Less is More — Serverless
Serverless 一度被追捧为云计算的未来。Gartner 发布报告称，2020 年全球将有 20% 的企业部署 Serverless 架构。
先让我们回顾一下，滚滚历史洪流中，IT 架构是如何演进的？
早期，公司要买机器和带宽，建机房，以及养着一票设备运维人员。早期的云服务商，于是就提供物理机托管服务，来释放客户对硬件的运维。后来，虚拟化的发展使得云服务商开始提供云主机的租用服务，客户通过云上的 IaaS 系统直接管理虚拟机资源。云主机在操作系统层面仍然需要大量的安全补丁和运维工作。
接着，随着容器技术的不断发展和普及，云服务商提供标准的运行环境，客户直接在 PaaS 平台运行应用容器，维护成本进一步得到降低。在大规模的集群中，用户需要考虑容器调度和管理的问题，容器之间网络打通等问题也都是容器平台的基础。
现在，无服务 Serverless 则希望再进一步减少用户运维成本，提供标准的弹性能力、负载均衡方案，应用发布策略等，用户已无需关心服务架构和虚拟机，应用开发者可以更加专注于应用业务逻辑。
01
“无服务器” 真的
不需要服务器吗？
所谓 “无服务器”，并不是不再需要服务器硬件。而是用户无须关心底层服务器的状态、资源（比如 CPU、内存、磁盘及网络）及数量。软件所需的资源由底层的云平台动态提供。Serverless 代表的是用户不要关心运营维护问题，解放研发人员，把部署、流量和弹性相关的问题都交给自动化运维。
Serverless 不是具体的一个编程框架，也不是一个类库或者工具。简单来说，Serverless 是一种软件系统架构的思想方法。
在基于云的环境中，Serverless 环境中部署的应用，一般通过外部事件或触发器（比如 HTTP 请求）触发后才真正执行。所以它还具有按使用付费的特点，降低了成本。目不单单云上有 Serverless，在本地私有化环境中，也有许多商业和开源的选择，可以提供不同形式的本地无服务器服务。
02
Serverless 的优势
减少成本：低运维管理，无须关注支撑应用服务底层运行环境的运维
快速创新：业务部署和研发的周期缩短了，可以更聚焦逻辑开发
按需使用：低成本省开支，即开即用
灵活弹性：业务可以根据配置的条件灵活调配资源
03
什么场景适合
Serverless
现在 Serverless 多在哪些场景下落地呢？常见以下几种：
各类 Web 后端服务。特别是移动互联网的后端，比如小程序等利用率低的长尾应用。
实时数据流处理：视频转码和图片转格式、处理任务，日志分析压缩
人工智能场景：数据传输和分析
IoT 后端服务：告警短信推送、设备状态等
CI/CD 场景
如下是一个调查中，关于 Serverless 落地的应用场景的比例：
比例 | 场景 |
|---|---|
| 32% | Web 和 API 服务器 |
| 21% | 数据处理：比如批量 ETL |
| 17% | 集成第三方服务 |
| 16% | 内部工具链 |
| 8% | 聊天机器人 |
| 6% | IoT 物联网 |
场景一：人工智能场景（数据传输及分析）
在工业互联网（IoT）、汽车行业（车联网）、金融领域中，当终端设备在进行相互通信时，会产生大量数据。因此，在边缘终端采集数据后，传输到 Serverless 云端进行训练，得出训练结果后进行返回到边缘节点，边缘节点会给训练后的结果，进行快速响应。比如企业的人脸识别系统和设备。摄像头既可以收集人脸识别数据，同时可以根据训练好的模型进行人脸识别判断。收集信息后，摄像头上传人脸图片到 DX- Serverless 服务器上进行训练。服务器训练后得出训练模型，之后同步最新的模型到终端摄像头上，那么边缘摄像头可自动识别新增加的员工，并自动开门。还有一些访客场景，当朋友、面试者来访时，人事可以在访客来之前把访客照片上传到服务器，这样的话访客可以被自动识别，方便地进入访客区域或者指定面试会议室。
如上图所示，各种终端设备负载信息和数据的收集并上传到云端，这些数据会被放入到云端的人工智能训练任务队列中，由 Serverless 服务训练得出训练模型，最后将训练模型分发到终端上更精确的进行智能判断和分析。
场景二：实时数据流处理（视频转码或图片转格式）
