我的Serverless实战——引领云计算的下一个十年

Posted 2021-05-11 孙叫兽

前言：如今，越来越多的大厂企业开始大规模使用Serverless，处于变革中的开发者，大多已从观望状态转向尝试阶段，越来越多Serverless落地场景被解锁。作为基础研发底座，越来越多企业开始接受Serverless，并将其应用于业务实践中。预计Serverless架构将引领云计算的下一个十年已成为共识。这个Serverless不仅适合与小场景，同样适用与大厂秒杀，12306抢票的大业务场景。Serverless不是不需要Server，而是需要我们前端较少的关注服务器端，前端程序员可以好好研究一下。

目录

 

培养自己的Serverless思维与认知

Serverless的使用价值及常见的架构模式

函数计算介绍及其应用

函数的测试与部署

Serverless容器服务及部署

Serverless应用引擎

常见的业务场景及经典案例

---

培养自己的Serverless思维与认知

以前很多开发者都是采用的单体架构，为了保证服务的稳定性，只需要维护一台服务器及数据库就可以啦，但是随着业务的增长会面临两个问题，如果流量比较大，这个服务器可能顶不住这么大的流量，其次硬件啥的损坏也会导致整个系统瘫痪。

解决这个问题的办法就是使用负载均衡，分担各个服务器的压力。然后整个系统就有一定的水平伸缩能力，如果一台服务器坏了，其它的服务器也能正常运行，保证系统稳定运行。

随着业务的进一步增长，增加大量的开发人员去处理这种单体应用，就会出现大量的冲突问题，这个就需要管理者进行人工协调，公司整体研发效率比较低，后台大家想到一个好办法就是把这个单体应用分为一个个独立开发、测试及部署。每个环节都是独立而又有一定的联系，这个就是微服务的雏形。服务和服务之间采用API通信，这种微服务架构大大提升了研发人员的工作效率。

再到后来，估计大家都有所了解，如果从物理的角度思考这个问题就会发现分布式的一些困难与挑战，比如大家使用分布式服务及框架，使用一些Redis缓存、配置服务ACM以及分布式追踪系统等。这个微服务架构给运维也带来不少的难题，感觉运维大哥都快成全能底层人才了，以前运维只需要维护一个应用，现在估计一个人都得看几十个、几百个应用。对应用分发、自动化弹性等能力有一定的要求。

现在很多人都谈云计算，云架构，简单理解就是这个架构长在“云”上就是云架构。 有了应用分发的标准和生命周期的标准，云就能提供标准化的应用托管服务。在整个架构的演变的过程中，我们发现，研发运维人员希望用平台系统的去管理机器，而不是人去管理这些个玩意。这可能就是server is less.

 

Serverless的使用价值及常见的架构模式

我们抛去这些抽象的概念，看一下这个Serverless的使用价值主要有以下几点：

1.不用过多的关注服务器。

（Serverless平台具备自动识别故障，移除故障的能力）

2.自动弹性。

（Serverless平台自动及时稳定的实现自动弹性）

3.按照实际资源的消耗进行计费。

（Serverless模式下，按照实际消耗资源及使用存储进行计费）

4.更少的代码，更快的交付速度。

（Serverless提供成熟的代码构建发布、版本切换等特性，交付速度更快）

Serverless由开发者实现的服务端逻辑运行在无状态的计算容器中，它由事件触发， 完全被第三方管理，其业务层面的状态则被开发者使用的数据库和存储资源所记录。Serverless涵盖了很多技术，分为两类：FaaS和BaaS。

FaaS（Function as a Service，函数即服务）

FaaS意在无须自行管理服务器系统或自己的服务器应用程序，即可直接运行后端代码。其中所指的服务器应用程序，是该技术与容器和PaaS（平台即服务）等其他现代化架构最大的差异。

FaaS可以取代一些服务处理服务器（可能是物理计算机，但绝对需要运行某种应用程序），这样不仅不需要自行供应服务器，也不需要全时运行应用程序。

FaaS产品不要求必须使用特定框架或库进行开发。在语言和环境方面，FaaS函数就是常规的应用程序。例如AWS Lambda的函数可以通过javascript、Python以及任何JVM语言（Java、Clojure、Scala）等实现。然而Lambda函数也可以执行任何捆绑有所需部署构件的进程，因此可以使用任何语言，只要能编译为Unix进程即可。FaaS函数在架构方面确实存在一定的局限，尤其是在状态和执行时间方面。

