今天这篇文章，我们来聊一个云计算领域的热门概念——Serverless。

到底什么是Serverless？

英语好的童鞋，可能一眼就看出来了，Serverless是由Server和less两个词根组成的词。从字面上理解，就是“无服务器”。

行业通常所说的Serverless，主要是指“无服务器计算（Serverless Computing）”。

那么问题来了，这年头，就连小学生都知道，服务器是具有很强计算能力的计算机，是我们现在最主要的计算工具。“无服务器计算”，如果不采用服务器，那该怎么算呢？

事实上，Serverless所谓的“无服务器计算”，并不是真的不需要服务器，而是说，对于用户，服务器变得“不可见”了（或者说“无感知”了）。

越说越玄乎了，有木有？别急，还是让我从头开始说起吧——

Serverless的诞生背景

1946年2月，世界上第一台数字式电子计算机ENIAC诞生，标志着人类正式进入了数字计算机时代。

早期的计算机都是大型机，体积庞大，价格昂贵，但是，算力却很弱。当时，这些机器只有很少的公司才能拥有，用于特定的计算目的。

到了1970-80年代，为了解决单点式计算（一台大型机，独立完成全部的计算任务）算力不足的问题，专家们发明了网格计算这样的分布式计算架构，取得了不错的效果。

说白了，分布式计算，就是把一个巨大的计算任务，分解为很多的小型计算任务，交给不同的计算机分工完成，

再后来，随着芯片技术的进步，计算机的体积变得越来越小，算力也变得越来越强劲。不久后，小型化的计算机出现了，也就是我们常说的PC（Personal Computer，个人电脑）。

计算机制造和使用成本的不断下降，加速自身的普及，也刺激了计算机网络的出现与发展。从局域网到广域网，再到互联网，计算机网络的规模变得越来越大。

互联网的出现，彻底改变了计算机服务用户的方式。

此前，一个机房服务于一所学校、一家企业、一个政府部门，现在，有了互联网，服务对象可以是全球用户，规模大大增加了。

用户规模增加，意味着对算力的需求也增加了。互联网服务提供商，需要一种更强大、更便宜的算力，满足用户需求。

于是乎，就有了云计算。

很多人认为，云计算就是一个超大号的机房，和以前的企业机房没有区别，只不过服务器更多些。

这种观点是不对的。

云计算的本质，不是算力资源的简单堆砌，而是池化——它将大量的零散算力资源（廉价的算力资源）进行打包、汇聚，实现更高可靠性、更高性能、更低成本的算力。

具体来说，在云计算中，CPU、GPU、内存、硬盘等计算资源被集合起来，通过软件的方式，组成一个虚拟的可无限扩展的“算力资源池”。如果用户有算力需求，“算力资源池”就会动态地进行算力资源的分配，构建一个虚拟的“计算机”。用户按需使用、付费，即可。

相比于用户自购设备、自建机房、自己运维，云计算有明显的成本优势，可以节约大量资金和人力。

根据提供算力资源的层级不同，云计算通常也分为IaaS（基础设施即服务）、PaaS（平台即服务）、SaaS（软件即服务）。如下图所示：

那么，问题又来了——云计算这种“租”的方式，是不是最终极的算力资源使用方式呢？我们作为用户，使用算力，还能更简单一点吗？

答案是肯定的。

不管是自建机房，还是云计算，用户都需要和服务器打交道，和软硬件环境打交道。这些都是工具和过程，而我们的最终目的是什么？是得到运算结果。

那么，为了得到结果，我们是不是一定要关心环境的搭建过程？

不一定。既然环境可以租，那何不更彻底一点，直接“租”服务呢？

举例来说，如果把计算过程理解为炒菜。以前，我们为了炒菜，需要自己建个厨房，自己买锅碗瓢盆、油盐酱醋，自己亲自炒菜。后来，有了云计算，我们可以租个厨房，租工具，然后炒菜。现在，想要更简单的话，是不是可以直接叫外卖？

