前言： 从 2019 年 Serverless Framework 进入中国以来，我便开始了 Serverless 领域的技术布道和运营工作，每年都有人提问 Serverless 相关的问题，从 Serverless 是什么到 Serverless 离大规模应用到底有多远？2022 年已经到来，三年过去了，谨以此文作为工作总结！
「Serverless」的中文译做「无服务器」，被认为是新一代的云计算发展方向。越来越多的行业及公司因其能显著地降低开发成本、按需自动扩缩容、免运维等诸多优势而采用 Serverless 技术。
评价一项技术的前景，要从技术的本质出发，看它能够真正带来什么？
一、Serverless 的原点
鉴古知今，加州大学伯克利分校在 2009 年发表过一篇名为《Above the Clouds: A Berkeley View of Cloud Computing》论文，精准预测了未来十年云计算演进的方向。
十年后，又在论文《Cloud Programming Simplified: A Berkeley View on Serverless Computing》中对 Serverless 的概念进行了描述，再次预测了 Serverless 的挑战及需要解决的问题。
在 UC Berkeley 的描述中，Serverless Computing 是一种用云的简化方式，可以近似地认为 Serverless Computing = FaaS + BaaS。
论文里有个精妙的比喻：Serverless 极大地简化了基于云服务的编程，就好像汇编语言到高级编程语言般的转换。
一般来说，Serverless 有这么几个特点：
- 隐藏了服务器的概念。服务器依然存在，但开发者无需针对服务器进行繁琐开发和运维操作；
- 提供了一种按需付费的模型，并且在资源空闲时不收费；
- 提供极致的弹性伸缩能力，从而让计算资源能完美适配业务需求。
纵观云计算的发展史，Serverless 恰好接入了云计算的下一阶段：
从部署物理机到虚拟机的过程中，云计算通过「虚拟化」的方式对算力资源进行了更高效的分配。为了更细粒度的分配，容器在云计算发展浪潮中诞生了。那有没有可能再往前一步，将一次业务执行作为单元进行算力分配呢？每当执行的时候才分配一次资源，否则不消耗。
答案就是 Serverless 云函数。
不难看出，Serverless 对编程模式的转变极大地激励了开发者，可以让开发者专注于业务实现，拓展了能力边界。
二、不只是理念，Serverless 开始崭露头角
在那个云计算还在努力做市场教育的年代，Serverless 的想法极大地刺激了开发者的神经，还有什么比这更心动的开发方式呢？
2014 年，Amazon 首次引入了 Lambda。再加上次年发布的 API Gateway，Serverless 配合已有的云服务开始崭露头角，它不再是学术圈的理念，走出了一条能够实际应用的产品化道路。
AWS Lambda 是一项无服务器事件驱动型计算服务，可运行代码来响应事件，并且帮助开发者自动管理底层计算资源。当然，仅按照使用量付费。
Lambda 在高可用性计算基础设施上运行代码，用于执行计算资源的所有管理工作。这包括服务器和操作系统维护、容量调配和弹性伸缩、代码和安全补丁部署以及代码监控和日志记录。作为开发者，只需要提供代码。
下图是一个移动后端的例子：通过使用 Lambda 来构建无服务器后端，以处理 Web、移动、物联网 (IoT) 和第三方 API 请求。
作为事件驱动型服务，Lambda 可以自动运行代码来响应多个事件，例如，通过 Amazon API Gateway 发送的 HTTP 请求、Amazon S3 存储桶中的对象修改、Amazon DynamoDB 中的表更新以及 Step Functions 中的状态转换。
这里引出了 Serverless 的第二层，除了计算能力，在集成和数据存储这两个层级同样能够 Serverless 化：
- 应用程序集成上，有事件总线 EventBridge、工作流编排 Step Functions、托管式 API Gateway 等服务。