在大文件上传和视频上传场景下，网站都需要实时创建缩略图，转换视频成为各种格式方便不同平台播放，建立文件索引方便搜索查询。在国内，通常还会用审核以及鉴定视频内容等操作。越来越多的网站有 AI 训练会对视频进行分类和自动添加标签等。比如用户上传一个视频，网站视频转码需要进行 1080p 转码、720p 转码、 480p 转码、音频转码、封面截图（通常需要 2-3 个尺寸分别用于不同尺寸的缩略图列表，以及初始画面等）。以上操作都是非常适合使用无服务来进行部署，因为这些场景通常都是在用户上传文件后才需要进行的，同时转码等操作可以有一定的时延，此外，这些场景的高峰流量和日常流量都会有很大差距。
04
私有化 Serverless
部署的意义
众多公有云已经提供了 Serverless 的功能。为什么很多企业还在规划在内部部署 Serverless ？
避免供应商锁定：常被人担忧的如 AWS 的 Lambda 对代码耦合性所带来的云迁移成本。其实也需要考虑云厂商提供的“易用”的“基础设施”（API 网关、事件触发器、云存储）所带来的“架构锁定”和耦合。还有“数据绑定”：云上比如数据库服务、认证服务、支付服务等，也可能会把用户的业务数据、用户数据、支付数据绑定在云厂商之上。
提高基础架构效率：在本地环境下，可以利用 VM 或者容器/Kubernetes 的方式，进行业务复用，提供底层的物理机利用率。毕竟 Serverless “按需启动”的特点，有时可能造成机器“闲时闲死”的浪费状态。
降低安全风险：对于用户的敏感数据，基于云的解决方案总不是首选。并且在多租户的云环境下，任何可能的漏洞和安全风险，都会让数据有泄漏的可能。
架构可控度：公有云具备节约管理成本的优点，但高级用户自己对技术架构的控制力却被大大弱化。
整合性：对于某些业务，其周围的配合模块都是在私有化部署，这时，单单把 Serverless 的部分放到公有云，反而增加整合的难度。另外，在国内 IT 环境下，私有化环境对传统应用的改造也更容易推行下去。
成本：很多企业在业务初期使用公有云，但是在业务发展中，逐步发现公有云成本慢慢不再是最优。即使在公有云，部署的成本也根据应用程序的复杂性和不同特点而有所不同。
相比之下，在私有环境中构建 Serverless 平台就没有那么多顾虑。归功于成熟度很高的容器技术和容器云平台技术，目前已经能够在私有云环境中实现 Serverless 了。
05
基于容器的 Serverless
的好处
目前公有云上主流的 Serverless/FaaS 框架，如 AWS Lambda、IBM OpenWhisk、Iron.io、阿里云函数计算分析来看，其底层的也是多采用容器或类容器的技术来实现的。
以函数为粒度的 Serverless（FaaS）看似非常美好，但是这种函数计算不能解决企业的全部问题。它要求业务以函数为粒度进行拆分、函数之间只通过接口通讯，并且要求高度完成无状态化。对于复杂的业务系统来说，微服务改造、容器化改造都才刚完成，到达函数化改造还道路漫长。而且即便完成了函数化改造，现有的 FaaS 平台对大规模函数协作、编排和管理技术也还不够成熟，很难完全投入生产。
正在容器化道路上的用户，是否需要出门右转、另起炉灶，再一起痛苦地对业务做函数化改造么？能否利用容器的标准、Kubernetes 的编排优势，同时也能 Serverless 带来的低成本和高弹性福利呢？其实这两者并不矛盾。从 PaaS 到 FaaS ，是否需要对应用进行改造？开发语言是否需要变化？移植上 FaaS 成本会不会很大？往往这些是大家会比较顾虑的点。
如 DaoCloud Serverless 平台，就是基于容器的 Serverless。容器性的工作负载不只是 Function， 支持任何编程语言。用户仍然是交付自己熟悉的标准交付件-镜像。
用容器实现的 Serverless，用户可以有如下的好处：
支持任何语言，任何库，任何二进制文件
通过镜像进行封装部署，解决平台锁定问题云原生开发体验，应用容器化部署，统一开发体验
不同于普通的 FaaS，容器化后可以适应各种无服务情况。容器化意味着 可移植，Kubernetes 编排的标准化
日志记录及监控功能
可观测性，丰富的监控指标
06
DX Serverless 发布
目前基于容器的 DX（Daocloud Digital-X） Serverless 已经随着 DCE 4.0 进行发布。并且 DX Serverless 包含有如下特性：
