如果你因为服务器出问题而在凌晨 3 点被唤醒, 你就会明白像 "无服务器计算" 这样的流行词的吸引力. 物理服务器可能需要数小时, 数天甚至数周才能配置, 然后它们需要不断更新以修复错误和安全漏洞.
AWS Lambda, Google Cloud Functions, 和 Microsoft Azure Functions, 一点点业务逻辑可以走得很远.
如果你因为服务器出问题而在凌晨 3 点被唤醒, 你就会明白像 "无服务器计算" 这样的流行词的吸引力. 物理服务器可能需要数小时, 数天甚至数周才能配置, 然后它们需要不断更新以修复错误和安全漏洞. 这些更新通常会带来他们自己的麻烦, 因为新更新会导致不兼容, 从而导致其他更新, 或者看起来似乎没有尽头.
运行服务器导致的无穷无尽的连锁问题是主流云公司接受 "无服务器计算" 架构的原因之一. 他们知道老板们听多了这样的借口, 服务器这个了, 服务器那个了, 太多类似的问题. 如果我们能摆脱服务器, 老板肯定想要.
无服务器计算是一个很棒的销售条款, 唯一的问题是它不是完全正确的. 这些应用程序是无服务器的, 就像餐厅没有厨房一样. 如果你想要的在菜单上, 并且你喜欢厨师准备的方式, 那么坐在餐厅里是很棒的. 但如果你想要一种不同的菜肴, 如果你想要不同的香料, 那么你最好有自己的厨房.
亚马逊, 谷歌和微软是三家面向未来应用的大公司, 他们希望将这些应用写入无服务器 API 并通过其自动化层进行管理. 如果这些平台按你想要的方式做, 而且新模型非常普遍, 它们可能是创建价值数十亿美元的独角兽网络应用的最简单和最快捷的方式. 你只写关键的逻辑位, 平台处理所有的细节.
无服务器计算函数正在成为连接所有云功能的粘合剂或脚本语言. 曾经相当独立的映射或 AI 工具现在通过事件驱动的无服务器函数进行链接. 现在, 更多的工作可以通过请求来解决, 这些请求会在每个云的各个角落产生涟漪和反弹, 触发并由事件流触发. 如果你想探索机器学习, 并使用它来分析数据, 那么最快速的方法之一就是创建一个无服务器应用, 并开始将事件发送到云机器学习部分.
隐含的承诺是, 将所有内容切割得更薄可以更轻松地共享云中的资源. 过去, 每个人都会疯狂地创建新的实例, 例如运行在自己的虚拟机上的 Ubuntu 服务器. 每个人都使用相同的操作系统, 并且在假装成十几个或更多的虚拟 Ubuntu 盒子的同一个真实盒子上复制了数十亿次. 无服务器计算操作可以避免所有重复操作, 使云计算成本大幅降低, 特别是对于零星运行且从未真正堵塞在空调服务器机房中的旧服务器的工作.
当然, 所有这些便利都有隐藏的成本. 如果你想离开或移动你的代码到另一个站点, 你可能会被迫重写大部分堆栈. 这些 API 是不同的, 尽管 JavaScript 等流行语言有一些标准化, 但它们与专有技术非常接近, 会被厂商锁定.
为了理解无服务器计算的吸引力, 我花了一些时间来构建一些功能, 并围绕堆栈进行探测. 我没有写太多的代码, 但这是关键. 我花了更多时间点击按钮并输入网页表单来配置所有内容. 你还记得我们什么时候用 XML 和 JSON 配置了所有的东西吗? 现在我们填写一个网络表单, 云为我们做. 尽管如此, 你仍然必须像程序员一样思考, 了解幕后发生了什么, 并且无法控制.
AWS Lambda
AWS Lambda 正在成长为亚马逊整个云的 shell 脚本层. 这是一个基本系统, 可让你嵌入函数, 响应几乎任何 AWS IaaS 可能产生的事件. 如果一个新文件上传到 S3, 你可以让它触发一个函数, 做一些有趣的事情. 如果某些视频正在被 Amazon Elastic Transcoder 转码, 你可以在完成后等待 Lambda 函数被触发. 这些功能反过来可以触发其他 Lambda 操作, 也可能只是向某人发送更新.
你可以使用 JavaScript(Node.js),Python,Java,C#和 Go 编写 Lambda 函数. 鉴于这些语言可以嵌入许多其他语言, 所以很可能运行其他代码, 如 Haskell,Lisp 甚至 C ++.
