我正在用Python 3.8编写一个lambda函数。该函数使用 boto3 与发电机连接：
db = boto3.resource('dynamodb', region_name='foo', aws_access_key_id='foo', aws_secret_access_key='foo')
这就是我在本地机器上开发时所拥有的，需要测试该功能。但是，当我将其部署到 lambda 时，如果我设置了正确的 IAM 角色和策略，我只需删除凭证，我的函数将连接到 dynamodb。例如，此代码在部署到 lambda 时可以正常工作：
db = boto3.resource('dynamodb', region_name='foo')
问题是，如何在将代码推送到 lambda 方面来管理它？我正在使用 AWS SAM 部署到 AWS。现在我所做的是一旦我完成了我的函数开发，我手动删除aws_access_key_id='foo'和aws_secret_access_key='foo'部分，然后使用 SAM 部署函数。
一定有更好的方法吗？我可以将它们嵌入到我的 IDE 中吗？我正在使用PyCharm。这会是更好的方法吗？如果没有，还有什么？
你永远不应该像这样在代码中放置凭据。
在本地运行代码时，使用 AWS CLIaws configure命令将本地凭证存储在~/.aws/config文件中。AWS 开发工具包将自动查找该文件以获取凭证。
在 sam 中，您可以使用 sam local invoke 或 sam local start-lambda 在本地调用函数。
它们都采用--profile参数：
要使用的AWS 凭证配置文件。
这将确保您的本地 lambda 环境使用正确的凭证执行，而无需在代码中对其进行硬编码。随后，您可以测试代码而无需修改，否则在对密钥 ID 和私有密钥进行硬编码时需要修改。
您可以使用环境变量。
环境变量既可以在 pycharm 中配置，也可以在 AWS Lambda 和 AWS SAM 中配置。
如 Lambda 最佳实践中所述："使用环境变量将操作参数传递给函数。例如，如果您要写入 Amazon S3 存储桶，而不是对要写入的存储桶名称进行硬编码，而是将存储桶名称配置为环境变量。
您还可以使用环境变量来指定正在使用的环境，然后可以使用该变量显式确定是否需要凭据。