Serverless 架構的演進示例分析

本篇文章給大家分享的是有關Serverless 架構的演進示例分析，小編覺得挺實用的，因此分享給大家學習，希望大家閱讀完這篇文章后可以有所收獲，話不多說，跟著小編一起來看看吧。

傳統單體應用架構Serverless 降低了維護應用程序的總成本，能夠更快地構建更多邏輯。它是一個命令行工具，提供腳手架、工作流自動化和開發部署無服務器架構的最佳實踐。它也可以通過插件完全擴展。

十多年前主流的應用架構都是單體應用，部署形式就是一臺服務器加一個數據庫，在這種架構下，運維人員會小心翼翼地維護這臺服務器，以保證服務的可用性。

單體應用架構面臨的問題

隨著業務的增長，這種最簡單的單體應用架構很快就面臨兩個問題。首先，這里只有一臺服務器，如果這臺服務器出現故障，例如硬件損壞，那么整個服務就會不可用；其次，業務量變大之后，一臺服務器的資源很快會無法承載所有流量。

解決這兩個問題最直接的方法就是在流量入口加一個負載均衡器，使單體應用同時部署到多臺服務器上，這樣服務器的單點問題就解決了，與此同時，這個單體應用也具備了水平伸縮的能力。

微服務架構

1. 微服務架構演進出通用服務

隨著業務的進一步增長，更多的研發人員加入到團隊中，共同在單體應用上開發特性。由于單體應用內的代碼沒有明確的物理邊界，大家很快就會遇到各種沖突，需要人工協調，以及大量的 conflict merge 操作，研發效率直線下降。

因此大家開始把單體應用拆分成一個個可以獨立開發、獨立測試、獨立部署的微服務應用，服務和服務之間通過 API 通訊，如 HTTP、GRPC 或者 DUBBO。基于領域驅動設計中 Bounded Context 拆分的微服務架構能夠大幅提升中大型團隊的研發效率。

2. 微服務架構給運維帶來挑戰

應用從單體架構演進到微服務架構，從物理的角度看，分布式就成了默認選項，這時應用架構師就不得不面對分布式帶來的新挑戰。在這個過程中，大家都會開始使用一些分布式服務和框架，例如緩存服務 Redis，配置服務 ACM，狀態協調服務 ZooKeeper，消息服務 Kafka，還有通訊框架如 GRPC 或者 DUBBO，以及分布式追蹤系統等。

除分布式環境帶來的挑戰之外，微服務架構給運維也帶來新挑戰。研發人員原來只需要運維一個應用，現在可能需要運維十個甚至更多的應用，這意味著安全 patch 升級、容量評估、故障診斷等事務的工作量呈現成倍增長，這時，應用分發標準、生命周期標準、觀測標準、自動化彈性等能力的重要性也更加凸顯。

云原生

1. 基于云產品架構

一個架構是否是云原生，就看這個架構是否是長在云上的，這是對“云原生”的簡單理解。這個“長在云上”不是簡單地說用云的 IaaS 層服務，比如簡單的 ECS、OSS 這些基本的計算存儲；而是應該理解成有沒有使用云上的分布式服務，比如 Redis、Kafka 等，這些才是直接影響到業務架構的服務。微服務架構下，分布式服務是必要的，原來大家都是自己研發這樣的服務，或者基于開源版本自己運維這樣的服務。而到了云原生時代，業務則可以直接使用云服務。

另外兩個不得不提的技術就是 Docker 和 Kubenetes，其中，前者標準化了應用分發的標準，不論是 Spring Boot 寫的應用，還是 NodeJS 寫的應用，都以鏡像的方式分發；而后者在前者的技術上又定義了應用生命周期的標準，一個應用從啟動到上線，到健康檢查，再到下線，都有了統一的標準。

2. 應用生命周期托管

有了應用分發的標準和生命周期的標準，云就能提供標準化的應用托管服務。包括應用的版本管理、發布、上線后的觀測、自愈等。例如對于無狀態的應用來說，一個底層物理節點的故障根本不會影響到研發，因為應用托管服務基于標準化應用生命周期可以自動完成騰挪工作，在故障物理節點上將應用的容器下線，在新的物理節點上啟動同等數量的應用容器。可以看出，云原生進一步釋放了價值紅利。

在此基礎上，由于應用托管服務能夠感知到應用運行期的數據，例如業務流量的并發、cpu load、內存占用等，業務就可以配置基于這些指標的伸縮規則，再由平臺執行這些規則，根據業務流量的實際情況增加或者減少容器數量，這就是最基本的 auto scaling——自動伸縮。這能夠幫助用戶避免在業務低峰期限制資源，節省成本，提升運維效率。

以上就是Serverless 架構的演進示例分析，小編相信有部分知識點可能是我們日常工作會見到或用到的。希望你能通過這篇文章學到更多知識。更多詳情敬請關注億速云行業資訊頻道。