编写 Lambda 函数往往比你期望的复杂得多, 因为 Amazon 提供了很多配置和优化选项. 虽然技术上你可以只写几行代码并完成很棒的事情, 但是我觉得我不得不分配更多时间来配置代码的运行方式. 大部分工作是通过在浏览器中填写表单而不是输入文本文件来完成的. 有时候感觉就像我们刚刚交换了浏览器表单的文本编辑器, 但这是保留 Amazon 扩展到 Lambda 用户的所有灵活性的代价.
其中一些额外的步骤是由于亚马逊向用户公开更多选择, 并期望更多的首次函数编写者. 一旦我在 Google 或 Microsoft 写完功能后, 我就可以将浏览器指向正确的 URL 并立即进行测试. 亚马逊让我点击来配置 API 网关, 并在防火墙中打开正确的洞.
借助 AWS Lambda 配置页, 可以单击触发函数的事件源和更多事件的目标.
最后, 所有这些点击都增加了一层手持式工具, 使得工作比以文本文件开始更容易一些. 当我创建一个函数时, 浏览器有一个警告,"这个函数包含外部库".
亚马逊还有许多其他选项, 如同 AWS Lambda 一样 "无服务器计算", 如果无服务器计算意味着解除你的服务器管理杂事. 它具有弹性工具, 如启动和关闭服务器的 Amazon EC2 Auto Scaling 和 AWS Fargate, 以及将你上传的代码部署到 web 服务器并处理负载均衡和缩放的 AWS Elastic Beanstalk. 当然, 对于许多这些自动化工具, 仍然需要负责创建服务器映像.
AWS Step Functions 是一种更有用的产品, 它是一种无代码流程图工具, 用于创建状态机以模拟软件架构师称为工作流的模式. 部分问题是所有的无服务器函数都是完全没有状态的, 当你执行非常基本的业务逻辑时, 这些功能是有效的, 但是当你通过一个客户端走过一些客户端时, 这可能有点噩梦清单或流程图. 你经常到数据库去重新加载关于客户端的信息. 步骤函数将 Lambda 函数与状态粘合在一起.
Google Cloud Functions 和 Firebase
如果你的目标是摆脱配置服务器的麻烦, 那么 Google Cloud 提供了许多服务, 从需要根密码甚至使用命令行等方面提供各种各样的自由.
从 2008 年的 Google App Engine 开始, Google 一直在慢慢地添加不同的 "无服务器计算" 选项, 并且提供各种消息传递和数据透明组合. 一个名为 Google Cloud Pub / Sub 的用户隐藏了消息队列, 因此你只需为数据生产者和消费者编写代码即可. Google 云端函数为许多主要产品 (包括某些选取框工具和 API) 提供事件驱动的计算. 然后是 Google Firebase, 这是一个数据库, 可将 JavaScript 代码混合到将数据传送到客户端的数据存储层.
其中, Firebase 是我最感兴趣的. 一些人认为数据库是原始的无服务器计算应用, 将数据结构和磁盘存储杂事抽象出来, 以通过 TCP / IP 端口传递所有信息. Firebase 通过添加 JavaScript 代码和消息传递来将这种抽象极端化, 以完成你可能想要对包括身份验证在内的服务器端基础架构执行的任何操作. 从技术上讲, 它只是一个数据库, 但它可以处理堆栈的大部分业务逻辑和消息传递. 你真的可以摆脱一些客户端的 html,CSS,JavaScript 和 Firebase.
你可能会像 Oracle 一样, 试图将 Firebase 的 JavaScript 层称为 "存储过程", 但这样做会忽略大局. Firebase 代码是用 JavaScript 编写的, 因此它将以本地版本的 Node.js 运行. 你可以在该层中嵌入大部分业务逻辑, 因为 Node 的世界已经充满了处理此工作流的库. 另外, 你将享受在客户端, 服务器上运行的同构代码的乐趣, 现在还可以享受数据库.
引起我注意的部分是 Firebase 中内置的同步层. 它将在整个网络中同步来自数据库的对象副本. 诀窍是, 你可以将你的客户端应用程序设置为另一个订阅相关数据 (仅相关数据) 更改的数据库节点. 如果数据在一个地方发生变化, 它会随处变化. 你可以避免所有消息传递的麻烦, 并专注于将信息写入 Firebase, 因为 Firebase 会将其复制到需要的位置.
Google Firebase 提供了一个错误控制台, 可以显示展示好坏事件的时间表.
