本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。
要了解如何创建 Lambda 函数，请参阅《AWS Lambda 开发人员指南》中的入门。在设计和开发函数时，请牢记以下要求和准则。
输入事件数据
在 Amazon Pinpoint 为推荐器模型调用 Lambda 函数时，它发送一个负载，其中包含发送消息的活动或旅程的配置和其他设置。负载包含一个 Endpoints 对象，该对象是将端点 ID 与消息接收人的端点定义关联的映射。
端点定义使用由 Amazon Pinpoint API 的端点资源定义的结构。不过，它们还包含一个名为 RecommendationItems 的动态建议属性字段。RecommendationItems 字段包含从 Amazon Personalize 活动返回的一个或多个端点建议项目。该字段的值是由 1–5 个建议的项目（作为字符串）组成的有序数组。数组中的项目数取决于您配置 Amazon Pinpoint 以便为每个端点或用户检索的建议项目数。
例如：
"Endpoints": {
"endpointIDexample-1":{
"ChannelType":"EMAIL",
"Address":"sofiam@example.com",
"EndpointStatus":"ACTIVE",
"OptOut":"NONE",
"EffectiveDate":"2020-02-26T18:56:24.875Z",
"Attributes":{
"AddressType":[
"primary"
]
},
"User":{
"UserId":"SofiaMartínez",
"UserAttributes":{
"LastName":[
"Martínez"
],
"FirstName":[
"Sofia"
],
"Neighborhood":[
"East Bay"
]
}
},
"RecommendationItems":[
"1815",
"2009",
"1527"
],
"CreationDate":"2020-02-26T18:56:24.875Z"
},
"endpointIDexample-2":{
"ChannelType":"EMAIL",
"Address":"alejandror@example.com",
"EndpointStatus":"ACTIVE",
"OptOut":"NONE",
"EffectiveDate":"2020-02-26T18:56:24.897Z",
"Attributes":{
"AddressType":[
"primary"
]
},
"User":{
"UserId":"AlejandroRosalez",
"UserAttributes":{
"LastName ":[
"Rosalez"
],
"FirstName":[
"Alejandro"
],
"Neighborhood":[
"West Bay"
]
}
},
"RecommendationItems":[
"1210",
"6542",
"4582"
],
"CreationDate":"2020-02-26T18:56:24.897Z"
}
}在前面的示例中，相关的 Amazon Pinpoint 设置为：
-
配置推荐器模型，以便为每个端点或用户检索三个建议的项目。（
RecommendationsPerMessage属性的值设置为3。） 在使用该设置时，Amazon Pinpoint 为每个端点或用户检索并仅添加第一、第二和第三个建议的项目。 -
配置项目以使用自定义用户属性，这些属性存储每个用户的名字、姓氏以及他们居住的社区。（
UserAttributes对象包含这些属性的值。） -
配置项目以使用自定义端点属性 (
AddressType)，该属性指示端点是否为用户从项目中接收消息的首选地址（渠道）。（Attributes对象包含该属性的值。）
在 Amazon Pinpoint 调用 Lambda 函数并将该负载作为事件数据发送时，AWS Lambda 将该数据传递给 Lambda 函数以进行处理。
每个负载最多可以包含 50 个端点的数据。如果分段包含超过 50 个端点，则 Amazon Pinpoint 反复调用该函数（每次最多处理 50 个端点），直到该函数处理了所有数据。
响应数据和要求
在设计和开发 Lambda 函数时，请牢记机器学习模型的限额。如果函数不满足这些限额定义的条件，则 Amazon Pinpoint 无法处理和发送消息。
还要牢记以下要求：
-
函数必须使用输入事件数据提供的相同格式返回更新的端点定义。
-
每个更新的端点定义可以包含端点或用户的 1–10 个自定义建议属性。这些属性的名称必须与在 Amazon Pinpoint 中配置推荐器模型时指定的属性名称匹配。
-
必须在单个
Recommendations对象中为每个端点或用户返回所有自定义建议属性。该要求有助于确保不会发生命名冲突。您可以将Recommendations对象添加到端点定义中的任何位置。 -
每个自定义建议属性的值必须是一个字符串（单个值）或字符串数组（多个值）。如果值是字符串数组，我们建议您保持 Amazon Personalize 返回的建议项目的顺序，如
RecommendationItems字段中所示。否则，您的内容可能无法反映模型为端点或用户提供的预测。 -
函数不应修改事件数据中的其他元素，包括端点或用户的其他属性值。它应该只添加和返回自定义推荐属性的值。Amazon Pinpoint 不接受对函数响应中任何其他值的更新。
-
函数必须托管在与调用函数的 Amazon Pinpoint 项目相同的 AWS 区域中。如果函数和项目不在同一个区域中，则 Amazon Pinpoint 无法将事件数据发送到函数。
如果不满足任何上述要求，则 Amazon Pinpoint 无法处理消息并将其发送到一个或多个端点。这可能会导致活动或旅程活动失败。
最后，我们建议您为函数保留 256 个并发执行。
总体而言，Lambda 函数应处理 Amazon Pinpoint 发送的事件数据，并返回修改的端点定义。它可以遍历 Endpoints 对象中的每个端点，并为每个端点创建和设置要使用的自定义建议属性值以做到这一点。以下示例处理程序（使用 Python 编写并继续前面的输入事件数据示例）说明了这一点：
import json
import string
def lambda_handler(event, context):
print("Received event: " + json.dumps(event))
