【51CTO.com原創稿件】一、 無服務器(Serverless)計算的由來

過去十年來，我們已經把應用和環境中很多通用的部分變成了服務。Serverless的出現，帶來了跨越式變革。Serverless把主機管理、操作系統管理、資源分配、擴容，甚至是應用邏輯的全部組件都外包出去，把它們看作某種形式的商品——廠商提供服務，我們掏錢購買。過去是“構建一個框架運行在一臺服務器上，對多個事件進行響應”，Serverless則變為“構建或使用一個微服務或微功能來響應一個事件”，做到當訪問時，調入相關資源開始運行，運行完成后，卸載所有開銷，真正做到按需按次計費。這是云計算向縱深發展的一種自然而然的過程。

[[250586]]

Serverless是一種構建和管理基于微服務架構的完整流程，允許你在服務部署級別而不是服務器部署級別來管理你的應用部署。它與傳統架構的不同之處在于，完全由第三方管理，由事件觸發，存在于無狀態(Stateless)、暫存(可能只存在于一次調用的過程中)計算容器內。構建無服務器應用程序意味著開發者可以專注在產品代碼上，而無須管理和操作云端或本地的服務器或運行時。

國內外的各大云廠商 Amazon、微軟、Google、IBM、阿里云、騰訊云、華為云相繼推出Serverless產品，Serverless也從概念、愿景逐步走向落地，在各互聯網公司應用開來。

二、 理解Serverless技術---FaaS和BaaS

Serverless由開發者實現的服務端邏輯運行在無狀態的計算容器中，它由事件觸發， 完全被第三方管理，其業務層面的狀態則被開發者使用的數據庫和存儲資源所記錄。Serverless涵蓋了很多技術，分為兩類：FaaS和BaaS。

1.Faas

FaaS意在無須自行管理服務器系統或自己的服務器應用程序，即可直接運行后端代碼。其中所指的服務器應用程序，是該技術與容器和PaaS(平臺即服務)等其他現代化架構最大的差異。

FaaS可以取代一些服務處理服務器(可能是物理計算機，但絕對需要運行某種應用程序)，這樣不僅不需要自行供應服務器，也不需要全時運行應用程序。

FaaS產品不要求必須使用特定框架或庫進行開發。在語言和環境方面，FaaS函數就是常規的應用程序。例如AWS Lambda的函數可以通過Javascript、Python以及任何JVM語言(Java、Clojure、Scala)等實現。然而Lambda函數也可以執行任何捆綁有所需部署構件的進程，因此可以使用任何語言，只要能編譯為Unix進程即可。FaaS函數在架構方面確實存在一定的局限，尤其是在狀態和執行時間方面。

在遷往FaaS的過程中，唯一需要修改的代碼是“主方法/啟動”代碼，其中可能需要刪除頂級消息處理程序的相關代碼(“消息監聽器接口”的實現)，但這可能只需要更改方法簽名即可。在FaaS的世界中，代碼的其余所有部分(例如向數據庫執行寫入的代碼)無須任何變化。

相比傳統系統，部署方法會有較大變化 – 將代碼上傳至FaaS供應商，其他事情均可由供應商完成。目前這種方式通常意味著需要上傳代碼的全新定義(例如上傳zip或JAR文件)，隨后調用一個專有API發起更新過程。

FaaS中的函數可以通過供應商定義的事件類型觸發。對于亞馬遜AWS，此類觸發事件可以包括S3(文件)更新、時間(計劃任務)，以及加入消息總線的消息(例如Kinesis)。通常你的函數需要通過參數指定自己需要綁定到的事件源。

大部分供應商還允許函數作為對傳入Http請求的響應來觸發，通常這類請求來自某種該類型的API網關(例如AWS API網關、Webtask)。

2.Baas

BaaS(Backend as a Service，后端即服務)是指我們不再編寫或管理所有服務端組件，可以使用領域通用的遠程組件(而不是進程內的庫)來提供服務。理解BaaS，需要搞清楚它與PaaS的區別。

