本文总结于分众传媒研发总监吴松在阿里如此原生实战峰会上的分享，从三个方面详细讲述了对 Serverless 技术的探究。

分众传媒的事务现状

分众传媒的事务场景很简单，便是广告主买量，然后进行投进排期和计算，最终进行作用展现。事务场景前期要做广告设计、视频处理，后期还有一个广告投进、作用展现，或许会给客户供给各式各样的数据展现。分众传媒首要的事务形状有静态海报（市场占有率超过 73%），电梯屏幕 30 万块，掩盖 91% 中高档的写字楼。

咱们把云原生运用架构运用于手机 APP 和视频终端，而事务运用则有许多，比方员工接入、CRM、视频处理、图片辨认、数据上报、数据剖析、视频直播。其中，视频直播是新开发的事务，便是为了把直播视频实时推到分众传媒的屏端上。

云服务则用到 SLB、MQDT、转码服务、IoT 等等。先说一下 IoT，咱们现在一切屏端都是用的都是阿里云的 IoT 服务。这项服务带来的最大优势是屏端连通率大约能够保持在 95% 左右，这大大提高了团队工作功率。

由于曾经咱们的屏端都是要人工去插卡上刊，现在接入 IoT 之后，咱们的事务量从原来的 50% 提高到了现在的 95%，也便是说，在外面 100 台设备有 95 台设备连网，这能够很好地支撑咱们的事务，给咱们的技术完成带来了很大的价值。

别的，咱们有 200 万个静态的电梯海报，每周都需求上刊，在上刊之后会有图片处理的流程。这块现在运用的是主动辨认处理，每次上刊之后需求判断图片是否上错或许图片有没有放反。这一系列操作现在悉数能够实时通知到上刊人员，一旦呈现上刊之后图片放错、放反的问题，能够及时经过手机短信通知到相关担任人，提示他们立刻采纳办法去处理，确保在一个小时之内完成。

Serverless 的探究实践

传统服务器无法满足咱们的事务高速增长，首要有三大痛点。耗时太长、资源利用率低、运维杂乱，对人员技术要求高。

• 耗时太长：曾经的人工上刊无法及时知道上刊是否正确或许过错，需求花费许多时间去核对和修改；
  
• 资源利用率低：上刊的首要事务是集中在周六和周日，因而一切资源基本在周六周日运用，大部分时间段是不需求运用服务器资源的；
  
• 运维杂乱、人员技术要求高：大家都会遇到的惯例痛点，由于事务的杂乱度对相关事务人员的技术要求也高，同时也需求招聘更高级的人员来支撑对应的运维工作。

于是，关于咱们来说，上云有两个挑选。第一个是用 K8s 服务自己建立一套容器集群，第二个是用函数核算 FC。那咱们是如何挑选的呢？

在挑选 Serverless 时，其实咱们也有一些担忧。第一是大规模的实践事例，第二是图象辨认的算法往往很大，函数核算 FC 能否适用？第三，FC 最高规格只能支撑 2C3GB，这对咱们事务有很大的考验。第四，是否能够供给 CPU 运用和内存运用的监控等等。这些都是咱们很担忧的一些问题。

K8s 和 Serverless 运转原理的差异大家能够从上图中看到，假如用 K8s 恳求云主机，咱们需求自己建立 K8s，经过对外的 API 来供给恳求；而运用 Serverless 核算渠道，咱们不需求关怀用了多少服务器或许多少人力，咱们只需求关怀每一次 API 恳求是否正确到达和触达，就能够承认每次的图象辨认是否有确切辨认到图片，并把辨认过错的东西发出来，通知到上刊人员。

因而咱们最终挑选了函数核算，由于它有以下 3 个杰出优势：

• 主动弹性缩短：比方只需求告知他每周六每周日有两百万处理量，要在两天完成，其中顶峰是早上九到十点或许下午三到四点，就能够完成资源的主动弹性缩短；
  
• 资源免运维：处理咱们需求请专业人员来担任支撑运维的痛点；
• 可供给大规模的辨认才能：当咱们恳求每天上刊人员在早上六点、七点、八点上刊时，背面能够实时的，在固定时间供给算力；
  

咱们用到许多开发言语，例如 PHP、C++、Python，假如用 K8s 去改造，难度很大。但假如用 Serverless，改造本钱就小许多。

咱们在图片辨认系统进行了的开始试水，便是方才说的咱们分众有两百万电梯海报，每周上刊需求每张图片精准送达。所以说咱们在上线图片辨认系统时，每一张图片都会上传 OSS，经过 OSS 打通咱们 MNS 服务，再把音讯发送到函数核算 FC，然后再对音讯进行处理，之后就能够对图片进行加水印、图象辨认、图片匹配了，然后能够精准地告知正在上刊的工人，你的图片上刊成功了，能够上刊下一张图片了。

在这个事务峰值图上能够看到，FC 支撑一分钟内扩充到 7000+ 的实例。假如咱们自己布置 K8s 会牵扯到许多人力和物力，因而咱们最终挑选了 Serverless。

All On Serverless 化繁为简

2021 年年底咱们对 Serverless 进行了事务晋级。曾经服务是在 NAS 上，这会导致咱们们必须实时重视 NAS 有没有挂掉，由于 NAS 挂掉的话，FC 事务就发动不起来了。比方咱们周末排查事务时发现 NAS 挂掉了，导致算法接不进这类问题。于是，咱们对服务端就进行了晋级，把事务放在容器里，经过镜像来布置，这样能够提高缓存，处理很大的顶峰时的事务问题，镜像发动比曾经经过 NAS 挂载要快许多，这是对事务提高最大的地方。

晋级后的 Serverless 供给了丰厚的监控目标提高监控功率，提高了许多过错计算、CPU 功率等目标，能够根据监控数据快速定位到现在事务运转状况。

经过 Serverless 的实践，能够让咱们的开发更重视到事务开发里，比方能够让图象辨认的开发人员更重视图象辨认的辨认率，把更多运维工作交给 FC 去处理，所以说 Serverless 给咱们供给了极致弹性、主动扩容、应对流量突增、让开发愈加重视事务等益处。

们用了 Serverless 之后，能够看到团队的开发运维功率提高了 80%，核算本钱下降了 50%。曾经咱们会布置许多的服务器，以及 GPU 服务器去完成咱们的图画算法的一块事务，现在咱们都不用了，弹性作用提高了十倍以上。

总结和考虑

咱们现在将 Serverless 首要运用于图象辨认算法上，他具有 CPU 密集型、对弹性有极致要求的特色。此外，Serverless 也适用于事件驱动的事务模型，来简化架构杂乱度，然后不需求重视背面的东西。假如用 K8s，这会牵扯到许多的事务逻辑。

后续，咱们还会考虑将 Serverless 和 Kafka 进行结合，用在大数据的处理上，这样的功率会更的，简化Flink的运用本钱。视频直播事务上，直播流实时推送到视频终端的部分，也是咱们尝试运用 Serverless 来处理。

微服务方面，咱们也正在考虑另一款 Serverless 形状的产品——Serverless 运用引擎 SAE，来简化咱们的运维、提高功率，值得等待。