乐趣区

关于云计算:函数计算导论-AI-时代助燃剂

开始之前

开始之前请先鉴赏各家私有云的函数计算(自行鉴赏,笔者不发表任何评论)

阿里云:

腾讯云:

Laf:

函数计算价值

每个企业都应该标配一个函数计算平台,不论是间接应用私有云还是波及敏感数据须要公有部署,因为函数计算能够为企业夸大的节俭大量老本,极大效率的晋升业务更新迭代速度,帮忙企业更快倒退。

传统形式 函数计算 价值
利用开发周期 以月为单位 天 / 小时 / 分钟 利用迭代速度是企业高速倒退的灵魂
参加人员 开发 / 运维 开发 &AI 原先须要一个组做的事,借助函数计算可能只须要若干开发人员,借助 AI 能力甚至只须要懂需要的人参加
人员要求 业余要求高 业余要求低 能写业务逻辑的就行,不须要太业余的常识。
资源要求 浪费资源 / 利用率低 资源利用率极高 资源均匀利用 30% 以下的基础设施借助函数计算都可降本 50% 以上。

利用开发周期

比方我司开发一些功能模块很多真的就是分钟级,而且复用性极强,比方各种三分钟系列:

  • 三分钟实现注册登录
  • 三分钟接入微信领取
  • 三分钟实现 chatGPT

这里不是写个 demo 玩玩,而是真的能够提供线上服务的能力,最重要这三分钟不是写完代码,而是蕴含了代码在线上运行!写完即公布,点击保留,关机走人。

所以基于函数计算去开发利用,开发周期的单位都是以分钟 / 小时 / 天来计算。我的合伙人马斯洛同学常常在和他人散会教他人怎么做时就把货色给写完了,效率高到夸大。

这很像一个齐全可定制化的业务中台,不是简略拿到一个业务接口,而是拿到之后很不便就能够定制。比方给你个微信领取接口 不如给你个微信领取 function, 有了 function 你就很轻松加本人的领取逻辑了。

参加人员

应用函数计算一个人顶一个团队丝毫不夸大,首先就是运维人员在这个模型中是不存在的,连运维的动作都不存在,就像你公布一篇博客须要运维动作或者运维人员帮你吗?既然公布博客能够不须要为什么公布业务代码须要?

其次什么 devops 什么容器 kubernetes,对不起老夫只会一把梭,k8s 单词怎么拼老夫都不晓得,也不须要晓得。

函数计算现实状况下又顺便干掉了企业外部的 devops 团队。所以现实的状况是企业只须要保留大量的开发人员,他们只关怀业务逻辑,这剩下来的人力老本是夸大的,这样玩大多数企业都可裁员 50%,须要是公有云可能须要额定投入 1 集体来保护这个函数计算的平台即可。

最现实的状况是开发人员也不须要了,会写需要即可,AI 全副生成代码,这一天必定不远了(笔者也是开发者,美团外卖账号都注册好了,AI 短期还没法送外卖)

人一多必然减少沟通协调这些隐性老本,这是不太能看的到然而巨高老本。

人员要求

以前须要月薪大几万能力写出平安稳固高并发的程序,当初月薪 3k 的人真能写,函数计算平台解决其它问题,什么高并发横向伸缩平台全解决了。

AI 又进一步升高了对人的要求,我其实不怎么会写 typescripts,以后在 AI 的帮忙下写出生产可用的代码简直没问题。要害是 AI 还在进化,技术爆炸式进化,三年之内 AI 的编码能力会让人类可望不可即,人类更多是给 AI 打打杂,AI 是主程。

资源要求

凡是资源利用率在 30% 以下的,都有十分大的降本空间,应用函数计算的降本可不是降一点点,而是老本“脚脖子斩”。

比方一个场景须要部署 5000 个小利用,传统形式怎么的得搞 500 台虚拟机,一台 10 个密度不低了,10 个还有很麻烦的治理问题了,利用之间还要求不能打架。

而用函数计算,能够夸大的塞到 10 台服务器上。低频利用一个节点跑个 500 个函数很失常。还齐全不必关怀利用的治理和隔离高可用等问题。

对于高并发的利用无非就是多跑一些函数正本而已,也就是整体利用率没达到水位的时候就能够始终塞满为止。

其实很多企业超过 100 人的研发团队用传统形式运行利用的都在很大水平上浪费资源,即使应用了容器等技术相比函数计算还有很大的晋升空间。

咱们本人跑了 1000 多函数就只用了 10 台低配虚拟机。业务增长时简略加服务器就好。

函数计算不出圈的三座大山

函数计算都这么厉害了,那岂不是人人都该用,应该早就火爆了才对,为啥当初来看整个市场仍然没有出圈?

