要解决“AWS Lambda 调用花费了很多时间”的问题，可以考虑以下几个方面来优化代码：

1. 减少不必要的初始化操作：在 Lambda 函数中，初始化操作（如数据库连接、加载配置文件等）可能会消耗大量的时间。可以考虑将这些操作移到函数外部，使用全局变量或全局对象来保存初始化的结果，以避免重复初始化。

2. 减少网络请求次数：如果 Lambda 函数需要进行网络请求，可以考虑使用批量操作、缓存或者异步处理来减少请求的次数，以提高性能。例如，如果需要从数据库中获取多个数据，可以使用一次查询语句获取所有数据，而不是多次单独查询。

3. 使用内存缓存：如果 Lambda 函数的计算结果可以被缓存，并且在后续的请求中可能会被多次使用，可以考虑将结果缓存在内存中，以避免重复计算。可以使用内存缓存库（如 Redis、Memcached）来实现。

4. 并行处理：如果 Lambda 函数需要处理大量的数据或者计算密集型的任务，可以考虑使用并行处理来提高性能。可以通过将任务拆分为多个子任务，并使用多个 Lambda 函数同时处理，以加速处理速度。

下面是一个示例代码，展示如何使用 Python 和 AWS Lambda 来优化性能：

import boto3
import time

def lambda_handler(event, context):
    start_time = time.time()
    
    # 这里是你的具体代码逻辑
    # ...
    
    end_time = time.time()
    execution_time = end_time - start_time
    print(f"Lambda 执行时间：{execution_time} 秒")
    
    return {
        "statusCode": 200,
        "body": "Lambda 执行成功"
    }

在这个示例中，我们使用了 time 模块来计算 Lambda 函数的执行时间，并通过 print 函数将执行时间输出到日志中。这样可以帮助我们观察 Lambda 函数的性能，并判断是否需要进行优化。