共计 5845 个字符，预计需要花费 15 分钟才能阅读完成。
简介：看到现在 Serverless 在云计算行业喷薄欲出的态势，像极了《星星之火，能够燎原》中的形容：尽管不能预测将来的倒退和变动，但对于云计算来说这是个绝对确定的方向。本文将和大家说说关系型数据库与 Serverless。
作者 | 韦仁忠
起源 | 阿里开发者公众号
对于 Serverless
看到现在 Serverless 在云计算行业喷薄欲出的态势，像极了《星星之火，能够燎原》中的形容：尽管不能预测将来的倒退和变动，但对于云计算来说这是个绝对确定的方向。
从 Google Trends 的 Serverless 关键字的趋势能够看到，对于 Serverless 的搜素始终居高不下，并且在将来的一段时间内也会放弃相当的热度。从 2015 年开始，以 AWS 为代表的国外云计算大厂也在一直的布局 Serverless 相干的产品，AWS Lambda、Aliyun FAAS，数据库畛域的 Aurora Serverless、RedShift Serverless、Azure SQL Database 等。
学术界对 Serverless 的钻研热度也不亚于工业界对商业化计划的谋求，文末列出了一些相干文章作为参考。对于云计算往 Serverless 演进的趋势，学术界也经验过一些质疑，2018 年“Serverless Computing: One Step Forward, Two Steps Back”[3] 文章已经对 Serverless 的倒退给当初 IT 基础设施带来的冲击示意过担心，但 2019 年同一拨人在这个方向上又体现出了反对和乐观的态度。从 Serverless 畛域被援用次数较多的论文上看到，支流科研机构对 Serverless 的趋势和方向钻研上趋于统一，钻研重点也缓缓从“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拟全面的剖析和预测。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。该篇文章连续了之前的格调，剖析了现状和难点，预测了云计算 2.0 的状态 Serverless 作为下一代基础设施，也定义了 Serverless 的次要三个特色：
- 资源的解耦和服务化：弱化了存储和计算之间的分割。服务的贮存和计算被离开部署和免费，存储不再是服务自身的一部分，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，同时也升高了数据失落的危险。
- 主动弹性伸缩：代码的执行不再须要手动分配资源。不须要为服务的运行指定须要的资源（比方应用几台机器、多大的带宽、多大的磁盘等），只须要提供一份代码，剩下的交由 Serverless 平台去解决就行了。以后阶段的实现平台分配资源时还须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。现实的状况是通过某些机器学习算法来进行齐全主动的自适应调配。
- 按使用量计费：Serverless 依照服务的使用量（调用次数、时长等）计费，而不是像传统的 Serverful 服务那样，依照应用的资源（ECS 实例、VM 的规格等）计费。
值得一提的是 [5] 这篇文章有泛滥云计算厂商的背书，包含 AWS、Micorsoft、Google、Alibaba 等，同时文章也间接以 AWS Lambda 服务作为样板去剖析 Serverless 的问题。Serverless 自身的技术难度，这篇文章列举了多项内容，这里不做赘述，能够具体读一下文章。
对于 Serverless 的技术实现 [3] 给出了一个可行的零碎实现形式，当然还是以 FAAS 为背景。其中提到 Serverless 关键技术门路包含：
- 对立的规范运行环境反对多语言的运行时对立治理
- 轻量级 / 蝇量级平安容器（在 [4] 中额定提到平安和隔离的重要性）
- 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，函数计算的实现形式，却与数据库 Serverless 非亲非故。
数据库的 Serverless
数据库品类繁多，关系型数据库自 1979 年 E. F. Codd 对于关系模型的形容 [7] 开始，后来者大多只是模拟，而尚未在用户接受度和规模上有超过。
数据库不仅仅是一个“stateful”的利用，而且是一个“state-heavy”的利用。数据库是 Serverless 最不敌对的利用之一，包含云原生基础设施 kubernates 对于 stateful 利用的反对，也是等到 StatefulSet 和 operator 之后才有一个比拟好的解决方案。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初一个堡垒。
对于 Serverless 的定义，文章给进去一个公式：Serverless = FAAS+ BAAS。将 FAAS（Functions as a Service）定义为事件、API、音讯驱动的计算层；将 BAAS（Backends as a Service）定义为相似数据库、音讯队列等后端服务。
“State-heavy applications will remain as BaaS”是目前对于数据库的一个根本认知，但这与数据库自身是否具备肯定水平的 Serveless 能力其实是两回事。前者强调的是在利用向 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可能满足“资源解耦”、“主动弹性”、“按使用量付费”的特点，某种程度上也能够认为是 Serverless。
数据库 Serverless 的难点到底在哪里？
数据库做 Serverless 有若干难点[4]，总结如下：
- Serverless 没有内置的长久化存储，须要依赖远端存储，这就会导致在延时上较高；
- 客户端是基于连贯的形式拜访数据库，在客户端往往会保护连接池的形式供给用拜访，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 IP+User+password 鉴权的形式迥异；
- 很多高性能的数据库应用共享内存技术，而 FAAS 自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静扩大能力不统一
其中尤其要留神的是第 2 点，在利用进 FAAS 之后，以后的数据库拜访形式曾经不适用于 Serverless 生态：
