1.4　典型應(yīng)用場(chǎng)景

Serverless架構(gòu)自提出到現(xiàn)在經(jīng)過若干年的發(fā)展，已經(jīng)在很多領(lǐng)域中有著非常多的最佳實(shí)踐。但是Serverless自身也有局限性，由于其無狀態(tài)、輕量化等特性，Serverless在一部分場(chǎng)景下可以有非常優(yōu)秀的表現(xiàn)，但是在另外一些場(chǎng)景下可能表現(xiàn)得并不理想。CNCF總結(jié)的Serverless架構(gòu)所適合的用戶場(chǎng)景如下。

• 異步并發(fā)，組件可獨(dú)立部署和擴(kuò)展。
• 突發(fā)或服務(wù)使用量不可預(yù)測(cè)。
• 短暫、無狀態(tài)的應(yīng)用，對(duì)冷啟動(dòng)時(shí)間不敏感。
• 需要快速開發(fā)迭代。

CNCF還列舉了Serverless架構(gòu)可以更好支持的領(lǐng)域。

• 響應(yīng)數(shù)據(jù)庫(kù)更改（插入、更新、觸發(fā)、刪除）的執(zhí)行邏輯；
• 對(duì)物聯(lián)網(wǎng)傳感器輸入消息（如MQTT消息）進(jìn)行分析；
• 處理流處理（分析或修改動(dòng)態(tài)數(shù)據(jù)）；
• 管理單次提取、轉(zhuǎn)換和存儲(chǔ)需要在短時(shí)間內(nèi)進(jìn)行大量處理（ETL）；
• 通過聊天機(jī)器人界面提供認(rèn)知計(jì)算（異步）；
• 調(diào)度短時(shí)間內(nèi)執(zhí)行的任務(wù)，例如CRON或批處理的調(diào)用；
• 機(jī)器學(xué)習(xí)和人工智能模型；
• 持續(xù)集成管道，按需為構(gòu)建作業(yè)提供資源，而不是保持一個(gè)構(gòu)建從主機(jī)池等待作業(yè)分派的任務(wù)。

CNCF基于Serverless架構(gòu)的特點(diǎn)，從理論上描述了Serverless架構(gòu)適合的場(chǎng)景或業(yè)務(wù)。云廠商則會(huì)站在自身的業(yè)務(wù)角度來描述Serverless架構(gòu)的典型場(chǎng)景。不同云廠商描述的典型場(chǎng)景雖然可能有所不同，但是實(shí)際上整體思路或類型是類似的，如表1-1所示。

1.4.1　實(shí)時(shí)文件處理

視頻應(yīng)用、社交應(yīng)用等場(chǎng)景下，用戶上傳的圖片、音視頻往往總量大、頻率高，對(duì)處理系統(tǒng)的實(shí)時(shí)性和并發(fā)能力都有較高的要求。例如，對(duì)于用戶上傳的圖片，可以使用多個(gè)函數(shù)對(duì)其分別處理，包括圖片的壓縮、格式轉(zhuǎn)換、鑒黃鑒恐等，以滿足不同場(chǎng)景下的需求，如圖1-24所示。

1.4.2　數(shù)據(jù)ETL處理

通常要對(duì)大數(shù)據(jù)進(jìn)行處理，需要搭建Hadoop或Spark等相關(guān)大數(shù)據(jù)的框架，同時(shí)要有一個(gè)處理數(shù)據(jù)的集群。通過Serverless技術(shù)，只需要將獲得的數(shù)據(jù)不斷存儲(chǔ)到對(duì)象存儲(chǔ)，并且通過對(duì)象存儲(chǔ)相關(guān)觸發(fā)器觸發(fā)數(shù)據(jù)拆分函數(shù)進(jìn)行相關(guān)數(shù)據(jù)或任務(wù)的拆分，然后再調(diào)用相關(guān)處理函數(shù)，處理完成之后，存儲(chǔ)到云數(shù)據(jù)庫(kù)中。函數(shù)計(jì)算近乎無限擴(kuò)容的能力可以使用戶輕松地進(jìn)行大容量數(shù)據(jù)的計(jì)算。利用Serverless架構(gòu)可以對(duì)源數(shù)據(jù)并發(fā)執(zhí)行多個(gè)mapper和reducer函數(shù)，在短時(shí)間內(nèi)完成工作，整個(gè)流程可以簡(jiǎn)化為如圖1-25所示。相比傳統(tǒng)的工作方式，使用Serverless架構(gòu)更能避免資源的閑置浪費(fèi)，從而節(jié)省成本。