你无需专注于 Firebase. 更基本的 Google 云功能是一种更简单的方法, 可将定制代码嵌入到 Google 云中. 目前, 云端函数在很大程度上只是编写 Node.js 代码的一个选项, 它将在预配置的 Node 环境中运行. 虽然 Google 云端平台的其他部分支持各种语言 -- 从 Java 和 C#到 Go,Python 和 PHP 云功能严格限于 JavaScript 和 Node. 有人暗示其他语言选项即将到来, 如果他们很快出现, 我不会感到惊讶.
至少在这一点上, Google Cloud Functions 不会像 AWS Lambda, 当我探索构建一个与 Google Docs 交互的函数时, 我发现我可能不得不使用 REST API 并将代码写入名为 Apps Script 的应用程序中. 换句话说, 谷歌 Docs 世界拥有自己的 REST API, 很久就没有服务器了.
值得注意的是, Google App Engine 持续强劲. 一开始, 它提供了启动 Python 应用程序以满足任何人进入网站的需求, 但多年来一直在扩展以处理许多不同的语言运行时. 将代码捆绑到可执行文件中后, App Engine 将处理启动足够的节点以处理流量的过程, 并在你的用户发送请求时向上或向下放大或缩小.
要牢记几个障碍. 与云函数一样, 你的代码必须以相对无状态的方式编写, 并且必须在有限的时间内完成每个请求. 但是 App Engine 不会抛弃所有的支撑, 或者在请求之间忘记所有的东西. App Engine 是无服务器革命中的一个重要组成部分, 对于那些在老派方法中使用 Python,PHP,Java,C#或 Go 构建自己的堆栈的人来说, 它仍然是最容易获得的.
Microsoft Azure Functions
当然, 微软和其他人一样努力工作, 以确保人们可以用 Azure 云做所有这些聪明的无服务器计算事情. 该公司已经创建了自己的基本功能 --Azure 函数, 并且构建了一些更复杂的工具, 这些工具对于半程序员来说更加易于使用.
微软可能拥有的最大优势可能是它的 Office 应用程序集合, 这些以前的桌面可执行文件正在缓慢而稳定地迁移到云中. 事实上, 云计算收入的一个核算使微软领先于亚马逊, 部分原因在于将其部分 Office 收入纳入了 "云".
Azure Functions 文档中最好的示例之一显示了某人在将电子表格保存到 OneDrive 时如何触发云功能. 突然间, 云中的小精灵活跃起来, 在电子表格中做些事情. 对于喜欢 Excel 电子表格 (或其他 Office 文档) 的 IT 支持团队来说, 这绝对是天赐之物. 他们可以编写 Azure 函数来做几乎任何事情. 我们经常认为 HTML 和网络是云的唯一接口, 但没有理由不能通过 Microsoft Word 或 Excel 等文档格式.
Azure 的逻辑应用程序引起了我的注意, 它是让你填写表单而不用担心语义和语法的工具之一. 你仍然需要像程序员一样思考, 并对抽象和数据做出明智的决定, 但是你可能会说服自己, 你并没有像填写表格那样编写 "代码".
Microsoft Azure 的 Web IDE 允许你编写 Azure 函数, 运行它并通过插入日志记录调用进行调试.
像亚马逊的 Step Functions 一样, Logic Apps 的目的是对 "工作流" 进行编码, 这是一种流行词, 比起平均的 "功能" 要复杂得多, 这要归功于某种状态的可用性. 你仍然可以用类似流程图的方式编写链接各种功能和连接器的逻辑, 但是你不会用官方的计算机语言拼出它.
Logic Apps 的一大优势是预先构建的 "连接器", 可深入到那里的一些较大的微软和第三方应用程序中. 你可以有效地将数据从 SalesApp,Twitter 和 Office 365 等 Logic 应用推送或提取出. 这些连接对于公司 IT 人员来说非常有价值, 他们现在可以通过编写 Logic Apps 来连接外部工具, 就像他们创建的一样 shell 脚本.
Azure 另一个令人感兴趣的地方是 Azure Cosmos DB, 同时是 NoSQL 和 SQL 的数据库. 微软已经复制了 Cassandra 和 MongoDB 的 API, 这样你就可以在不改写 Cassandra 或 MongoDB 代码的情况下输入和输出信息. 或者, 如果你想写 SQL, 你也可以这样做. Cosmos DB 可以让事情保持直线并为所有事情建立索引, 以保持其快速运行. 如果你有很多你想合作的 SQL 和 NoSQL 代码, 这使它成为一个有趣的中心联系. 或者, 也许你只是想在未来为不同的方式敞开大门.
