Serverless特点及应用
共 1881字，需浏览 4分钟
·
2021-09-06 19:59
Serverless可以看做是运行于无状态的容器中，由事件驱动，执行周期很短的服务，这部分描述和FaaS很像，所以在一部分人眼里Serverless = FaaS。
马丁大叔将Serverless与FaaS、BaaS做了一个结构整理：
马丁大叔意思是：
Serverless = FaaS + BaaSServerless特性包括：弹性伸缩、按需付费特点。
以谷歌开源的Serverless架构方案-Knative为例，聊聊FaaS的几个特点。
Knative是构建于K8S之上的提供基于事件驱动的Serverless架构的标准模式。
先看下Serverless如何实现弹性的。
系统根据当前监控到的流量，实现自动扩缩容，简单的公式如下：
目标实例数 = 当前并发数 / 单一实例支持的并发数如果每个实例支持10并发，那当100个并发来了，就需要10个实例。如果当前只有1个实例，其余9个实例需要扩容完成。
外部请求先缓存在Activator，直到扩容完其他9个实例，才会将请求转交给FaaS进行请求处理。实例扩容到准备好这个阶段，就叫做“冷启动”。
如何提高冷启动速度呢？
云厂商为减少冷启动时间，一般会做一些分配算法，比如：
实际扩容实例数 = 1.2 * 期望的实例数这样其实可以支撑120个并发，减少了一次扩容启动时间。
上面的实例扩容算法算是一种冷启动优化方式，我们看看是否还有其他冷启动优化的方式，实例启动过程大概是这样的：
下载代码 -> 启动实例 -> 代码初始化（依赖加载）-> 函数执行不需要扩容实例时，过程就只剩下了最后一步了，直接函数执行，相对应，我们叫做“热启动”。
一般“冷启动”时间需要上百毫秒，“热启动”只需要几毫秒。
所以优化冷启动，可以从优化冷启动时间和优化冷启动概率上解决。
减少冷启动概率方式有：实例复用、实例预热。
实例复用说的是，函数代码执行结束之后，不会立马回收实例，而是从活跃状态变成了等待状态，处于等待状态的实例可以存活30s，如果期间没有请求需要处理，实例才会被回收，这样达到了30s内实例复用的目的。
实例预热方式简单来说，就是提供预留实例不释放功能，在目标扩容实例基础上增加一定的预留buffer。
以上两种方式对应着实例成本，需要结合具体情况具体实现。
优化启动时间可以从两方面入手：优化代码体积、减少不必要的依赖。
代码体积越大，下载时间越长，所以可以考虑代码打包压缩，或者在代码模板中删除不需要的代码。
如何定义一个函数的粒度是另一个使用Serverless需要考虑的地方。
有的平台推荐将整个web服务部署在一个函数里面，有的是按代码体积做判断，有的还需要考虑函数执行时对于IO、CPU、内存消耗考虑函数粒度的拆分。
但以上几种方式都会增加研发成本上升，这也是我怀疑Serverless是否可以带来其所承诺的研发价值的地方。其有相当确定的使用场景，不能简单粗暴使用。
驱动函数类型的方式有很多，但大部分提倡的还是事件驱动。
触发FaaS运行方式都可以抽象成事件类型，比如API网关事件触发。
那如何使用一个FaaS服务呢？
可以分成如下几步：
基于FaaS平台选择一个熟悉语言对应的Runtime平台，基于其完成：开发、测试过程。
代码完成之后，上传到FaaS平台。
代码上传之后，通过API/SDK或一些其他事件源触发函数。
FaaS平台接收到事件触发，基于配置并发度情况，弹性扩容并执行函数。
函数使用后，按资源使用情况进行计费。
为拉齐函数编写与函数执行环境的差异，FaaS平台一般会提供一些研发工具。有组件式命令行Devs工具，也有注重运维部署方面的Ops工具，提供平台观察函数生命周期。
通过工具，可以快速完成资源管理（代码编写、运行、下载、创建、上传）、快速部署、调试、工程模板、逻辑单元等工作。
有了一个个上传到云端的函数了，就可以基于函数做工作流编排，实现想要的逻辑控制了。包括任务跟踪，状态转换，日志查看，监控调试等。
当然还有函数执行之后是可观测性（Logging、Metric、Tracing）实现函数的运维。
包含用于定位、排查、分析问题的工具，评估风险、配置并发度等工作。
以及执行的详细日志：
