnt/workspace'repo_dir = f'{workspace}/repos/{event["repo_name"]}'# Clone 到共享目录subprocess.run(['git', 'clone', '--depth', '1', event['repo_url'], repo_dir])# 写任务文件，分析 Agent 读取task = {'repo_path': repo_dir,'files': [f for f in os.listdir(repo_dir) if f.endswith('.py')],'analysis_output': f'{workspace}/results/{event["repo_name"]}'}os.makedirs(task['analysis_output'], exist_ok=True)with open(f'{workspace}/tasks/{event["repo_name"]}.json', 'w') as f:json.dump(task, f)return {'task_path': f'{workspace}/tasks/{event["repo_name"]}.json'}

三个分析 Agent 各自读 /mnt/workspace/repos/xxx 下的源码，分析结果写到 /mnt/workspace/results/xxx/ 下不同文件。最后汇总函数读所有结果生成报告。

整个流程零 S3 SDK 调用，纯文件操作。

与 Durable Functions 协同

Lambda Durable Functions（4 月初发布）提供多步编排 + checkpoint 能力。配合 S3 Files：

Durable Functions：控制流（顺序/并行/重试/checkpoint）
S3 Files：数据流（读写共享）

某步失败后 checkpoint 恢复，前序步骤的输出文件仍在共享目录中，不需要重新执行。

性能与成本

对比项	S3 GET/PUT	EFS	S3 Files
10GB/月存储	$0.23 + API费	$3	$0.23
并发读写	需要代码同步	原生支持	原生支持
需要 VPC	否	是	否
冷启动影响	无	+500ms	+200-500ms
容量限制	无	需预估	无