- 数据存储方面则有我们很熟悉的对象存储 S3、DynamoDB 数据库等服务。
通过在计算、集成和数据存储三个层级的 Serverless 化，现代应用程序在 Serverless 的基础上构建已经开始成熟。
三、大胆的承诺：只需要编写业务代码
其后，OpenFaaS, Serverless Framework, Apache OpenWhisk 等开源软件的出现让 Serverlss 愈发受到关注，一些担忧也渐渐出现。
首当其冲的便是「冷启动」，即下图的蓝色部分。
尽管设置环境和代码这两个步骤耗费的时间并不需要付费，但它会增加整个调用持续时间的延迟。这会对一些时延敏感型业务造成影响。
对于这个问题，除了可以用 microVM 性能的提升来拉起延迟，还可以通过「预配并发」的技巧来减少冷启动。例如黑五大促，可以提前预热 Lambda，准备好具体预热的数量和时间后，效果跟调用一个激活完成的函数是一样的。
这意味着所有设置活动都在调用发生之前，包括运行初始化代码：
同时，由于 Serverless 的无状态性，状态管理和共享仍然很困难。所以当我们讨论 Serverless 的时候，也要辩证地看待：Serverless 在一些场景下可以有着优秀的表现，另一些场景下可能并不是很理想。
文件处理、流处理、Web 应用程序、IoT 后端以及移动后端等领域，是 Serverless 最常用的应用场景。
比如说使用 Lambda 和 S3 进行视频不同格式的转码 —— 一开始使用 EC2 实例，高清转换可能需要 4-6 个小时。新方法可以将视频分为 5M 的小块分别存储在 S3 中，然后用 Lambda 启用上千实例并行计算，完成转码后再合并成一个完整的视频，整个过程缩短到不足 10 分钟，费用也降低到了原来的十分之一。
这个就是在合适场景下使用 Serverless 的典型例子。
另外，包括 Lambda 在内的很多 Serverless 产品也做了不少自身的改进。比如现在可以将 Lambda 函数配置为每次执行最长运行 15 分钟。相比以往的 5 分钟翻了三倍，利好大数据分析和批量事件处理等业务。
对于内存或计算密集型的工作负载，例如机器学习、高性能计算 (HPC) 等，也可以配置更大的内存，并同时线性分配 CPU 和其他资源。
AWS Lambda 开了个好头，我们也可以看到国内阿里云、字节火山引擎、腾讯云也都有相对应的 Serverless 函数产品，对国内的开发者来说相当友好。这时候再看「未来只有业务逻辑才是你唯一要写的代码」，似乎也不是什么大话了。
四、发挥数据价值，Serverless 大势所趋
当我们在谈论计算机科学时，我们谈论的究竟是什么？一言概之 —— 算力、算法、数据。
近年来，摩尔定律越来越难以维持，芯片没有变得更快、内存密度也没有大幅提高。
Serverless 的未来，个人认为：
首先在于 Serverless 提供了更高效的算力分配方式，让开发者可以从 Serverless 架构上轻松获得更多的计算资源。 针对机器学习这样的计算场景，也有类似工作流调度，环境配置等能力进行支持。
拥有了海量算力，数据才能更好地发挥价值。除了函数本身，我们也看到 Serverless 正在作用于更多的产品，甚至包括 Serverless 型数据库，通过上下游服务的配合，也可以进一步帮助提升通用场景下的平台性能、效率和可靠性，让 Serverless 能够作用于更多的应用场景。 这是第二点。
从这些举措我们也可以看出，未来云上服务是越来越多、更便宜更快。
最后，是各类硬件方面的发展。当前云计算强依赖 X86 架构，Serverless 可以考虑引入新的架构，让用户自行选择最适合的硬件来处理任务，从而实现更高的利用率和更强的性能。 前几个月，就看到了 ARM 架构上的支持，对开发者来说是个很好的兆头。
就整个行业发展来说，从物理机到云主机再到 Serverless 架构，去服务器化是越来越明显。
我在文首就说：评价一项技术的前景，要从技术的本质出发，看它真正能够带来什么 —— 对于 Serverless，我觉得这么一句话就足以概括：「将极致的易用性提供给客户」。