分配给java lambda函数的内存量由堆、元和保留代码内存共享。
你可以考虑只增加 -XX:MaxMetaspaceSize 大小，因为根据异常日志metaspace:java.lang.outofmemoryerror java.lang.outofmemoryerror:metaspace问题与metaspace相关
您可以通过只增加元空间而不更改堆和缓冲区空间来进行自定义调整(注意：spark可能会加载很多类并利用元空间（metaspace），请考虑在集群模式下运行spark应用程序。
你可以检查这根线
有关堆内存、元空间和保留代码内存的更多信息。

您肯定不希望在lambda函数中包含spark作为依赖项。Spark对兰博达来说太重了。spark应该在集群上运行，而lambda不是集群。
如果你想运行无服务器的spark代码，请检查aws胶水。。。或者不要因为aws胶水使用起来比较复杂。
如果您的文件足够小，可以在lambda函数中转换为parquet，请查看aws data wrangler。发行版包含预构建层，因此您不必担心构建层的所有低级细节（弄清楚numpyarrow和pyarrow真的很烦人-只需使用lib）。
下面是写出Parquet地板文件的代码：

import awswrangler as wr
import pandas as pd

df = pd.DataFrame({"id": [1, 2], "value": ["foo", "boo"]})

# Storing data on Data Lake

wr.s3.to_parquet(
    df=df,
    path="s3://bucket/dataset/",
    dataset=True,
    database="my_db",
    table="my_table"
)