- 服务器与 DB 做连贯放弃，这就意味着拜访状态是由客户端和数据库独特保护，而 FAAS 无奈做到连贯持续保持的能力；
- 服务器通过 driver 和连接池的形式拜访数据库，每次的连贯初始化绝对较重，FAAS 上无奈接受如此重的连贯初始化工作；
- 服务器拜访鉴权通过 user/password/ip 的形式拜访数据库，而 FAAS 多租户场景所有用户共享 IP 地址池，user/password 内置到 FAAS 当中也裸露了极大的平安危险；
数据库须要一种新的拜访形式，间接影响到数据库是否作为 Serverless 生态当中的一部分，间接影响到以后 Serverless 利用做全栈 Serverless 革新。其重要水平甚至大于数据库 Serverless（资源解耦、极致弹性、按使用量付费等）自身。
当然数据库自身要做的事件远远不止如此，数据库自身要实现高效的弹升弹降，波及到更多的管控和内核严密的联动。
他山之石
行业翘楚 AWS 在 Serverless 相干的布局从 2015 年推出 Lambda 开始，引领着这个方向的倒退。这里更多的关注在数据库方面，联合 AWS 在 Aurora Serverless 上的取舍，洞察 AWS 对于数据库 Serverless 的了解。
从 Aurora Serverless V1 发表于 2018 年，在 Serverless 的理念上做了大胆的翻新，做了几件事件：
- 以 ACU 的形式去对立底层的资源，不再对下层裸露底层具体的机型和代数。1ACU“相当于”2GiB 的 RAM，对立对底层资源做了标准化和规范化的解决。这与 Serverless 理念中资源的解耦、以及对底层资源的屏蔽统一；
- 反对主动启停，在无负载的状况下反对将计算节点升高至“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。主动启停在个别场景下首次拉起须要 30s 左右，就义了局部 auto scale 的能力；
- 数据库弹性过程中内核相干 buffer pool 等参数随着资源配合的变动而发生变化，这也是数据库这种非凡的利用场景须要做的一些非凡解决；
- 2019 年推出 Data API 性能，补全了数据库作为 BAAS 接入 FAAS 的能力，解决了后面提到的生态兼容的问题。
2020 年公布的 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 能力上做了加强和取舍：
- 将 V1 中弹性能力持续晋升至秒级，做极致疾速的弹性。将 V1 中跨机降级的能力优化为本地降级的能力，保障业务在弹性过程中不受损。从 Aurora Serverless 只在 3.0.2 这一个版本上反对能够看出，内核层针对 Serverless 场景也做了大量的优化；
- 去除了 V1 中对于主动启停的能力，用户能够手动启停实例；更加关注实例的 auto scale 能力，最小资源升高至 0.5ACU 而非 0，就义了局部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激进，以保障业务压力状况下对业务的影响尽可能小。
从 V1 到 V2 的变动，比照 V2 和 V1 的 User Case 能够看出，Aurora Serverless V2 次要解决的是从“开发测试环境”到无限场景下的生产环境的转变，至于底层的实现原理，能够从一丝丝蛛丝马迹中去探索。联合其余云的做法，Serverless 的能力目前还是看重这个理念，各个厂商也在以本人的产品状态去向贴近这个理念，至于说一统行业标准的产品化计划，还为时过早，这一畛域大有可为。
将来可期
从 2009 年开始，云的能力一直加强，云的实质是资源的池化，而这些资源不仅仅蕴含硬件资源，更蕴含业余的技术人才、以及外围的技术专利规范等。通过了十来年在规模和老本上的强烈竞争，IAAS 资源也在一直的向 Serverless 的方向演进，以阿里云自身为例，包含弹性的存储 AutoPL、弹性的容器 ECI、Serverless 服务引擎 SAE。底层能力的加强也意味着下层 PAAS 层和 SAAS 服务有了更快的向 Serverless 演进的门路，阿里云数据库就是其中受害的一方 PAAS。
如果开源托管产品 RDS 能够看成是云数据库服务 1.0，自研产品如 PolarDB 和 Aurora 能够看成是云数据库 2.0，那么 Serverless 将会是云数据库服务的 3.0。其中，客户利用跟数据库交互方式的扭转（例如，从 JDBC/ODBC 向 Restful API 转变），将会具备重要意义。
从艾瑞 2022 年初对数据库云管平台的发展趋势预测[9]、以及联合云的趋势和 Serverless 自身，咱们能够对 Aurora Severless 将来的倒退方向做一些大胆的预测：
- 智能化加持：从 re:Invent2021 公布的 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 的场景能够做出更多的精准预测，让“响应式”扩容降级为“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 伎俩：扩容是最无效间接应答数据库流量的形式，然而有了更多智能化的伎俩之后，单纯的“扩容”曾经有更多抉择，主动索引优化、智能调参会是很好的选项；
- 主动的横向扩大能力：scale out 和 scale up 同样能够应答业务流量的变动，但 scale out 的复杂程度要远远高于 scale out 自身，也是个可能的选项；
- 低成本硬件大规模应用：ACU 的单位定义屏蔽了底层资源属性，ARM、x86 还是 RISC- V 曾经不是那么重要，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，咱们将在后续的文章中做重点的介绍，咱们会以一个规范的网站利用（前端页面 +API 服务器 + 数据库）为样板，介绍如何在 FAAS+BAAS 的架构下一步步做全栈 Serverless 的革新，真正做到“0”服务器。
作者介绍：
韦仁忠，以后次要负责 RDS MySQL 管控产品建设，欢送有志之士加盟 RDS 产品部，邮箱：renzhong.weirenzho@alibaba-in…
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 Performance”，IEEE 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: https://www.iresearch.com.cn/… 艾瑞征询
原文链接
本文为阿里云原创内容，未经容许不得转载。