print("Received context: " + str(context))
segment_endpoints = event["Endpoints"]
new_segment = dict()
for endpoint_id in segment_endpoints.keys():
endpoint = segment_endpoints[endpoint_id]
if supported_endpoint(endpoint):
new_segment[endpoint_id] = add_recommendation(endpoint)
print("Returning endpoints: " + json.dumps(new_segment))
return new_segment
def supported_endpoint(endpoint):
return True
def add_recommendation(endpoint):
endpoint["Recommendations"] = dict()
customTitleList = list()
customGenreList = list()
for i,item in enumerate(endpoint["RecommendationItems"]):
item = int(item)
if item == 1210:
customTitleList.insert(i, "Hanna")
customGenreList.insert(i, "Action")
elif item == 1527:
customTitleList.insert(i, "Catastrophe")
customGenreList.insert(i, "Comedy")
elif item == 1815:
customTitleList.insert(i, "Fleabag")
customGenreList.insert(i, "Comedy")
elif item == 2009:
customTitleList.insert(i, "Late Night")
customGenreList.insert(i, "Drama")
elif item == 4582:
customTitleList.insert(i, "Agatha Christie\'s The ABC Murders")
customGenreList.insert(i, "Crime")
elif item == 6542:
customTitleList.insert(i, "Hunters")
customGenreList.insert(i, "Drama")
endpoint["Recommendations"]["Title"] = customTitleList
endpoint["Recommendations"]["Genre"] = customGenreList
return endpoint在前面的示例中，AWS Lambda 将事件数据作为 event 参数传递给处理程序。处理程序遍历 Endpoints 对象中的每个端点，并设置名为 Recommendations.Title 和 Recommendations.Genre 的自定义建议属性的值。return 语句将每个更新的端点定义返回到 Amazon Pinpoint。
继续前面的输入事件数据示例，更新的端点定义为：
"Endpoints":{
"endpointIDexample-1":{
"ChannelType":"EMAIL",
"Address":"sofiam@example.com",
"EndpointStatus":"ACTIVE",
"OptOut":"NONE",
"EffectiveDate":"2020-02-26T18:56:24.875Z",
"Attributes":{
"AddressType":[
"primary"
]
},
"User":{
"UserId":"SofiaMartínez",
"UserAttributes":{
"LastName":[
"Martínez"
],
"FirstName":[
"Sofia"
],
"Neighborhood":[
"East Bay"
]
}
},
"RecommendationItems":[
"1815",
"2009",
"1527"
],
"CreationDate":"2020-02-26T18:56:24.875Z",
"Recommendations":{
"Title":[
"Fleabag",
"Late Night",
"Catastrophe"
],
"Genre":[
"Comedy",
"Comedy",
"Comedy"
]
}
},
"endpointIDexample-2":{
"ChannelType":"EMAIL",
"Address":"alejandror@example.com",
"EndpointStatus":"ACTIVE",
"OptOut":"NONE",
"EffectiveDate":"2020-02-26T18:56:24.897Z",
"Attributes":{
"AddressType":[
"primary"
]
},
"User":{
"UserId":"AlejandroRosalez",
"UserAttributes":{
"LastName ":[
"Rosalez"
],
"FirstName":[
"Alejandro"
],
"Neighborhood":[
"West Bay"
]
}
},
"RecommendationItems":[
"1210",
"6542",
"4582"
],
"CreationDate":"2020-02-26T18:56:24.897Z",
"Recommendations":{
"Title":[
"Hanna",
"Hunters",
"Agatha Christie\'s The ABC Murders"
],
"Genre":[
"Action",
"Drama",
"Crime"
]
}
}
}在前面的示例中，函数修改了它收到的 Endpoints 对象并返回了结果。现在，每个端点的 Endpoint 对象包含一个新 Recommendations 对象，其中包含 Title 和 Genre 字段。其中的每个字段存储由三个值（作为字符串）组成的有序数组，其中的每个值为 RecommendationItems 字段中的相应建议项目提供改进的内容。