无服务器计算比较
哪个无服务器计算平台适合你? 在所有三个孤岛中编写基本函数几乎都是一样的, 但是存在差异. 最明显的可能是可用语言, 因为每个语言在完成支持 Node.js 和 JavaScript 之后都会播放收藏夹. 你可以为 Microsoft 的 Azure 编写 C#并不令人惊讶, 但它对 F#和 TypeScript 的支持是独一无二的. 亚马逊采用 Java,C#和 Python. Google 目前的基本功能严格限于 JavaScript, 但它在 App Engine 中支持更多的语言.
比较无服务器计算的最难的部分是掌握价格和速度, 因为更多的东西隐藏在底层. 当我将虚拟机以每小时价格定价时, 我常常觉得自己像个疯狂的消费者. 现在, 供应商正在将萨拉米香肠切片得如此薄, 以至于你可以以不到一美元的价格获得数十万次函数调用.
当然, 这种明显的便宜很快就会削弱我们大脑理性的, 预算意识的部分, 就像我们在一个陌生的国家度假时一样, 这些国家的货币种类差别很大. 不久之后, 你将订购另外数百万次的数据库, 就像你在 Cancun 购买一杯酒时一样, 因为你无法快速分配以确定其实际成本.
当云计算推出的是一台原始的虚拟机时, 你可以猜测内存和 CPU 的能力, 但是在无服务器计算的世界中, 你并不真正知道发生了什么.
值得注意的是, 无服务器计算模式几乎迫使你将数据存储在本地云数据库中, 因为你并不是真的被允许在代码中保留任何状态. 你必须相信这些后端. 你的函数必须运行没有任何本地缓存或配置, 因为其他版本总是被创建和销毁. 因此, 数据库胶水代码填满了你的代码, 就像在 "陌生事物" 中颠倒过来的那些藤本一样.
比较成本的唯一真正方法是在所有平台上构建应用程序, 这是一项艰巨的挑战. 可以在三者之间移动一些代码, 因为它们都运行 Node.js, 但即便如此, 你仍然会遇到需要忍受的差异. (例如, 你直接在 Microsoft 和 Google 中处理 HTTP 请求, 但通过 AWS 中的 API Gateway 处理.)
好消息是你不需要那么偏执. 在我的实验中, 许多基本应用程序几乎不使用任何资源, 你可以在免费的三层提供所有这三项优惠以吸引贫穷的开发人员. 无服务器计算模式确实为我们节省了开销. 除非你是一直在接近满负荷运行你的服务器的类型, 并且获得了免费空调, 否则很可能你最终会通过转向无服务器方式来节省一些大笔资金. 你将节省如此多的资金, 以至于你不会争论它是否为每百万次调用 1 美元或 1.50 美元.
有一个更深层的问题. 如果你受够了这些云, 你就会陷入困境. 这不是很容易, 只需将代码关闭并在其他地方的商业服务器上运行它, 你可以使用充满自己的代码的 Docker 容器进行操作. 如果你幸运的话, 你可以复制相同的原始架构和基本的 JavaScript 函数, 但在此之后, 你将在整个地方重写数据库胶水代码. 所有这三家公司都有自己的专有数据存储层.
目前还不清楚事情出错时会发生什么. 运行你自己的服务器意味着, 当不能工作时, 你的老板会窒息你的脖子. 目前还不清楚在这个领域会发生什么. Google 的一个页面包含这个良性警告,"这是 Google Cloud Functions 的测试版. 此 API 可能会以不兼容的方式进行更改, 并且不受任何 SLA 或弃用策略的约束."
亚马逊的服务条款比他们第一次进入这个领域时的表现要好, 但他们仍然包含警告要记住, 例如 "我们可能会在 30 天内通知你并且没有任何责任的情况下删除你的任何内容如果未超过三 (3) 个月, 则上传到 AWS Lambda." 确保你的代码在你想要保留的情况下运行. 像这样的警告肯定是公平的(我知道我的旧 Lambda 函数不会再被使用), 但它显示了你如何放弃一些控制.
微软为 Azure 服务提供服务级别协议, 承诺通过服务积分对停机进行经济补偿. 这些适用于你的功能降级吗? 也许 -- 只要你不徘徊在服务的某个测试区域. 值得花一点时间关注这些细节, 如果你打算建立比儿童聊天室更重要的任务.
来源: http://server.51cto.com/sOS-572656.htm