首先BaaS并非PaaS，它們的區別在于：PaaS需要參與應用的生命周期管理，BaaS則僅僅提供應用依賴的第三方服務。典型的PaaS平臺需要提供手段讓開發者部署和配置應用，例如自動將應用部署到Tomcat容器中，并管理應用的生命周期。BaaS不包含這些內容，BaaS只以API的方式提供應用依賴的后端服務，例如數據庫和對象存儲。BaaS可以是公共云服務商提供的，也可以是第三方廠商提供的。其次從功能上講，BaaS可以看作PaaS的一個子集，即提供第三方依賴組件的部分。

BaaS服務還允許我們依賴其他人已經實現的應用邏輯。對于這點，認證就是一個很好的例子。很多應用都要自己編寫實現注冊、登錄、密碼管理等邏輯的代碼，而對于不同的應用這些代碼往往大同小異。完全可以把這些重復性的工作提取出來，再做成外部服務，而這正是Auth0和Amazon Cognito等產品的目標。它們能實現全面的認證和用戶管理，開發團隊再也不用自己編寫或者管理實現這些功能的代碼。

三、 無服務器(Serverless)計算如何工作?

與使用虛擬機或一些底層的技術來部署和管理應用程序相比，無服務器計算提供了一種更高級別的抽象。因為它們有不同的抽象和“觸發器”的集合。

拿計算來講，這種抽象有一個特定函數和抽象的觸發器，它通常是一個事件。以數據庫為例，這種抽象也許是一個表，而觸發器相當于表的查詢或搜索，或者通過在表中做一些事情而生成的事件。

比如一款手機游戲，允許用戶在不同的平臺上為全球頂級玩家使用高分數表。當請求此信息時，請求從應用程序到API接口。API接口或許會觸發AWS的Lambda函數，或者無服務器函數，這些函數再從數據庫表中獲取到數據流，返回包含前五名分數的一定格式的數據。

一旦構建完成，應用程序的功能就可以在基于移動和基于 Web 的游戲版本中重用。

這跟設置服務器不同，不是必須要有Amazon EC2實例或服務器，然后等待請求。環境由事件觸發，而響應事件所需的邏輯只在響應時執行。這意味著，運行函數的資源只有在函數運行時被創建，產生一種非常高效的方法來構建應用程序。

四、 無服務器(Serverless)計算適用于哪些場景?

無服務器計算適合于任何事件驅動的各種不同的用例。這包括物聯網，移動應用，基于網絡的應用程序和聊天機器人等。這里說兩個場景，方便大家思考。

場景一：應用負載有顯著的波峰波谷

Serverless 應用成功與否的評判標準并不是公司規模的大小，而是其業務背后的具體技術問題，比如業務波峰波谷明顯，如何實現削峰填谷。一個公司的業務負載具有波峰波谷時，機器資源要按照峰值需求預估;而在波谷時期機器利用率則明顯下降，因為不能進行資源復用而導致浪費。

業界普遍共識是，當自有機器的利用率小于 30%，使用 Serverless 后會有顯著的效率提升。對于云服務廠商，在具備了足夠多的用戶之后，各種波峰波谷疊加后平穩化，聚合之后資源復用性更高。比如，外賣企業負載高峰是在用餐時期，安防行業的負載高峰則是夜間，這是受各個企業業務定位所限的;而對于一個云服務廠商，如果其平臺足夠大，用戶足夠多，是不應該有明顯的波峰波谷現象的。

場景二：典型用例 - 基于事件的數據處理

視頻處理的后端系統，常見功能需求如下：視頻轉碼、抽取數據、人臉識別等，這些均為通用計算任務，可由函數計算執行。

開發者需要自己寫出實現邏輯，再將任務按照控制流連接起來，每個任務的具體執行由云廠商來負責。如此，開發變得更便捷，并且構建的系統天然高可用、實時彈性伸縮，用戶不需要關心機器層面問題。

