uvでAWS Lambdaのデプロイ時間を10倍高速化した話 - CDK PythonFunctionからの移行

TL;DR

• CDK PythonFunction から Function + Layer 構成に移行し、デプロイ時間を14分→78秒に短縮
• uv による依存関係のビルドで、従来の pip 比で大幅な高速化を実現
• CDK Synth単体では13分→10秒（約78倍高速化）

この記事の対象読者

• AWS CDKでPython Lambdaを運用している方
• CI/CDパイプラインのビルド時間に悩んでいる方
• uv に興味があるが、実際の導入事例を知りたい方

背景：CDK PythonFunctionの限界

私たちのチームでは、AWS CDKを使ってPython製のLambda関数を管理していました。
当初は aws-cdk-lib/aws-lambda-python-alpha の PythonFunction を採用していました。
この構成は pyproject.toml から依存関係を自動でバンドルしてくれる便利さがある一方、開発が進むにつれて深刻なボトルネックが顕在化しました。

問題：cdk synthに13分かかる

$ cdk synth
# 13分後...
Successfully synthesized to cdk.out

なぜこんなに遅いのか。原因は PythonFunction の内部動作にありました。

毎回のsynth/deployで発生する処理：

1. Dockerコンテナの起動
2. コンテナ内で pip install を実行
3. 依存関係の解決とダウンロード
4. パッケージのインストールとバンドル

特に pip の依存関係解決は、パッケージ数が増えるほど指数関数的に遅くなります。私たちのプロジェクトでは20以上の依存パッケージがあり、これが致命的なボトルネックになっていました。

開発体験への影響

• ローカル開発: ちょっとした修正を試すのに13分待ち
• CI/CD: PRごとに14分のビルド時間
• デプロイ頻度の低下: 「まとめてデプロイしよう」という心理が働く

技術選定：なぜuvなのか

解決策を検討する中で、Rust製のPythonパッケージマネージャー uv に注目しました。

uvとは

uv は Astral社（Ruffの開発元）が開発したPythonパッケージマネージャーです。

主な特徴：

• Rust実装による圧倒的な速度
• pip, pip-tools, virtualenv, poetry の機能を統合
• uv.lock による完全な依存関係の固定

uvを選んだ3つの理由

1. 圧倒的な速度

公式ベンチマークでは pip の10〜100倍高速とされています。依存関係の解決アルゴリズムが最適化されており、並列ダウンロードも標準でサポートしています。

2. 既存プロジェクトとの互換性

pyproject.toml をそのまま使えることができ、 移行コストが低いです。uv sync コマンドで既存の設定ファイルから環境を構築できます。

3. CI/CDとの相性

キャッシュの仕組みが優れており、ロックファイル（uv.lock）をキーにしたキャッシュ戦略が取りやすいです。

実装：PythonFunctionからFunction + Layerへ

移行のアーキテクチャ

Before: PythonFunction

毎回のsynth/deployでDockerコンテナ起動→pip installが走り、依存関係の解決がボトルネックになっていました。

After: Function + Layer

事前にuvでビルドしたzipを参照するだけなので、CDK synthが高速化されました。

ステップ1: uvのインストール

# macOS / Linux
curl -LsSf https://astral.sh/uv/install.sh | sh

# または Homebrew
brew install uv

ステップ2: ビルドスクリプトの作成

#!/bin/bash
# scripts/build_lambda.sh

set -e

# dist/ディレクトリを作成
mkdir -p dist

# 依存関係をrequirements.txtにエクスポート
uv pip compile pyproject.toml -o dist/requirements.txt

# Layer用のディレクトリにインストール
uv pip install -r dist/requirements.txt --target dist/python

# zipファイルを作成
cd dist && zip -r ../lambda-layer.zip python

ステップ3: CDKコードの変更

# Before: PythonFunction
from aws_cdk.aws_lambda_python_alpha import PythonFunction

lambda_fn = PythonFunction(
    self,
    "MyFunction",
    entry="./functions",
    runtime=Runtime.PYTHON_3_12,
    index="handler.py",
    handler="handler",
)

