با مجموعه‌ها، منظم بمانید
ذخیره و طبقه‌بندی محتوا براساس اولویت‌های شما.
دو راه برای تعیین وابستگی برای Cloud Functions نوشته شده در پایتون وجود دارد: استفاده از فایل requirements.txt مدیر بسته پیپ یا بسته بندی وابستگی های محلی در کنار تابع خود.
مشخصات وابستگی با استفاده از استاندارد Pipfile/Pipfile.lock پشتیبانی نمی شود. پروژه شما نباید شامل این فایل ها باشد.
تعیین وابستگی ها با پیپ
وابستگی ها در پایتون با پیپ مدیریت می شوند و در یک فایل ابرداده به نام requirements.txt بیان می شوند. این فایل باید در همان دایرکتوری فایل main.py باشد که حاوی کد تابع شماست.
وقتی تابع خود را مستقر یا مجدداً مستقر می‌کنید، Cloud Functions از پیپ برای دانلود و نصب آخرین نسخه وابستگی‌های شما همانطور که در فایل requirements.txt اعلام شده است استفاده می‌کند. فایل requirements.txt حاوی یک خط در هر بسته است. هر خط حاوی نام بسته و به صورت اختیاری، نسخه درخواستی است. برای جزئیات بیشتر، به مرجع requirements.txt مراجعه کنید.
برای جلوگیری از تحت تاثیر قرار گرفتن ساخت خود توسط تغییرات نسخه وابستگی، بسته های وابستگی خود را به یک نسخه خاص پین کنید.
نمونه زیر یک نمونه فایل requirements.txt است:
functions-framework
requests==2.20.0
numpy
بسته بندی وابستگی های محلی
شما همچنین می توانید وابستگی ها را در کنار عملکرد خود بسته بندی و مستقر کنید. اگر وابستگی شما از طریق مدیر بسته پیپ در دسترس نباشد یا دسترسی به اینترنت محیط توابع ابری شما محدود باشد، این رویکرد مفید است.
به عنوان مثال، ممکن است از ساختار دایرکتوری مانند زیر استفاده کنید:
سپس می توانید کد را طبق معمول از localpackage با استفاده از عبارت import زیر وارد کنید.
# Code in main.py
from localpackage import script
توجه داشته باشید که این روش هیچ فایل setup.py را اجرا نخواهد کرد. بسته‌های حاوی آن فایل‌ها هنوز هم می‌توانند بسته شوند، اما ممکن است به درستی در Cloud Functions اجرا نشوند.
تاریخ آخرین بهروزرسانی 2025-09-05 بهوقت ساعت هماهنگ جهانی.
[[["درک آسان","easyToUnderstand","thumb-up"],["مشکلم را برطرف کرد","solvedMyProblem","thumb-up"],["غیره","otherUp","thumb-up"]],[["اطلاعاتی که نیاز دارم وجود ندارد","missingTheInformationINeed","thumb-down"],["بیشازحد پیچیده/ مراحل بسیار زیاد","tooComplicatedTooManySteps","thumb-down"],["قدیمی","outOfDate","thumb-down"],["مشکل ترجمه","translationIssue","thumb-down"],["مشکل کد / نمونهها","samplesCodeIssue","thumb-down"],["غیره","otherDown","thumb-down"]],["تاریخ آخرین بهروزرسانی 2025-09-05 بهوقت ساعت هماهنگ جهانی."],[],[],null,["\u003cbr /\u003e\n\nNode.js Python \n\n\u003cbr /\u003e\n\nThere are two ways to specify dependencies for Cloud Functions written in\nPython: using the [pip](https://pip.pypa.io/en/stable/) package manager's\n`requirements.txt` file or packaging local dependencies alongside your function.\n\nDependency specification using the Pipfile/Pipfile.lock standard is\nnot supported. Your project should not include these files.\n\nSpecifying dependencies with pip\n\nDependencies in Python are managed with pip and expressed in a metadata file\ncalled\n[`requirements.txt`](https://pip.pypa.io/en/stable/user_guide/#requirements-files).\nThis file must be in the same directory as the `main.py` file that contains your\nfunction code.\n\nWhen you deploy or redeploy your function, Cloud Functions\nuses pip to download and install the latest version of your\ndependencies as declared in the `requirements.txt` file.\nThe `requirements.txt` file contains one line per package. Each line contains\nthe package name, and optionally, the requested version. For more details, see\nthe [`requirements.txt`\nreference](https://pip.pypa.io/en/stable/user_guide/#requirements-files).\n\nTo prevent your build from being affected by dependency version changes,\nconsider pinning your dependency packages to a specific version.\n\nThe following is an example `requirements.txt` file: \n\n```\nfunctions-framework\nrequests==2.20.0\nnumpy\n```\n\nPackaging local dependencies\n\nYou can also package and deploy dependencies alongside your function. This\napproach is useful if your dependency is not available via the pip\npackage manager or if your Cloud Functions environment's internet\naccess is restricted.\n| **Note:** You can still use a `requirements.txt` file to specify additional dependencies you haven't packaged alongside your function.\n\nFor example, you might use a directory structure\nsuch as the following: \n\n```\nmyfunction/\n├── main.py\n└── localpackage/\n ├── __init__.py\n └── script.py\n```\n\nYou can then import the code as usual from `localpackage` using the following\n`import` statement. \n\n```py\n# Code in main.py\nfrom localpackage import script\n```\n\nNote that this approach will *not* run any `setup.py` files. Packages with those\nfiles can still be bundled, but may not run correctly on Cloud Functions."]]
