1.首先，在lambda函数中，需要在代码中加入以下代码以启用Application Auto Scaling：

import boto3.auto_scaling client = boto3.client('application-autoscaling')

2.然后，可以使用以下代码来创建和调整Lambda函数的目标容量：

response = client.register_scalable_target( ServiceNamespace='lambda', ResourceId='lambda function arn', ScalableDimension='lambda:function:Concurrency', MinCapacity=1, MaxCapacity=10 )

3.接下来，使用以下代码为Lambda函数创建和配置一个自动扩展策略：

response = client.put_scaling_policy( PolicyName='lambdaAutoscalePolicy', ServiceNamespace='lambda', ResourceId='lambda function arn', ScalableDimension='lambda:function:Concurrency', PolicyType='TargetTrackingScaling', TargetTrackingScalingPolicyConfiguration={ 'TargetValue': 5, 'PredefinedMetricSpecification': { 'PredefinedMetricType': 'LambdaProvisionedConcurrencyUtilization' }, 'ScaleOutCooldown': 60, 'ScaleInCooldown': 300, 'DisableScaleIn': False } )

4.最后，使用以下代码来检索当前Lambda函数的扩展状态信息：

response = client.describe_scalable_targets( ServiceNamespace='lambda', ResourceIds=[ 'lambda function arn' ], ScalableDimension='lambda:function:Concurrency' )

通过以上步骤，你可以配置自动扩展规模，针对Lambda函数响应时间的变化，自动缩放Lambda函数的并发执行数目，确保性能在必要时可以达到要求。