跨越行業絆腳石，阿裡雲函數計算釋出7大技術突破

Serverless 的本質是通過屏蔽底層的計算資源，來實作業務層開發的專注度和自由度。但越是往上抽象，雲廠商在底層的實作就越是複雜。函數計算将服務進一步拆分到函數的顆粒度，這勢必會給開發、運維、傳遞等帶來新的挑戰，例如如何對函數進行端雲聯調、如何對函數進行可觀測和調試、如何優化 GB 級别的鏡像冷啟動？這些以往在服務的顆粒度時，都不是問題的事情，成了 Serverless 大規模落地企業核心生産業務的絆腳石。

2021雲栖大會現場，阿裡巴巴研究員、阿裡雲智能雲原生應用平台總經理丁宇（叔同）重磅釋出了函數計算的7大技術創新和突破，加速現代應用架構的革新。 

Serverless Devs 2.0：業内首發 Desktop，支援端雲聯調、多環境部署

開源近一年， Serverless 開發者平台 Serverless Devs 2.0 版本正式釋出。相比 1.0 ，2.0在性能、使用體驗實作全方位提升，業内首發桌面用戶端 Serverless Desktop，對桌面用戶端進行了精細設計兼具美感和實用主義，具備更強的企業級服務能力。

作為業内首個支援主流 Serverless 服務/架構的雲原生全生命周期管理的平台，Serverless Devs 緻力于為開發者打造 Serverless 應用開發一站式服務，Serverless Devs 2.0 提出多模式調試方案，包括打通線上線下環境；本地對接線上環境并進行調試的端雲聯調方案、本地直接進行開發态調試的本地調試方案、以及雲端運維态調試的線上調試/遠端調試方案等。新版本增加多環境部署部署能力，Serverless Devs 2.0 已支援一鍵部署架構 30 餘種，包括 Django，Express，Koa，Egg，Flask，Zblog，Wordpress 等。

業内首發執行個體級别可觀測和調試

執行個體是函數資源最小的可被排程的原子機關，類比容器的 Pod。Serverless 将異構基礎資源高度抽象，是以“黑盒問題”是 Serverless 大規模普及的核心落地之痛。業内同類産品均沒有透出“執行個體”概念，也從未在可觀測功能中将CPU、記憶體等名額透出，但可觀測就是開發者的眼睛，沒有可觀測，何談高可用呢？

函數計算重磅釋出執行個體級别可觀測能力，對函數執行個體進行實時監控和性能資料采集，并進行可視化展示，為開發者提供函數執行個體端到端的監控排查路徑。通過執行個體級别名額，您可以檢視 CPU 和記憶體使用情況、執行個體網絡情況和執行個體内請求數等核心名額資訊，讓“黑盒”不黑。同時，函數計算将通過開放部分執行個體登入權限，做到既能觀測，還能調試。

業内首發固定數量、定時、水位自動伸縮的執行個體預留政策

函數計算冷啟動受到多個因素影響：代碼和鏡像大小、啟動容器、語言運作時初始化、程序初始化、執行邏輯等，這依賴使用者和雲廠商的雙向優化。雲廠商會自動為每個函數配置設定最合适的執行個體數量，并進行平台側的冷啟動優化。但對于某些線上業務時延非常敏感，雲廠商無法代替使用者進行更深層的業務優化，如對代碼或依賴進行精簡、程式設計語言的選擇、程序的初始化、算法優化等。

業内同類産品普遍是采用預留固定執行個體數量的政策，即讓使用者配置 N 個并發值，除非手動調整，否則在配置設定了 N 個執行個體後不會再伸或者縮。這種方案隻解決了部分業務高峰期的冷啟動延時，但大大增加了運維成本和資源成本，對紅包大促等帶有不定期峰谷的業務，其實并不友好。

 是以，函數計算率先将部分執行個體資源的排程權限授予使用者，允許使用者通過固定數量、定時伸縮、按水位伸縮、混合伸縮等多元度的執行個體預留政策，來預留适量函數執行個體，分别滿足業務曲線相對平穩（如AI/ML場景）、峰谷時間段明确（如遊戲互娛、線上教育、新零售等場景）、突發流量無法預估（如電商大促、廣告等場景）、業務混雜（如Web背景、資料處理等場景）等不同場景的訴求，進而降低冷啟動對時延敏感型業務的影響，真正實作彈性和性能兼顧的終極目标。