便捷部署
如上文所述，Serverless 旨在帮助开发人员无需关心底层服务器，只需专注于业务应用开发及构建，提供无运维、无服务器体验。DX Serverless 提供简单的命令行和图形界面快速部署并管理服务，进一步提升开发者体验，降低部署管理成本。
自动扩缩容
在 Web 后端服务对外提供访问时，需要应对偶发大流量访问场景，但在 PaaS 平台上，弹性伸缩规则需要手动配置，并且配置规则较复杂。DX Serverless 服务可根据流量自动扩缩容，无需手动配置策略及干预，当访问流量激增时，快速扩容；当流量为 0 时，支持自动将容器数量缩减为 0 ，极大节省资源。
流量切分
业务应用在发布新版本时，需要规避新业务应用版本不可用带来的风险，需要在不停用老版本的前提下，部署新版本并进行测试，当测试无风险后，切换全部流量。DX Serverless 天然具备流量切分能力，可对同一 Serverless 服务设置不同的流量比例，操作便捷易用。并且可以结合指标监控进行版本流量监控。
计量能力
DX Serverless 为您提供计费的计量接口，可基于计量数据进行收费。在 PaaS 到 FaaS 转变过程中，往往客户会有所考虑：1 ）移植的成本和代价 ； 2 ）是否上了 FaaS 平台后会存在平台锁定情况。目前 DX Serverless 实现云原生化：
应用容器化实现，统一云原生平台开发体验，适配各种无服务化场景。
搭建在 DaoCloud 云原生 PaaS 平台上（DCE）
支持 Kubernetes 标准 OpenAPI
无需管理及配置 HPA，实现自动扩缩容
无需管理及配置 Istio，实现流量切分
应用无服务器化后无需担心应用改造和移植成本，以及平台锁定问题。
07
Serverless 会终结
Kubernetes 吗？
以前常有用户问，想享受 Kubernetes 的技术红利，但是苦恼于 Kubernetes 的学习成本：容器化、部署 YAML、配置负载均衡和灰度发布策略、弹性策略，健康检查容器化、部署 YAML、配置负载均衡和灰度发布策略、弹性策略，健康检查. 对于一个应用开发来说，这些问题看似和应用开发本身毫不相关，他们不得不去学习 Kubernetes 并去探索应用的部署最佳实践。应用开发者一定要成为 Kubernetes 专家才能在 Kubernetes 上部署应用吗？当然不是，Serverless 可以弥补这里的差距。应用开发提供应用容器，完成业务逻辑；Serverless 提供发布和弹性策略配置，以及标准的健康检查。
但是 Serverless 能够取代 Kubernetes 吗？答案又是否定的，无服务框架依然需要一个调度平台，而 Kubernetes 无疑是最佳选择。Serverless 并不会取代 Kubernetes，而是站在 Kubernetes 肩膀上， 为应用提供更简洁的部署方式和自动化运维能力。由于 Serverless 技术目前还处于起步阶段，就像目前 DX Serverless 平台是基于 Kubernetes 的实现的。技术上是延续的，一脉相承。
目前 Serverless 更适合面向简单场景的开放，简单应用的上云在 Serverless 场景会更加方便，甚至可以做到 0 成本，无需改造的地步。Kubernetes 在私有化部署中，通过更多灵活性的强大的功能，带来更多的可能性。
对于没有 Kubernetes 基础的用户来说，Serverless 可以帮助你成为应用运维专家，为您的应用提供天然的流量管理和弹性能力。Serverless 的目标是解放开发和运维复杂度，把流量和弹性相关的问题都交给自动化运维。直接使用 Kubernetes 的研发需要了解和学习相当一部分的运维知识。
在复杂的业务逻辑中，架构师需要借助 Serverless 的事件驱动框架设计更加云原生的应用，对于现有复杂架构的应用的改造仍然是难点。
Serverless 确实是未来几年的技术趋势，它所带来的价值是开发者能够更关注业务逻辑本身，而不是过多的被底层资源和运维工作所困扰。但 Serverless 的前路也不会一路顺风。快跟着 DaoCloud 一起开拓探索吧。
作者简介
Paco Xu.
戴秋萍
DaoCloud 资深产品经理