在迁往FaaS的过程中，唯一需要修改的代码是“主方法/启动”代码，其中可能需要删除顶级消息处理程序的相关代码（“消息监听器接口”的实现），但这可能只需要更改方法签名即可。在FaaS的世界中，代码的其余所有部分（例如向数据库执行写入的代码）无须任何变化。

相比传统系统，部署方法会有较大变化 – 将代码上传至FaaS供应商，其他事情均可由供应商完成。目前这种方式通常意味着需要上传代码的全新定义（例如上传zip或JAR文件），随后调用一个专有API发起更新过程。

FaaS中的函数可以通过供应商定义的事件类型触发。对于亚马逊AWS，此类触发事件可以包括S3（文件）更新、时间（计划任务），以及加入消息总线的消息（例如Kinesis）。通常你的函数需要通过参数指定自己需要绑定到的事件源。

大部分供应商还允许函数作为对传入Http请求的响应来触发，通常这类请求来自某种该类型的API网关（例如AWS API网关、Webtask）。

BaaS（Backend as a Service，后端即服务）

BaaS（Backend as a Service，后端即服务）是指我们不再编写或管理所有服务端组件，可以使用领域通用的远程组件（而不是进程内的库）来提供服务。理解BaaS，需要搞清楚它与PaaS的区别。

首先BaaS并非PaaS，它们的区别在于：PaaS需要参与应用的生命周期管理，BaaS则仅仅提供应用依赖的第三方服务。典型的PaaS平台需要提供手段让开发者部署和配置应用，例如自动将应用部署到Tomcat容器中，并管理应用的生命周期。BaaS不包含这些内容，BaaS只以API的方式提供应用依赖的后端服务，例如数据库和对象存储。BaaS可以是公共云服务商提供的，也可以是第三方厂商提供的。其次从功能上讲，BaaS可以看作PaaS的一个子集，即提供第三方依赖组件的部分。

BaaS服务还允许我们依赖其他人已经实现的应用逻辑。对于这点，认证就是一个很好的例子。很多应用都要自己编写实现注册、登录、密码管理等逻辑的代码，而对于不同的应用这些代码往往大同小异。完全可以把这些重复性的工作提取出来，再做成外部服务，而这正是Auth0和Amazon Cognito等产品的目标。它们能实现全面的认证和用户管理，开发团队再也不用自己编写或者管理实现这些功能的代码。
 

函数计算介绍及其应用

从用户角度，他需要做的只是编码，然后把代码上传到函数计算中。上传代码就意味着应用部署。当有高并发请求涌入时，开发者也无需手动扩容，函数计算会根据请求量毫秒级自动扩容，弹性可靠地运行任务，并内置日志查询、性能监控、报警等功能帮助开发者发现问题并定位问题。

函数计算是事件驱动的无服务器应用，事件驱动是说可以通过事件源自动触发函数执行，比如当有对象上传至OSS中时，自动触发函数，对新上传的图片进行处理函数计算支持丰富的事件源类型，包括日志服务、对象存储、表格存储、消息服务、API网关、CDN等。

除了事件触发外，也可以直接通过API/SDK直接调用函数。调用可以分为同步调用与异步调用，当请求到达函数计算后，函数计算会为请求分配执行环境，如果是异步调用，函数计算会将请求事件存入队列中，等待消费。

函数的测试与部署

服务是函数计算资源管理的单位，同一个服务下有很多函数，这些函数共享服务的网络 配置、权限配置、存储配置、日志配置。 服务可以对应成一个“应用”，这个应用由很多函数共同组成，这些函数具有相同的访 问权限、网络配置，日志也记录到相同的 logstore。这些函数本身的配置可以各不相同， 比如同一服务下有的函数内存是 3G，有的函数内存是 512M，有些函数用 Python 写， 有些函数用 Node.js 写。

开发流程

函数测试部分，Serverless稍微薄弱一点，软肋，这个调试一般可以采用云调试、命令行工具、VSCode 插件、无工具调试等方式，具体怎么调试我就不一一说明了，有兴趣的可以尝试一下。

至于部署，比较简单，我们可以使用在线部署、客户端部署（通过命令行工具、通过 VSCode 插件）。命令行工具的 - h 指令真的很棒， 无论使用什么指令，我们都可以通过 - h 查看到使用方法。