再例如，以前，我们上班通勤，是自己买车，自己开车。然后，有了云计算，相当于租车。现在，是不是可以直接打车？

说白了，我们要的是计算服务和计算结果。计算环境（硬件），我们完全可以不去操心。

说到这，我们的主角——Serverless，终于闪亮登场了。

对于Serverless，我们可以把它理解为一种架构，一种理念，甚至是一种思想。

Serverless的核心目的，就是在云计算的基础上，再向前迈进一步，彻底“包揽”所有的环境工作，直接提供计算服务。

在Serverless架构下，开发者只需编写代码并上传，云平台就会自动准备好相应的计算资源，完成运算并输出结果，从而大幅简化开发运维过程。

换句话说，用户完全不用关心厨房，你把食材提供给Serverless平台，它负责把菜炒好，就这么简单。

Serverless的特点

Serverless是云计算的进一步延伸，所以，它继承了云计算的最大特点——按需弹性伸缩、按需付费。

现在的互联网服务，基本上都是采用微服务架构。也就是把一整套服务，拆分为多个细分服务，由不同的服务器完成运算。

Serverless的特点是，这个服务足够“细小”，变成了“函数级”的颗粒度。

所谓函数，就是提供输入，计算输出。

从层级上来看，Serverless在传统云计算SaaS的Application（应用）层级之上，又加了一层——function（函数）。它的颗粒度更细，可以更灵活地满足用户的算力需求。

按照CNCF对Serverless 的定义，Serverless架构是采用FaaS（函数即服务）和BaaS（后端服务）服务来解决问题的一种设计。

FaaS就是Function as a service（函数即服务）。每一个函数都是一个服务，函数可以由任何语言编写，直接托管在云平台，以服务形式运行，通过事件触发。

BaaS则是Backend as a service（后端即服务）。云平台提供的后端组件整合，开发者无需开发和维护后端服务，通过API/SDK的调用，便可获得例如数据存储、消息推送、账号管理等能力。

Serverless = FaaS + BaaS

Serverless的背后，依然是虚拟机和容器。只不过，服务器部署、runtime安装、编译等工作，都由Serverless计算平台负责完成了。对开发人员来说，只需要维护源代码和Serverless执行环境的相关配置即可。这就叫“无服务器计算”。

Serverless架构的最大优势，显然就是帮助用户彻底摆脱了基础设施管理这样的“杂事”，更加专注于业务开发，从而提升了效率，降低了开发和运营成本。

根据业界的统计，在商业和企业数据中心里的典型服务器，日常仅仅只提供了5%～15%的平均最大处理能力的输出。这是一种算力资源的巨大浪费。

Serverless的出现，可以让用户按照实际算力使用量进行付费，属于真正的“精确计费”。

换言之，用户的每一分钱，都花在了刀刃上。

Serverless的发展历程

世界上第一个Serverless平台，是2006年发布的Zimki。这个平台提供服务端JavaScript应用，支持“按照实际调用付费”。不过，当时他们并没有使用Serverless这个名词。

后来，到了2012年，Iron.io的副总裁Ken Form在文章“Why The Future of Software and Apps is Serverless”中，首次提出了Serverless，才宣告这个概念的正式诞生。

2014年11月，亚马逊率先推出了真正意义上的第一款Serverless FaaS服务——Lambda。从此，各大厂商开始跟进。

2017年，Serverless开始在国内落地。这一年，阿里云和腾讯云先后推出了自己的 Serverless平台。阿里云的Serverless平台，被直接命名为函数计算（FC，Function Compute）。

一年后的2018年，阿里云推出Serverless容器服务ASK和Serverless应用引擎SAE。

那一时期，刚好小程序开始火爆。Serverless的灵活架构，非常适合小程序的开发。于是，吸引了大量的开发者们。

到了2019年，国内厂商纷纷入局Serverless。如今，Serverless已经成了各大云厂商的标配，受到整个行业的热捧。

本月初，2022·云栖大会上，阿里云智能总裁张建锋表示，以云为核心的新型计算体系正在形成，软件研发范式正在发生新的变革，Serverless是其中最重要的趋势之一。

