共计 2146 个字符，预计需要花费 6 分钟才能阅读完成。
作者：吴森梵（仰森）
在刚刚完结的 2022 杭州 · 云栖大会上，阿里云发表函数计算 FC 开启全面提价，vCPU 单价降幅 11%，其余的各个独立计费项最高降幅达 37.5%。函数计算 FC 全面提价，让 Serverless 更加普惠，用户可随用随取，按量计费，用更低成本采纳 Serverless 架构，然而函数计算 FC 到底在技术上作出怎么的降级才促成本次提价产生呢？本文将全面揭秘幕后关键技术——函数规格自主选配性能。
痛点：规格灵便度低，老本节约
随着越来越多用户逐渐将更多样化的负载部署至函数计算，比方 CPU 密集型，IO 密集型等，这些负载中有的须要更大的磁盘，但函数计算却只提供了依照内存大小等比例调配算力的能力，此时为了满足需要最大的一项，用户须要设置比理论所需更大的规格，这并不利于更准确的管制老本。但因为可选的规格计划数量较少，加上较大的梯度，进一步减弱了灵活性。
为解决以上痛点，函数计算提供了规格自主选配性能，不仅放开了 CPU 和内存固定比例的限度，同时提供极小的梯度，准确地设置函数规格，让函数须要多少用多少，晋升资源利用率的同时，升高用户老本。
规格自选性能如何帮忙升高用户老本？
接下来以具体案例进行展现，让大家直观地理解函数规定自主选配性能的劣势。
贴合理论资源用量的函数规格
下图展现了函数运行期间 vCPU 和内存的应用状况，该函数的 vCPU 用量始终低于 1.5 核，内存用量低于 6GB，资源节约显著，用户须要为没应用到的资源付费。
在推出自主选配性能前，函数计算提供的内存规格有 4GB、8GB、16GB、32GB。因为该函数内存最大使用量超过 5GB，为确保函数失常执行，只能配置内存为 8GB，该内存对应的 vCPU 规格为 4 核。
当初，咱们能够将函数规格调整为 1.5 核 vCPU 和 6GB 内存，显著晋升资源利用率的同时，老本也升高到了原来的 44%。
- 调整前：4 核 8GB 规格的函数，每秒费用是 4 核 0.000127 元 /(核 秒) + 8GB0.0000127 元 /(GB秒) = 0.0006096 元
- 调整后：1.5 核 6GB 规格的函数，每秒费用是 1.5 核 0.000127 元 /(核 秒)+6GB0.0000127 元 /(GB秒)=0.0002662 元
tips：察看监控指标页面的实例指标，如果函数不能充分利用 vCPU 或内存资源，思考调整函数规格以降低成本。
更细粒度 GPU 算力
在一些算法场景下，咱们将模型部署到云上提供在线推理服务，假如模型须要应用 1.8GB 的显存，如果采纳传统计划，购买装备 GPU 资源的云服务器，最低显存是 8GB，运行单个在线推理服务时，GPU 利用率低于 25%，存在微小的节约。即便通过单机运行多个在线推理服务来进步利用率，但须要额定开发申请调度性能、均衡其余类型资源的调配，减少开发和运维的复杂性，并且弹性能力简直为 0。
相比于持有整张 GPU 卡，应用函数计算能够仅为函数调配 2GB 的显存，实现对资源利用率极致压迫的同时，也播种了弱小的弹性能力，节俭资源老本和运维老本。
立刻体验
规格自主选配性能现已对所有用户凋谢，您能够在函数计算控制台的函数配置页面批改 CPU、内存、磁盘和 GPU 资源的规格，但需满足如下具体规定如下：
- vCPU：在 0.05 核到 16 核的范畴内，且是 0.05 核的倍数
- 内存：在 128MB 到 32GB 的范畴内，且是 64MB 的倍数
- GPU：在 2GB 到 16GB 的范畴内，且是 1GB 的倍数
- 磁盘：提供了 512 MB 和 10GB 两种规格，函数计算为每个实例提供 512 MB 的收费磁盘空间
如果您应用 Serverless Devs 工具，能够通过配置 function 字段的 memorySize、cpu 和 diskSize 属性实现雷同的成果，其中 memorySize 和 diskSize 的单位为 MB，cpu 单位为核数。
实现技术揭秘
从上文介绍的案例，能够感触到该性能的实用性和价值，而且这并不是一个简单的性能，但为什么当初才推出呢？
要答复这个问题，咱们须要理解函数计算资源管理系统的工作原理。
高密部署
过来，函数计算应用 Docker 创立容器作为函数的运行环境，为了保障多租环境下的平安，为每个用户调配独立的虚拟机，即便只须要运行 1 个 128MB 的小函数，也须要调配一台 2 核 4G 的虚拟机，平台承当了资源节约。因为虚拟机的规格都是固定的，为了进步平台的资源利用率，在设置函数规格时，只容许设置内存大小，并且 CPU 与内存的比例与虚拟机规格相近。
当初，函数计算在弹性裸金属服务器上通过平安容器运行用户的函数，单机运行 2000+ 函数实例，实现高密部署，升高平台老本。
调度优化
实现了高密部署后，还不能间接提供自主选配性能，因为这个性能会导致函数的规格品种出现多样化，各种可能的配比会减少函数计算的调度复杂性，升高平台资源利用率。例如一台裸金属服务器上运行了多数函数实例后，就将 CPU 打满，而内存利用率仍在较低水位，但此时曾经无奈在该机器上创立新的函数实例。
对于这个问题，函数计算对函数进行资源画像，统计函数对每种资源的应用状况，在调度函数实例时，抉择最有利于资源互补的机器创立实例。
基于多年来的技术积淀和高效的调度策略，函数计算一直进步资源池利用率，这也让咱们敢于提供自主选配性能，为用户提供更灵便的体验，更轻松地享受 Serverless 技术的红利。
点击此处，中转函数计算！