虚拟服务器和如何创建网站,专业的设计网站有哪些,设计手绘,南京seo域名简介#xff1a;看到如今Serverless在云计算行业喷薄欲出的态势#xff0c;像极了《星星之火#xff0c;可以燎原》中的描述#xff1a;虽然不能预测未来的发展和变化#xff0c;但对于云计算来说这是个相对确定的方向。本文将和大家说说关系型数据库与Serverless。 作者 …简介看到如今Serverless在云计算行业喷薄欲出的态势像极了《星星之火可以燎原》中的描述虽然不能预测未来的发展和变化但对于云计算来说这是个相对确定的方向。本文将和大家说说关系型数据库与Serverless。 作者 | 韦仁忠 来源 | 阿里开发者公众号
关于Serverless
看到如今Serverless在云计算行业喷薄欲出的态势像极了《星星之火可以燎原》中的描述虽然不能预测未来的发展和变化但对于云计算来说这是个相对确定的方向。
从Google Trends的Serverless关键字的趋势可以看到对于Serverless的搜素一直居高不下并且在未来的一段时间内也会保持相当的热度。从2015年开始以AWS为代表的国外云计算大厂也在不断的布局Serverless相关的产品AWS Lambda、Aliyun FAAS数据库领域的Aurora Serverless、RedShift Serverless、Azure SQL Database等。 学术界对Serverless的研究热度也不亚于工业界对商业化方案的追求文末列出了一些相关文章作为参考。对于云计算往Serverless演进的趋势学术界也经历过一些质疑2018年“Serverless Computing: One Step Forward, Two Steps Back”[3] 文章曾经对Serverless的发展给现在IT基础设施带来的冲击表示过担忧但2019年同一拨人在这个方向上又表现出了支持和乐观的态度。从Serverless领域被引用次数较多的论文上看到主流科研机构对Serverless的趋势和方向研究上趋于一致研究重点也慢慢从“why”转变为“how”[6]。
何为Serverless为什么Severless是个趋势“Cloud Programming Simplified: A Berkeley View on Serverless Computing”[5] 这篇文章为代表做了一个比较全面的分析和预测。同样是Berkeley在2009年发表的另一篇文章“Above the Clouds: A Berkeley View of Cloud Computing”[7] 预测了云计算作为IAAS基础设施的观点。该篇文章延续了之前的风格分析了现状和难点预测了云计算2.0的形态Serverless作为下一代基础设施也定义了Serverless的主要三个特征
资源的解耦和服务化弱化了存储和计算之间的联系。服务的储存和计算被分开部署和收费存储不再是服务本身的一部分而是演变成了独立的云服务。这使得计算变得无状态化更容易调度和扩缩容同时也降低了数据丢失的风险。自动弹性伸缩代码的执行不再需要手动分配资源。不需要为服务的运行指定需要的资源比如使用几台机器、多大的带宽、多大的磁盘等只需要提供一份代码剩下的交由 Serverless 平台去处理就行了。当前阶段的实现平台分配资源时还需要用户方提供一些策略例如单个实例的规格和最大并发数单实例的最大 CPU 使用率。理想的情况是通过某些机器学习算法来进行完全自动的自适应分配。按使用量计费Serverless按照服务的使用量调用次数、时长等计费而不是像传统的 Serverful 服务那样按照使用的资源ECS 实例、VM 的规格等计费。
值得一提的是[5]这篇文章有众多云计算厂商的背书包括AWS、Micorsoft、Google、Alibaba等同时文章也直接以AWS Lambda服务作为样板去分析Serverless的问题。Serverless本身的技术难度这篇文章罗列了多项内容这里不做赘述可以具体读一下文章。
关于Serverless的技术实现[3]给出了一个可行的系统实现方式当然还是以FAAS为背景。其中提到Serverless关键技术路径包括
统一的标准运行环境支持多语言的运行时统一管理轻量级/蝇量级安全容器在[4]中额外提到安全和隔离的重要性冷热容器池设计做极致的多租户复用能力高效的函数调度能力
其中函数计算的实现方式却与数据库Serverless息息相关。
数据库的Serverless
数据库品类繁多关系型数据库自1979年E. F. Codd对于关系模型的描述[7]开始后来者大多只是模仿而尚未在用户接受度和规模上有超越。