五、無服務器計算(Serverless)存在的問題

對于企業來說，支持Serverless計算的平臺可以節省大量時間和成本，同時可以釋放員工，讓開發者得以開展更有價值的工作，而不是管理基礎設施。另一方面可以提高敏捷度，更快速地推出新應用和新服務，進而提高客戶滿意度。但是Serverless不是完美的，它也存在一些問題，需要慎重應用在生產環境。

1、不適合長時間運行應用

Serverless 在請求到來時才運行。這意味著，當應用不運行的時候就會進入 “休眠狀態”，下次當請求來臨時，應用將會需要一個啟動時間，即冷啟動時間。如果你的應用需要一直長期不間斷的運行、處理大量的請求，那么你可能就不適合采用 Serverless 架構。如果你通過 CRON 的方式或者 CloudWatch 來定期喚醒應用，又會比較消耗資源。

2、完全依賴于第三方服務

當你所在的企業云環境已經有大量的基礎設施的時候，Serverless 對于你來說，并不是一個好東西。當我們采用 Serverless 架構的時候，我們就和該服務供應商綁定了，那么我們再將服務遷到別的云服務商上就沒有那么容易了。

我們需要修改一下系列的底層代碼，能采取的應對方案，便是建立隔離層。這意味著，在設計應用的時候，就需要隔離 API 網關、隔離數據庫層，考慮到市面上還沒有成熟的 ORM 工具，讓你既支持Firebase，又支持 DynamoDB等等。這些也將帶給我們一些額外的成本，可能帶來的問題會比解決的問題多。

3、缺乏調試和開發工具

當我使用 Serverless Framework 的時候，遇到了這樣的問題：缺乏調試和開發工具。后來，我發現了 serverless-offline、dynamodb-local 等一系列插件之后，問題有一些改善。然而，對于日志系統來說，這仍然是一個艱巨的挑戰。

每次調試的時候，你需要一遍又一遍地上傳代碼。而每次上傳的時候，你就好像是在部署服務器，我并不能總是快速地定位出問題在哪。后來，找了一個類似于 log4j 這樣的可以分級別記錄日志的 Node.js 庫 winston。它可以支持 error、warn、info、verbose、debug、silly 六個不同級別的日志，再結合大數據進行日志分析過濾，才能快速定位問題。

4、構建復雜

Serverless 很便宜，但是這并不意味著它很簡單。AWS Lambda的 CloudFormation配置是如此的復雜，并且難以閱讀及編寫(JSON 格式)，雖然CloudFomation提供了Template模板，但想要使用它的話，需要創建一個Stack，在Stack中指定你要使用的Template,然后AWS才會按照Template中的定義來創建及初始化資源。

而Serverless Framework的配置更加簡單，采用的是 YAML 格式。在部署的時候，Serverless Framework 會根據我們的配置生成 CloudFormation 配置。然而這也并非是一個真正用于生產的配置,真實的應用場景遠遠比這復雜。

六、總結

云計算經過這么多年的發展，逐漸進化到用戶僅需關注業務和所需的資源。比如，通過Swarm、K8S這些編排工具，用戶只要關注自己的計算和需要的資源(CPU、內存等)就行了，不需要操心到機器這一層。

Serverless架構讓人們不再操心運行所需的資源，只需關注自己的業務邏輯，并且為實際消耗的資源付費。可以說，隨著Serverless架構的興起，真正的云計算時代才算到來了。

任何新概念新技術的落地，本質上都是要和具體業務去結合，去真正解決具體問題。雖然Serverless很多地方不成熟，亟待完善。不過Serverless自身的優越特性，對于開發者來說，吸引力是巨大的。相信隨著技術的飛速發展，Serverless在未來還有無限可能!

【51CTO原創稿件，合作站點轉載請注明原文作者和出處為51CTO.com】