1.4.3　實(shí)時(shí)數(shù)據(jù)處理

基于Serverless架構(gòu)所支持的豐富的事件源和事件觸發(fā)機(jī)制，可以通過幾行代碼和簡(jiǎn)單的配置對(duì)數(shù)據(jù)進(jìn)行實(shí)時(shí)處理，例如對(duì)對(duì)象存儲(chǔ)壓縮包進(jìn)行解壓、對(duì)日志或數(shù)據(jù)庫(kù)中的數(shù)據(jù)進(jìn)行清洗、對(duì)MNS消息進(jìn)行自定義消費(fèi)等，如圖1-26所示。

1.4.4　AI推理預(yù)測(cè)

AI模型完成訓(xùn)練后，在對(duì)外提供推理服務(wù)時(shí)，可以使用Serverless架構(gòu)將數(shù)據(jù)模型包裝在調(diào)用函數(shù)中，在實(shí)際用戶請(qǐng)求到達(dá)時(shí)再運(yùn)行代碼。相對(duì)于傳統(tǒng)的推理預(yù)測(cè)，這樣做的好處是，無論是函數(shù)模塊、后端的GPU服務(wù)器，還是對(duì)接的其他相關(guān)的機(jī)器學(xué)習(xí)服務(wù)，都可以按量付費(fèi)以及自動(dòng)伸縮，從而在保證性能的同時(shí)確保服務(wù)的穩(wěn)定，如圖1-27所示。

1.4.5　IoT后端

目前很多廠商都推出了智能音箱產(chǎn)品。用戶對(duì)智能音箱說話，智能音箱通過互聯(lián)網(wǎng)將這句話傳遞給后端服務(wù)，然后得到反饋結(jié)果并返回給用戶。通過Serverless架構(gòu)，可以將API網(wǎng)關(guān)、云函數(shù)以及數(shù)據(jù)庫(kù)產(chǎn)品進(jìn)行結(jié)合來替代傳統(tǒng)的服務(wù)器或者虛擬機(jī)等。這樣一方面可以確保資源的按量付費(fèi)，只有在使用的時(shí)候，函數(shù)部分才會(huì)計(jì)費(fèi)，另一方面當(dāng)用戶量增加之后，通過Serverless實(shí)現(xiàn)的智能音箱系統(tǒng)的后端也會(huì)進(jìn)行彈性伸縮，可以保證用戶側(cè)的服務(wù)穩(wěn)定。另外，對(duì)其中某個(gè)功能進(jìn)行維護(hù)相當(dāng)于對(duì)單個(gè)函數(shù)進(jìn)行維護(hù)，并不會(huì)對(duì)主流程產(chǎn)生額外風(fēng)險(xiǎn)，相對(duì)來說更安全、更穩(wěn)定。處理流程示例，如圖1-28所示。

1.4.6　Web應(yīng)用/移動(dòng)應(yīng)用后端

Serverless架構(gòu)和云廠商所提供的其他云產(chǎn)品進(jìn)行結(jié)合，開發(fā)者能夠構(gòu)建可彈性擴(kuò)展的移動(dòng)或Web應(yīng)用程序，輕松創(chuàng)建豐富的無服務(wù)器后端，而且這些程序可在多個(gè)數(shù)據(jù)中心高可用運(yùn)行，無須在可擴(kuò)展性、備份冗余方面執(zhí)行任何管理工作。Web應(yīng)用后端處理示例如圖1-29所示。

1.4.7　音視頻轉(zhuǎn)碼

在視頻應(yīng)用、社交應(yīng)用等場(chǎng)景下，用戶會(huì)上傳一些視頻，通常上傳的視頻會(huì)進(jìn)行一些轉(zhuǎn)碼，包括轉(zhuǎn)換為不同的清晰度。Serverless技術(shù)與對(duì)象存儲(chǔ)相關(guān)產(chǎn)品組合后，可利用對(duì)象存儲(chǔ)相關(guān)觸發(fā)器，即上傳者將視頻上傳到對(duì)象存儲(chǔ)中，觸發(fā)Serverless架構(gòu)的計(jì)算平臺(tái)（FaaS平臺(tái)）對(duì)其進(jìn)行處理，處理之后將其重新存儲(chǔ)到對(duì)象存儲(chǔ)中，這個(gè)時(shí)候其他用戶就可以選擇編碼后的視頻進(jìn)行播放，還可以選擇不同的清晰度，如圖1-30所示。

綜上所述，Serverless架構(gòu)的典型應(yīng)用場(chǎng)景更多是由Serverless架構(gòu)的特點(diǎn)決定的。當(dāng)然，隨著時(shí)間的不斷推移，Serverless架構(gòu)也在不斷演進(jìn)，特點(diǎn)會(huì)更加突出，劣勢(shì)會(huì)被彌補(bǔ)，適合的場(chǎng)景也會(huì)更豐富。