Serverless容器服务及部署

Serverless Kubernetes 是以容器和 kubernetes 为基础的 Serverless 服 务，它提供了一种简单易用、极致弹性、最优成本和按需付费的 Kubernetes 容器服务， 其无需节点管理和运维，无需容量规划，让用户更关注应用而非基础设施的管理。我们可以把把 Serverless Kubernetes 简称为 ASK。

当下各大云厂商都推出了自己的 Serverless 容器服务，上图为 Gartner 评估机构 整理的 Serverless 容器产品 Landscape，其中阿里云有 Serverless Kubernetes ASK 和 ECI；AWS 有 Fargate，基于 Fargate 有 EKS on Fargate 和 ECS on Fargate 两种形态；Azure 有 ACI。另外 Gartner 也预测，到 2023 年，将有 70% 的 AI 应用以容器和 Serverless 方式运行。

在对 Serverless Kubernetes 的基础概念有了充分了解之后，我们直接进入容器服务控制台进行集群的创建。集群创建完成后，接下来我们部署一个无状态的 nginx 应用，主要分成三步：

1.应用基本信息：名称、POD 数量、标签等； 

2.容器配置：镜像、所需资源、容器端口、数据卷等；

3.高级配置：服务、路由、HPA、POD 标签等

创建完成后，在路由中就可以看到服务对外暴露的访问方式了。

Serverless应用引擎

主要的挑战：

1.开发难度和入门门槛高，业务轻量化困难，不能平滑地迁移现有应用 ；

2.担心被云厂商锁定，如 FaaS 形态的 Serverless 产品，每个厂商都希望推出自己的 标准，缺乏开源的规范和开源的生态支持。相似的一幕曾经在容器领域上演，直到后来 Kubernetes 成为事实标准，Serverless 还在寻找自己的事实标准；

3.如何方便地本地开发调试、监控，和现有业务做深度整合。

低门槛，无需任何代码改造就能直接使用的 Serverless PaaS 平台（SAE），是企业在线业 务平滑上云的最佳选择。

SAE 提供了成本更优、效率更高的应用托管方案。底层基于统一的 K8s 技术底座， 帮用户屏蔽复杂的 IaaS 层和 K8s 集群运维，提供计算资源、弹性、隔离性等能力，用 户只需关心应用实例的规格和实例数。 在应用层，除提供了生命周期管理、多发布策略外，还提供监控、日志、微服务治理能 力，解决应用可观测性和治理需求。同时提供一键启停、应用编排等高级能力，进一步提效 和降本。核心场景主要面向在线应用：微服务应用、Web 应用、多语言应用等。 在开发者工具方面，和 CI/CD 工具做了良好的集成，无论是 Jenkins 还是云效，都 能直接部署应用到 SAE，也可以通过 Cloud Toolkit 插件工具实现本地一键部署应用到 云端，可以说SAE覆盖了应用上云的完整场景

常见的业务场景及经典案例

至于行业一些经典案例这个场景，这个简单提一下 ，不过多介绍，有兴趣的可以查阅项目资料。

比如：Serverless 应用引擎弹性伸缩实践、基于函数计算实现 AI 推理、基于函数计算实现快速建站、基于函数计算快速搭建 Hexo 博客系统等等，然后再提一下相关的产品吧，比如函数计算（Function Compute）是一个事件驱动的全托管 Serverless 计算服务， 您无需管理服务器等基础设施，只需编写代码并上传，函数计算会为您准备好计算资源，并 以弹性、可靠的方式运行您的代码。Serverless 应用引擎（Serverless App Engine，简称 SAE）实现 Serverless 架构 + 微服务架构的完美融合，真正按需使用、按量计费，节省闲置计算资源，同时免去 IaaS 运维，有效提升开发运维效率。弹性容器实例 ECI提供安全的 Serverless 容器 运行服务。您无需管理底层服务器，只需要提供打包好的 Docker 镜像，即可运行容器， 并仅为容器实际运行消耗的资源付费。GPU 云服务器基于 GPU 应用的计算服务，多适用于 AI 深度学习、视频处理、 科学计算、图形可视化等应用场景等。

 

好啦，本期内容就分享到这里，我们下期见！

 

【本文正在参与"100%有奖|我的Serverless实战"征稿活动】，活动地址：https://marketing.csdn.net/p/15940c87f66c68188cfe5228cf4a0c3f