AWS re:Invent 2017 Serverless 回顾

Posted 2021-04-30 Serverless架构

AWS re:Invet 2017 第一天

几年前如果你有一个问题在寻找解决方案，很可能别人会告诉你用大数据。这几年，这个答案变成了机器学习、人工智能。至于如何搭建一个机器学习、人工智能解决方案，我在今年 AWS re:Invent 看到很多 AWS 客户的答案是 Serverless。

这篇文章简单回顾了今年 AWS re:Invent 期间发布的与 Serverless 相关的新服务和新功能。

Lambda

• Traffic shifting for Lambda aliases: 在这个功能发布之前，部署 Lambda 函数是一个0或1的过程：部署之100%的流量走向老版本的 Lambda 函数，部署之后100%的流量走向新版本的 Lambda 函数。这使得做 canary deployment 比较困难，部署新版本的风险较高。这个功能允许一部分流量到旧版本、一部分流量到新版本，使得实现 canary deployment 变得简单、上线新功能风险降低。

• Concurrency control: AWS 目前每个账号的默认 Lambda 并发限制是1000。这个新功能允许设置每个函数的并发闲置，降低因一个 Lambda 函数被过度执行至超过并发限制而导致的整个账号下的 Lambda 驱动系统无法正常运作。

API Gateway

• Phased deployment support: 与 Lambda 的 traffic shifting 结合，使 canary deployment 简单，简化 CI/CD 流程。

• VPC integration: API Gateway 开始支持访问 VPC 里的资源，这对迁移到自有的 DC 到 AWS 特别有帮助。迁移过程用户可以通过 AWS Direct Connect 将自有的 DC 和 AWS 连接起来，API Gateway 通过 NLB 访问用户的 DC 里的资源，整个过程不通过公共互联网。

CodeDeploy

• Increment deployment: 与 Lambda 的 traffic shifting 结合降低 Serverless 应用的部署风险。

Aurora Serverless

Aurora 是 AWS 的关系型数据库。在 Aurora Serverless 发布之前，一个完全 Serverless 应用的首选是 DynamoDB。然而 DynamoDB 并不完全适用所有的应用场景——如果应用场景中需要对数据做聚合计算，适用 DynamoDB 是昂贵且低效的。Aurora Serverless 解决了 Serverless 应用中的存储难题，也解决了关系型存储和计算解耦的问题。使用 Aurora Serverless 不需要花时间计算、估计及选择数据库 instance 的类型，用户只需要创建一个 endpoint，设置最小和最大的 capacity，然后便可以开始做查询。Aurora Serverless 根据使用情况做 auto-scaling。适用场景包括但不限于：

• 流量小的应用

• 非 Production 用的数据库（周末、晚上少使用或不适用）

• 难于估计流量峰值的场景

DynamoDB

• Global table: DynamoDB 增加了跨区域表的支持，只需要在创建表的时候点几下就可以了，极大地简化了跨区域应用的开发难度。这意味着那些已经使用 DynamoDB 的应用，只需要几秒钟就可以让应用在除本地之外的其他 AWS 区域也有低延迟的访问速度，不需要自己去解决跨区域数据同步等问题。

• Backup and Restore: 在没有这个功能之前，用户需要自己解决备份和恢复的过程，这个过程会占用读或写的 capacity。这个功能极大地简化了用户的容灾方案的实现。

SNS

• Messaging Filtering: SNS 开始支持根据 message 内的 metadata 决定把 message publish 给哪些 subscriber。这样的逻辑必须在用户自己的实现的publisher中进行，并且需要配合多个 SNS topic。

Kinesis

• Video Stream: Kinesis 增加了对视频流处理和存储的支持。

Machine Learning

• Rekognition Video: Rekognition 是去年发布的一个图像分析服务，今年这项服务加了视频分析的功能。Rekognition 与 Serverless 应用的适用场景非常契合，许多 AWS 客户（Expedia、国家地理）都使用 Lambda + Step Function + Rekognition + S3 处理他们的图片数据。结合 Kinesis Video Stream，Rekognition Video 可以做实时视频流分析。

• 自然语言处理: 今年 AWS 一下子放出了 3 个自然语言处理的服务：

• Transcribe: 语音转文字服务。

• Translate: 翻译服务。

• Comprehend: 文本分析服务。