他认为，Serverless让云计算从一种资源真正变成一种能力，未来云将全面Serverless化，更加接近“电网”模式，按计算的调用次数付费。

目前，阿里云已经拥有超过20款Serverless产品，包括函数计算FC、Serverless 应用引擎SAE、Serverless容器服务ASK、PolarDB数据库、AnalyticDB数仓等。其中函数计算日调用次数超过200亿次，整体规模位居国内首位。

前面小枣君也提到，Serverless并不是没有服务器的计算，而是将算力环境和资源进行了“隐藏”，让用户不可见，无需操心。事实上，Serverless不仅需要算力资源，而且对算力资源的要求比以往更高。

以阿里云为例。他们之所以能够做Serverless平台，就是因为背后有四大核心技术的支撑。这四大核心技术，分别是：神龙计算平台、袋鼠沙箱容器、盘古存储平台和洛神网络平台。

在算力芯片上，阿里云今年6月新推出的一款云数据中心专用处理器 CIPU（Cloud Infrastructure Processing Unit），也非常擅长对数据中心的计算、网络和存储资源进行管理和加速，帮助进一步提升Serverless平台的性能。

Serverless的落地案例

接下来，我们不妨通过几个案例，详细看看阿里云Serverless平台究竟是如何提升算力效率的。

阿里巴巴每年的双11促销，是行业公认的算力极限挑战。海量用户、高并发，对系统的处理能力有着极高的要求。

2020 年天猫双 11，阿里云实现了国内首例Serverless在核心业务场景下的大规模落地，扛住了全球最大规模的流量洪峰，创造了Serverless落地应用的里程碑。

今年天猫双 11，阿里云Serverless支撑业务场景更多，范围更广。阿里云函数计算（FC）与集团内的运维体系全面实现标准化对接，打通了研发的最后一公里，首次实现了业务全链路“FaaS+BaaS”的Serverless体系化研发，覆盖淘特、淘系、阿里妈妈、1688、高德、飞猪等业务场景。

根据数据统计，支撑场景数量同比增加2倍，峰值流量总数同比增加3倍，实现了百万QPS的突破，人效提升40%。

再来看看外部用户。

网易云音乐，是阿里云Serverless产品的重要客户之一。

他们的产品背后，有非常多的算法服务支撑，比如多种码率的音频转码、听歌识曲中应用的音频指纹生成和识别、副歌检测、小语种音译歌词等等。

这些任务的资源需求和执行时间变化很大，需要使用C++、Python等多种语言实现，对算力的弹性要求非常大。

早期的时候，网易自建了一个算法服务平台，进行应对。但随着业务增长，以及算法复杂度的不断增加，基础设施管理的负担越来越大，严重影响了工作效率。

引入阿里云Serverless平台之后，网易的算法计算需求得到了很好的满足。网易在函数计算上高峰期一天处理超过2000万个任务，算法应用到业务10倍速的提升，稀疏调用的算法成本大幅缩减。

同样的效率提升，还发生在南瓜电影、越光医疗、世纪华联、江娱互动等企业身上。他们都是阿里云Serverless平台的用户。

2021年3月，阿里云函数计算凭借在产品能力、安全性、战略愿景和市场规模等方面的优势脱颖而出，在19个评估项目中，拿到了8项满分和12项最高分，进入了FaaS领导者象限（综合产品能力位列全球第一，战略愿景全球第二）。这是首次有中国云厂商进入Forrester FaaS领导者象限。

结语

随着数字经济浪潮的蓬勃发展，以及各行各业数字化转型的不断推进，算力的价值正在持续提升。

在单纯提升芯片算力方面，我们面临越来越大的挑战（摩尔定律逐渐失效）。在这种情况下，我们必须更多地考虑，该如何提升算力的使用效率。

作为一种灵活轻量化的新型算力架构，Serverless毫无疑问是我们挖掘算力潜力、提升算力效率的一个重要手段。

客观来说，目前的Serverless谈不上完美。在实时性等方面，还存在一些不足。小枣君相信，随着时间的推移，这些问题最终都会得到解决。

Serverless，将引领我们全面走向算力新时代。