无服务器计算框架

介绍

基于已经成熟的微服务、分布式框架与算法，为方便用户专注于开发业务逻辑而无需在意资源管理，Serverless框架应运而生，以使用方便、自动化资源扩展、高可靠性等优势快速吸引了企业应用与学术研究。

Serverless计算描述了一种更细粒度的部署模型运行用户代码，运行所需资源由服务提供商实现弹性伸缩而非用户提前申请。用户根据代码实际运行消耗的资源量缴费，无需预租一定量的服务器使得在资源空闲时产生浪费。伯克利关于Serverless的论文中指出，Serverless与Serverful的三个关键区别如下：

• 计算与存储解耦；

• 执行代码而不管理资源分配；

• 按资源使用比例支付，而不是按资源分配比例支付。

请阅读上述最著名的Serverless早期指引，并且适当地提纲挈领。

Serverless的其他特点有以下几个方面：

1. 快速部署：Serverless应用程序可以在几秒钟内部署到云服务提供商的平台上，并且可以通过API网关和事件触发器快速响应请求，提高应用程序的响应速度和性能。

2. 自动扩缩容：Serverless架构能够自动根据应用程序的实际负载情况进行弹性扩缩容，无需手动调整，从而保证应用程序的高可用性和可伸缩性。

3. 无状态：Serverless架构模式下，应用程序应该是无状态的，每次请求都是独立的，不会对其他请求产生影响，这样可以提高应用程序的可靠性和安全性。

Serverless平台通常提供两种服务：Backend-as-a-Service(以下简称BaaS)，即基于API的第三方云服务，可替代程序中的核心功能子集，比如文件数据存储、消息推送、身份验证等；Function-as-a-Service(以下简称FaaS)，提供事件驱动计算，函数运行所需资源的调配由平台负责。FaaS平台与BaaS能力共同构成了Serverless，其架构模型可概述如下图所示：

Serverless Model

为后期过渡至Serverless框架以向用户提供简单编程接口，我们调研了开源的Serverless框架，根据EDA应用的特征确立了一些对Serverless框架需求的特性，我们整理了这些开源框架的支持性如下：

Serverless框架	状态存储方式	资源扩缩能力	并行与并发处理	微服务框架
OpenWhisk	保存在couchDB中	Load Balancer全局自动扩缩	支持容器级并行	通过REST API部署微服务
Kubeless	状态由k8s管理	基于HPA自动扩缩	支持，基于k8s的处理	基于k8s进行函数级封装
Knative	无状态，依赖外部存储	支持，通过KPA实现	支持，基于并发请求数确定Pod数量	通过CRD部署
Fission	无状态，依赖外部存储	自动扩展，支持预测性或自定规则扩缩	支持，基于k8s与Serverless实现	基于k8s进行函数级封装
OpenFaaS	无状态，依赖外部存储	支持，通过监控指标自动触发	支持，根据流量和压力调整函数副本数量	基于Serverless进行函数级封装
Lambda	无状态，依赖外部存储	自动扩展，实现精细化控制	实现容器级并发与异步支持	使用AWS其他套件支持
Functions	Azure其他产品提供	支持垂直、水平自动扩缩	支持并行、并发与异步	支持垂直、水平自动扩缩

任务

首先请阅读OpenWhisk这一篇blog，了解Serverless平台如何完成事件驱动程序。进阶可以阅读如何提升平台性能的blog。

在对Serverless框架进行学习时一定要抓住前面描述的几个特点，思考它们是如何实现快速部署运行、自动扩缩容、处理状态的，在学习文档中应有所体现。

在上述Serverless框架中任选一种完成学习任务：

Serverless框架	学习任务	工程任务	补充任务
OpenWhisk	学习与阅读官方文档，有对其核心概念Action, Trigger和Rule的阐释	完成教程中OpenWhisk的部署和实验	参照一个示例仓库进行多个实例的实践
KNative	学习官方文档，熟悉Function, Service和Event的概念，可参考其他资料	完成KNative的部署，实践三个概念的实例	官方提供了详实的Code Samples，可进行多个实例的实践
Fission	阅读官方文档Architecture和Concepts部分，熟悉相关概念	遵照官方文档Installation完成Fission的部署，根据Usage完成实践	官方提供了其他的实例可以进行学习
OpenFaaS	参照官方文档阅读Design & Architecture一节，参考这一篇博客辅助理解	按照官方文档中Getting Started完成部署，按照Tutorials完成实践	配合这篇博客，完成一个小项目

因为VMWare的Kubeless已Archive不再支持维护，所以不作为任务，剩下两个框架Lambda和Functions都属于商业工具，不方便利用开源组件部署，所以不作为任务。