Serverless 技术落地 架构设计
在系统设计上 ， 我们引入了两层 FaaS (Function as a Serverles) ， 端 FaaS 和业务 FaaS ， 其中：
端 FaaS ， 也就是 SFF （ Serverless for frontend) ， 基于 Node.js ， 实现了端云一体化开发 ， 将原本客户端的逻辑移到 FaaS 服务端来 。 这里在传统的 Frontend 和 Backend 之间抽象出了 SFF， 用来实现数据和调用逻辑封装 ， 快速开发、发布 。在后端 ， 引入业务 FaaS ， 基于 Java/Go 实现 用来封装推荐策略逻辑和数据转换代码 ， 可以提高策略迭代效率 ， 同时减少策略迭代对主工程的影响 。从整体上看 ， 将函数计算和容器化微服务整合在一起 ， 综合利用函数计算的高效和传统微服务的灵活 ， 是一种实用高效的架构设计思路 。
快速迭代
作为核心的应用 ， 需要一套完备的 CI/CD 流程去保障应用的质量 ， 针对函数的质量 ， 我们基于了 Serverless Devs 工具链同样实现了一套研发全流程方案: 。 不仅具备函数多环境 ， 函数灰度切流 ， 函数可观测等能力 ， 而且通过这套 Serverless 研发体系 ， 我们实现了 1 分钟开始进入开发 ， 5 分钟完成上线的能力 ， 同时默认具备异地多活的能力 。
限流降级 ， 异地多活
对于大流量应用的稳定性 ， 限流保护 ， 降级预案 ， 异地多活是三大必备功能 。 特别是大促的时候 ， 非预期的流量都可能引起系统雪崩 ， 在我们的 Serverless 研发平台上 ， 集成了阿里云函数计算的并发度流控 ， QPS 流控的能力 ， 做到了函数粒度的流控 。
另外一个亮点是 ， FaaS 的容灾方案与传统应用的容灾方案相比 ， 有着巨大的优势 。 在传统应用的容灾方案中 ， 异地多活需要在备机房中准备冗余的机器资源 ， 这些资源也就是成本 ， 但是在 Serverless 场景下的方案中 ， 因为是快速弹性 ， 秒级别就能完成资源的准备 ， 所以无需进行资源冗余准备 ， 这就大大节省了成本 。 虽然是三单元 ， 但是成本仍然是一个单元的费用 ， 目前所有核心的函数应用 ， 我们都默认实现了三单元容灾 。
冷启动优化
如果你的业务对于冷启动非常的敏感 ， 比如 50 ~ 100毫秒的延迟增加 ， 你都无法接受的话 ， 不要担心 ， 我们仍可以通过扩容策略进行弥补：预留资源来消减冷启动对业务的影响 。
预留实例 ， 根据产品流量曲线 ， 很容易得出固定流量是多少 。 这部分流量用“预留模式” ， 适合冷启动敏感的业务； 按量扩容模式 ， 按用户设置的并发度或者 CPU 利用率阈值进行扩容 ， 扩容中的实例 ， 不会立即接收流量 ， 而是实例 Ready 后再进行服务 。 所以扩容中新增的流量会仍然派发到“正在服务中”的实例 ， 并不会触发冷启动 。
展望 在过去的 2021 年 ， 高德在 Serverless 领域中 ， 做了很多方向的探索 ， 也实现了部分核心业务的 Serverless 化 。 单在 Serverless 的业务 QPS 峰值就已经超过 40W QPS ，然而这不是终点 ， 只是刚刚开始 ， 后续我们会全面转向 Serverless 化 。 比如 ， 地图数据的处理 ， 图片的栽剪 ， 消息的消费等等这些离线的非在线应用 ， 它们同样也是 Serverless 的最佳适用场景 ， 我们期望今后有更多的场景去使用 Serverless ， 享受 Serverless 给我们带来的技术红利 ！
本文为阿里云原创内容 ， 未经允许不得转载 。
相关经验推荐
- 谷歌地图|谷歌地图关闭乌克兰实时交通功能，保护当地用户
- 华硕|开学购机正当时！华硕碉堡S5电脑助你新的一年学习如虎添翼
- 高德地图|哪些手机工具 App 曾带给你惊喜？
- Google|为什么俄罗斯入侵乌克兰会成为谷歌地图的一大考验？
- 网易|什么是高德司机综合分？
- 联想|卫星地图与CAD图叠加小技巧！
- 高德地图|Intel首款显卡又再跳票，推迟到第二季度发布
- 软件|2022最具性价比的拍照手机推荐，首选这几款，让拍摄如虎添翼
- 谷歌地图|谷歌地图上出现了蜘蛛侠被警告 \不要在岩石上便便\的标志
- 高德地图|Intel 12代酷睿i3售价千元左右，基准功耗不超60W