業内率先推出 GPU 執行個體

函數計算提供彈性執行個體和性能執行個體兩種執行個體類型，彈性執行個體規格從 128 MB 到 3 GB，隔離粒度做到了整個雲生态最細，能真正實作普适場景下資源使用率 100%；性能執行個體規格區間範圍包含4 GB、8 GB、16 GB和32 GB。資源上限更高，主要适用于計算密集型場景，如音視訊處理、AI模組化和企業級Java應用等場景。 随着專用領域硬體加速的蓬勃發展，各 GPU 廠商均推出了視訊編解碼專用 ASIC，比如：英偉達從 Kepler 架構內建視訊編碼專用電路、從 Fermi 架構內建視訊解碼專用電路。

函數計算正式推出了基于 Turning 架構的 GPU 執行個體，使得 Serverless 開發者可以将視訊編解碼的 workload，下沉到 GPU 硬體加速，進而大大加快了視訊生産、視訊轉碼的效率。

最高可傳遞 2w 執行個體/分鐘

所謂“無伺服器”，并不是說軟體應用不需要伺服器就可以運作了，而是指使用者無須關心軟體應用運作時，涉及的底層伺服器的狀态、資源（比如 CPU、記憶體、磁盤及網絡）和數量。軟體應用正常運作所需要的計算資源由雲計算廠商動态提供，但實際上，使用者還是會關心雲廠商的資源傳遞能力，以及應對突發流量場景下資源不足導緻的通路波動。

函數計算依托于阿裡雲強大的雲基礎設施服務能力，通過神龍裸金屬資源池和 ECS 資源池雙池互備，在業務高峰期，實作最大傳遞達 2w 執行個體/分鐘，這近一步提升了函數計算在客戶核心業務上的傳遞能力。

VPC 網絡建連優化：從10s 優化至 200ms

當使用者需要在函數中通路使用者 VPC 中的資源，例如 RDS/NAS 時，需要打通 VPC 網絡。業内 FaaS 産品普遍采用動态挂載 ENI 的方式來實作 VPC 打通，即在 VPC 建立一個 ENI，挂載到 VPC 中執行函數的機器上。該方案讓使用者能非常簡單地關聯後端雲服務，但 ENI 挂載的速度一般需要10秒以上，在延時敏感業務場景下帶來極大的性能開銷。

函數計算通過将 VPC 網關服務化，實作計算和網絡解耦，計算節點的伸縮不再受限于 ENI 挂載的能力。該方案由網關服務負責 ENI 的挂載、網關節點的高可用和自動伸縮，而函數計算專注于計算節點的排程，最終實作 VPC 網絡建連時，函數冷啟動時間降至 200 ms。

GB 級别鏡像啟動：從分鐘級優化至秒級

函數計算在2020年8月率先釋出了容器鏡像的函數部署方式，AWS Lambda 在2020年12月Re-Invent，國内友商在2021年6月也相繼宣布了 FaaS 支援容器的重磅功能。冷啟動一直都是 FaaS 的痛點，引入比代碼壓縮包大幾十倍的容器鏡像後，加重了冷啟動過程帶來的時延。

函數計算創新性的發明了 Serverless Caching，根據不同的存儲服務特點，建構資料驅動、智能高效的緩存體系，實作軟硬體協同優化，将 Custom Container 體驗進一步提升。到目前為止，函數計算已經将鏡像加速優化到了較高的水準。我們在函數計算的公開用例（

https://github.com/awesome-fc

）裡面，挑選了4個典型的鏡像，并将它們适配至國内外幾個大型雲廠商進行橫向對比，每間隔3小時調用上述鏡像，重複數次。

實驗證明，在 GB 級别鏡像冷啟動的場景下，函數計算已經實作了分鐘級到秒級的跨越。

先行一步，志在千裡

2009年，伯克利就當時興起的雲計算提出6點預測，包括服務的按需付費成為可能、實體硬體的使用率将大大提高等，在過去的12年間，這些都已成為事實。

2019年，伯克利再次預測 Serverless 計算将會成為雲時代預設的計算範式，并取代 Serverful （傳統雲）計算模式。

參照雲計算這12年的發展曆程，Serverless 正處于驗證伯克利預測的第3年，剛過四分之一。這3年間，從雲的未來的美好暢想，到雲廠商倡導的 Serverless First 和大規模投入，再到企業使用者充分利用 Serverless 的優勢來優化現有架構，并客觀的面對影響 Serverless 大規模落地企業核心業務的絆腳石，再到今天，通過技術創新和突破來化解行業共同的痛點。這不僅需要先行一步的勇氣和魄力，更需要志在千裡的使命和責任。