数据库不仅仅是一个“stateful”的应用而且是一个“state-heavy”的应用。数据库是Serverless最不友好的应用之一包括云原生基础设施kubernates对于stateful应用的支持也是等到StatefulSet和operator之后才有一个比较好的解决方案。而在这之前数据库都是作为Serverless对状态做解耦和状态下沉的工具也是全栈Serverless解决方案中最难攻坚的最后一个堡垒。
对于Serverless的定义文章给出来一个公式Serverless FAAS BAAS。将FAASFunctions as a Service定义为事件、API、消息驱动的计算层将BAASBackends as a Service 定义为类似数据库、消息队列等后端服务。
“State-heavy applications will remain as BaaS”是目前对于数据库的一个基本认知但这与数据库本身是否具备一定程度的Serveless能力其实是两回事。前者强调的是在应用向Serverless做架构转型的过程当中数据库的大量状态存储做不到FAAS这样即开即用的能力只能作为“”来对接Serverless生态后者说的是在某种程度上也能够满足“资源解耦”、“自动弹性”、“按使用量付费”的特点某种程度上也可以认为是Serverless。
数据库Serverless的难点究竟在哪里
数据库做Serverless有若干难点[4]总结如下
Serverless没有内置的持久化存储需要依赖远端存储这就会导致在延时上较高客户端是基于连接的方式访问数据库在客户端往往会维护连接池的方式供应用访问而函数计算往往具备飘忽不定的网络地址与数据库传统的IPUserpassword鉴权的方式迥异很多高性能的数据库使用共享内存技术而FAAS本身不具备共享内存的能力会使得计算和数据库之前的资源动态扩展能力不一致其中尤其要注意的是第2点在应用进FAAS之后当前的数据库访问方式已经不适用于Serverless生态
服务器与DB做连接保持这就意味着访问状态是由客户端和数据库共同维护而FAAS无法做到连接持续保持的能力服务器通过driver和连接池的方式访问数据库每次的连接初始化相对较重FAAS上无法承受如此重的连接初始化工作服务器访问鉴权通过user/password/ip的方式访问数据库而FAAS多租户场景所有用户共享IP地址池user/password内置到FAAS当中也暴露了极大的安全风险
数据库需要一种新的访问方式直接影响到数据库能否作为Serverless生态当中的一部分直接影响到当前Serverless应用做全栈Serverless改造。其重要程度甚至大于数据库Serverless资源解耦、极致弹性、按使用量付费等本身。
当然数据库本身要做的事情远远不止如此数据库本身要实现高效的弹升弹降涉及到更多的管控和内核紧密的联动。
他山之石
行业翘楚AWS在Serverless相关的布局从2015年推出Lambda开始引领着这个方向的发展。这里更多的关注在数据库方面结合AWS在Aurora Serverless上的取舍洞察AWS对于数据库Serverless的理解。
从Aurora Serverless V1发表于2018年在Serverless的理念上做了大胆的创新做了几件事情
以ACU的方式去统一底层的资源不再对上层暴露底层具体的机型和代数。1ACU“相当于”2GiB的RAM统一对底层资源做了标准化和规范化的处理。这与Serverless理念中资源的解耦、以及对底层资源的屏蔽一致支持自动启停在无负载的情况下支持将计算节点降低至“0”。将Serverless中按资源使用量付费体现到极致但也带来了另外的问题。自动启停在一般场景下首次拉起需要30s左右牺牲了部分auto scale的能力数据库弹性过程中内核相关buffer pool等参数随着资源配合的变化而发生变化这也是数据库这种特殊的应用场景需要做的一些特殊处理2019年推出Data API功能补全了数据库作为BAAS接入FAAS的能力解决了前面提到的生态兼容的问题。
2020年发布的Aurora Serverless V2的介绍视频并提供内测申请而在前不久V2也正式GA。从Aurora Serverless V2的能力来看在Serverless能力上做了增强和取舍
将V1中弹性能力继续提升至秒级做极致快速的弹性。将V1中跨机升级的能力优化为本地升级的能力保证业务在弹性过程中不受损。从Aurora Serverless只在3.0.2这一个版本上支持可以看出内核层针对Serverless场景也做了大量的优化去除了V1中关于自动启停的能力用户可以手动启停实例更加关注实例的auto scale能力最小资源降低至0.5ACU而非0牺牲了部分按使用量付费的能力这也是一种取舍将弹性缩容的策略做得更加保守以保证业务压力情况下对业务的影响尽可能小。
