要解决AWS X-Ray显示点对点lambda调用的响应时间非常长的问题，可以尝试以下方法：

1. 检查代码中的错误：确保Lambda函数的代码逻辑正确，并且没有潜在的性能问题。可以使用日志或调试语句来跟踪代码的执行路径和执行时间。

2. 检查网络连接：确保Lambda函数和其他服务之间的网络连接正常。可以通过检查网络配置、安全组规则等来确认网络连接是否存在问题。

3. 优化Lambda函数配置：可以通过增加内存分配、调整超时时间等方式来优化Lambda函数的性能。较大的内存分配可以提高函数的执行速度，而较长的超时时间可以避免函数提前终止。

4. 使用异步调用：如果可能的话，可以将Lambda函数的调用改为异步方式，以减少等待时间。使用异步调用可以使函数立即返回，并在后台执行。

5. 使用AWS X-Ray分析工具：AWS X-Ray提供了一套分析工具，可以帮助识别Lambda函数的性能瓶颈。可以使用X-Ray分析工具来查看函数的调用链、性能指标等信息，并找到潜在的性能问题。

以下是一个使用AWS X-Ray的代码示例：

import boto3
from aws_xray_sdk.core import xray_recorder
from aws_xray_sdk.core import patch_all

# 启用X-Ray记录器和补丁
patch_all()

# 创建Lambda客户端
lambda_client = boto3.client('lambda')

# 创建X-Ray记录器
recorder = xray_recorder

def lambda_handler(event, context):
    # 使用X-Ray开始一个新的子段
    with recorder.in_segment('lambda_handler'):
        # 使用X-Ray开始一个新的子段
        with recorder.in_subsegment('lambda_call'):
            # 调用另一个Lambda函数
            response = lambda_client.invoke(
                FunctionName='other_lambda_function',
                InvocationType='RequestResponse',
                Payload='{}'
            )
        
        # 获取调用时间
        duration = response['ResponseMetadata']['HTTPHeaders']['x-amz-duration']
        
        # 将调用时间作为自定义事件发送给X-Ray
        recorder.current_subsegment().put_metadata('duration', duration)
        
    return {
        'statusCode': 200,
        'body': 'Lambda function executed successfully'
    }

通过以上解决方法和代码示例，你可以使用AWS X-Ray来分析点对点Lambda调用的响应时间，并找到性能瓶颈。