要解决AWS Lambda的并发请求问题，可以采取以下方法：

1. 提高函数的并发限制：默认情况下，AWS Lambda函数的并发限制是1000。您可以根据需要提高该限制。您可以通过AWS管理控制台，使用AWS CLI命令或AWS SDK来执行此操作。

2. 使用请求队列：您可以使用消息队列服务（如Amazon Simple Queue Service）将并发请求排队，并按顺序处理它们。当Lambda函数处于活动状态时，它可以从队列中获取请求并处理它们。这样可以确保每个请求都按顺序执行，而不会超过函数的并发限制。

以下是使用Amazon Simple Queue Service（SQS）的Python代码示例：

import boto3

sqs = boto3.client('sqs')

def lambda_handler(event, context):
    # 将请求发送到SQS队列
    response = sqs.send_message(
        QueueUrl='YOUR_QUEUE_URL',
        MessageBody='Request payload'
    )
    
    return {
        'statusCode': 200,
        'body': 'Request sent to queue'
    }

然后，您可以编写另一个Lambda函数来处理队列中的请求：

def process_queue(event, context):
    # 从SQS队列中获取请求
    response = sqs.receive_message(
        QueueUrl='YOUR_QUEUE_URL',
        MaxNumberOfMessages=1
    )
    
    if 'Messages' in response:
        message = response['Messages'][0]
        # 处理请求
        process_request(message['Body'])
        # 删除已处理的消息
        sqs.delete_message(
            QueueUrl='YOUR_QUEUE_URL',
            ReceiptHandle=message['ReceiptHandle']
        )
    
    return {
        'statusCode': 200,
        'body': 'Request processed'
    }

3. 使用资源池：创建一个具有固定数量线程或进程的资源池，以处理传入的请求。这将限制同时执行的请求数量，并确保不超过Lambda函数的并发限制。您可以使用Python中的concurrent.futures模块或第三方库（如multiprocessing）来实现资源池。

以下是使用concurrent.futures模块的Python代码示例：

import concurrent.futures

def lambda_handler(event, context):
    # 创建资源池，最多同时处理10个请求
    with concurrent.futures.ThreadPoolExecutor(max_workers=10) as executor:
        # 提交请求到资源池
        executor.submit(process_request, request1)
        executor.submit(process_request, request2)
        # ...
    
    return {
        'statusCode': 200,
        'body': 'Requests submitted to pool'
    }

def process_request(request):
    # 处理请求
    # ...

通过采取这些方法之一，您可以有效地处理AWS Lambda的并发请求，并确保不超过函数的并发限制。