我总结次要有以下三点:

  • 公众市场很难承受变动,相熟的开发方式难以转变,即使新的形式有很多劣势,对于破坏性翻新的天生回绝。
  • 大部分利用无奈在 function 中全副闭环掉,导致还是须要依赖其它的开发方式。图不便的人又须要因为一部份小需要回归到老的形式上。
  • 先进的非 serverless 框架的竞争与挑战。(比方用 java 做 fun, 必然会被 spring cloud 挑战,用了 function 可能就得丢掉其它框架的优越个性。)

开发方式的割裂

绝大多数函数计算都是须要改代码的,没有方法和以前的代码放弃兼容,也不太容易把代码复制到传统的环境中去运行,这样导致已有的业务都须要改代码能力享受微小的益处,所以尽管利益很大革新老本也很高。

而公众市场对于变动是天生回绝的,绝大多数公司的口号都是拥抱变动,然而变动真的来的时候又都变成了激进主见。

而且你不能确定明天改完了代码今天又进去个更先进的技术。

非 serverless 框架的挑战

还有就是面临其余优良编程框架的挑战,比方你做 java 的 function,然而支流的形式是 spring cloud,你如果兼容 srping cloud 框架那你可能就不是 function,如果你不兼容那就得在编程体验上做的比 srping cloud 做的更好。

你相对很难在各种编程语言中把你的 function 框架做到最风行。所以绝大多数人不违心从那些优良并且用的很相熟的框架中迁徙。

局部需要无奈满足

函数计算的难堪中央就在于总有那么点场景无奈满足,举个例子很多的 function 不反对常驻过程,这样就没法做长链接(当然有些曾经反对了),这样开发者又得搞个传统的形式来反对这一个小个性,笔者最开始时就是遇到这个状况,本想 all in function 来省事的,后果为了长链接又得搞台虚拟机,让事变得更简单须要保护两套,所以起初索性摈弃了 function。

长链接只是个例子,还有其余 n 个需要满足不了导致用 function 的难堪地步。比方 function 的冷启动,有调用时还会耗费资源,这听起来好性感,然而业务跑起来想吐血,比方这样连一个 chatGPT 的会话放弃都做不了。

所以这个技术不够通用导致用起来难堪。

函数计算如何才会风行

所以 函数计算要出圈,就必须解决掉下面三大外围问题。

咱们首先要把门槛升高再升高,编程体验优化再优化。比方 laf 在 40s 就能体验开发上线全流程,整个过程无门槛,咱们非技术背景的投资人都很简略的搞定了整个上线过程。

这个首次体验的过程凡是有一点点阻碍或者体验不好的中央,让用户莫衷一是的中央都会间接劝退 90% 的人。

不仅产品要简略,计费计划也要简略,当初很多厂商的计费计划讲真的,你花一周工夫去算都算不明确,形同虚设的价格方案设计,鬼晓得我的函数调用时长有多长,花一周去钻研怎么免费的,这不是太可笑了嘛。

肯定要开源,因为用户都不晓得你这个 function 今天还在不在必定用起来十分禁忌,即使大厂也有下架服务例子(这里不点名了),还有随便提价格的例子(也不点名了)。还有就是很多场景客户须要源码交付的也都无奈反对。开源的益处是最坏状况就是提供服务的公司凉凉了,用户还是能够本人部署和应用。

面对非 serverless 的优良框架的挑战,这里惟一的方法就是本人成为优良的风行框架,laf 开源以来公布过两次文章,两次都实现了爆发式增长,也在 github 趋势榜上待了一周,公布当天每天有 400 多利用被创立,付费上线 6 小时营收过千,每日 star 增长 50+,这只是个开始,laf 成为风行的 function 不可企及。

对于局部需要无奈满足这个状况,肯定要留神不要去谋求高大上的技术,而要想业务到底须要啥,就以冷启动为例技术计划搞得天花乱坠,业务上间接进一步加深了割裂感,因为原本绝大多数业务都是在跑常驻过程的。你能够说冷启动节省成本节俭资源,那祝贺你胜利每个月为企业节俭了 15 元!放弃大量存活容器花不了几个钱的。那种申请来了创立容器挣了一大堆预热疾速启动的计划等等堆了一堆技术专家才是真的老本。laf 就抉择了常驻过程,这样根本外围解决的是屏蔽掉写业务逻辑之外的其余事,而对原生的运行形式不作扭转,这样割裂天然就小,而且能满足绝大多数需要。还有个十分重要的一点就是 laf on sealos 所有的扩大都能够在 sealos 云操作系统中进行,比方在 sealos 上跑 AI 引擎应用 laf 去调用,完满联合。

最初一点就是机会,functions 是新的货色,所以更适宜在新的浪潮中暴发,也就是 AI 的崛起,这个大浪潮下必然会有很多新的利用须要被开发进去,而选择函数去开发 AI 利用的公司必然在竞争中胜出,因为这个浪潮中兵贵神速,他们开发依照分钟小时计,而传统的公司还在缓缓迭代上线必然在竞争中失败。比方咱们开发的 chatmind AI 生成脑图的利用就用了一天,上线当天就有 10000 注册用户,这是传统形式相对做不到的。所以函数计算会随着 AI 独特崛起。
sealos 以 kubernetes 为内核的云操作系统发行版,让云原生简略遍及

laf 写代码像写博客一样简略,什么 docker kubernetes 通通不关怀,我只关怀写业务!

退出移动版