# After: Function + Layer
from aws_cdk import aws_lambda as _lambda

# 依存関係をLayerとして定義
dependencies_layer = _lambda.LayerVersion(
    self,
    "DependenciesLayer",
    code=_lambda.Code.from_asset("dist/lambda-layer.zip"),
    compatible_runtimes=[_lambda.Runtime.PYTHON_3_12],
    description="Python dependencies built with uv",
)

# Lambda関数
lambda_fn = _lambda.Function(
    self,
    "MyFunction",
    runtime=_lambda.Runtime.PYTHON_3_12,
    code=_lambda.Code.from_asset("./functions"),
    handler="handler.handler",
    layers=[dependencies_layer],
)

ステップ4: CI/CDパイプラインの設定

Bitbucket Pipelinesでの設定例です。

# bitbucket-pipelines.yml
image: python:3.12

definitions:
  caches:
    uv: ~/.cache/uv

steps:
  - step: &build-and-test
      name: Build and Test
      caches:
        - uv
      script:
        # uvのインストール
        - curl -LsSf https://astral.sh/uv/install.sh | sh
        - export PATH="$HOME/.local/bin:$PATH"

        # 依存関係のインストール（キャッシュ活用）
        - uv sync --frozen --all-extras

        # Lint & Format
        - uv run ruff check .
        - uv run ruff format --check .

        # 型チェック
        - uv run mypy functions/

        # テスト
        - uv run pytest --verbose --cov=functions

pipelines:
  pull-requests:
    '**':
      - step: *build-and-test

ポイント：

• ~/.cache/uv をキャッシュすることで、2回目以降のビルドが高速化
• uv sync --frozen でロックファイルに完全に従った再現可能なビルド
• uv run で仮想環境内のコマンドを実行

ハマったところと解決策

1. Lambda Layer のディレクトリ構造

Lambda Layerでは、Pythonパッケージは python/ ディレクトリ配下に配置する必要があります。

# NG: パッケージ直置き
lambda-layer.zip
├── boto3/
└── requests/

# OK: python/ ディレクトリ配下
lambda-layer.zip
└── python/
    ├── boto3/
    └── requests/

--target dist/python と指定することで、正しい構造でインストールされます。

2. プラットフォーム依存のパッケージ

ローカル（macOS）でビルドしたパッケージがLambda（Linux）で動かないケースがあります。

# 解決策: Linuxプラットフォームを明示
uv pip install -r requirements.txt \
    --target dist/python \
    --platform linux \
    --python-version 3.12

3. uvのキャッシュが効かない

CI/CDでキャッシュが効いていないように見える場合、キャッシュキーの設定を確認してください。

# Bitbucket Pipelines
caches:
  uv: ~/.cache/uv

# GitHub Actions
- uses: actions/cache@v4
  with:
    path: ~/.cache/uv
    key: uv-${{ runner.os }}-${{ hashFiles('uv.lock') }}

成果：デプロイ時間を10倍高速化

Before / After 比較

項目	Before (PythonFunction)	After (Function + Layer)	改善率
CDK Synth	約13分	約10秒	約78倍高速化
総デプロイ時間	約14分	約78秒	約10倍高速化

副次的な効果

1. 再現性の向上: uv.lock による完全な依存関係の固定
2. CI/CDコストの削減: ビルド時間短縮によるリソース節約
3. 開発体験の向上: 即座にデプロイして確認できる

まとめ

• CDK PythonFunction から Function + Layer への移行で、デプロイ時間を14分→78秒に短縮
• uv の高速な依存関係解決とキャッシュ機能がCI/CD改善の鍵
• 移行コストは低く、pyproject.toml をそのまま活用可能

uv は2024年にリリースされた比較的新しいツールですが、すでに多くのプロジェクトで採用が進んでいます。PythonのCI/CDパイプラインで時間がかかっている場合は、ぜひ導入を検討してみてください。

参考リンク

• uv 公式ドキュメント
• AWS CDK Python Lambda
• AWS Lambda Layers