从V1到V2的变化对比V2和V1的User Case可以看出Aurora Serverless V2主要解决的是从“开发测试环境”到有限场景下的生产环境的转变至于底层的实现原理可以从一丝丝蛛丝马迹中去探究。结合其他云的做法Serverless的能力目前还是看重这个理念各个厂商也在以自己的产品形态去向贴近这个理念至于说一统行业标准的产品化方案还为时过早这一领域大有可为。
未来可期
从2009年开始云的能力不断增强云的本质是资源的池化而这些资源不仅仅包含硬件资源更包含专业的技术人才、以及核心的技术专利标准等。经过了十来年在规模和成本上的激烈竞争IAAS资源也在不断的向Serverless的方向演进以阿里云本身为例包括弹性的存储AutoPL、弹性的容器ECI、Serverless服务引擎SAE。底层能力的增强也意味着上层PAAS层和SAAS服务有了更快的向Serverless演进的路径阿里云数据库就是其中受益的一方PAAS。
如果开源托管产品RDS可以看成是云数据库服务1.0自研产品如PolarDB和Aurora可以看成是云数据库2.0那么Serverless将会是云数据库服务的3.0。其中客户应用跟数据库交互方式的改变例如从JDBC/ODBC向Restful API转变将会具有重要意义。
从艾瑞2022年初对数据库云管平台的发展趋势预测[9]、以及结合云的趋势和Serverless本身我们可以对Aurora Severless未来的发展方向做一些大胆的预测
智能化加持从re:Invent2021发布的Devops Guru产品上看到AWS正在智能化场景下进行追赶。内置的智能化引擎对Serverless的场景可以做出更多的精准预测让“响应式”扩容升级为“响应式兜底智能化加持”的双引擎驱动资源解耦和极致的弹性共享内存技术、Brust IO能力等会推着Serverless将更多的资源进行解耦以及进行独立的升降配更多的Serverless手段扩容是最有效直接应对数据库流量的方式但是有了更多智能化的手段之后单纯的“扩容”已经有更多选择自动索引优化、智能调参会是很好的选项自动的横向扩展能力scale out和scale up同样可以应对业务流量的变化但scale out的复杂程度要远远高于scale out本身也是个可能的选项低成本硬件大规模使用ACU的单位定义屏蔽了底层资源属性ARM、x86还是RISC-V已经不是那么重要标准化归一化的算力能力让更多类型的硬件无缝无感的接入到Serverless当中。
阿里云 RDS MySQL 也在2022年4月份推出了Serverless版本我们将在后续的文章中做重点的介绍我们会以一个标准的网站应用前端页面API服务器数据库为样板介绍如何在FAASBAAS的架构下一步步做全栈Serverless的改造真正做到“0”服务器。
作者介绍
韦仁忠当前主要负责RDS MySQL管控产品建设欢迎有志之士加盟RDS产品部邮箱renzhong.weirenzhoalibaba-inc.com
参考文献
2016: Emerging Technology Analysis: Serverless Computing and Function Platform as a Service, Gartner, Tech. 2017: Serverless Computing: Current Trends and Open Problems, IBM Research 2017: Serverless Computing:Design, Implementation, and PerformanceIEEE 2017 ICDCSW 2018: Serverless Computing: One Step Forward, Two Steps Back , CIDR 2019 2019: Cloud Programming Simplified: A Berkeley View on Serverless Computing, EECS 2019 2020: Serverless Applications: Why, When, and How?, IEEE Software 2009: Above the Clouds: A Berkeley View of Cloud Computing EECS 2009 1970: A relational model of data for large shared data banks, Commun. ACM 1970 2022: 艾瑞咨询 艾瑞咨询
原文链接
本文为阿里云原创内容未经允许不得转载。
