Serverless 是一種新興的無服務(wù)器架構(gòu)，使用它的時(shí)候，開發(fā)者只需專注于代碼，無需關(guān)心運(yùn)維、資源交付或者部署。本文將從代碼的角度，通過改造一個(gè) Python 應(yīng)用來幫助讀者從側(cè)面理解 Serverless，讓應(yīng)用繼承 Serverless 架構(gòu)的優(yōu)點(diǎn)。

現(xiàn)有資源：
1.一個(gè)成熟的基因?qū)Ρ人惴ǎ≒ython實(shí)現(xiàn)，運(yùn)行一次的時(shí)間花費(fèi)為 2 秒）
2.2020 個(gè)基因樣本文件（每個(gè)文件的大小為 2M，可以直接作為算法的輸入）
3.一臺(tái) 8 核心云主機(jī)

基因檢測(cè)服務(wù)

我們使用上面的資源來對(duì)比兩個(gè)人的基因樣本并 print 對(duì)比結(jié)果（如：有直系血緣關(guān)系的概率）
我們構(gòu)造目錄結(jié)構(gòu)如下：
.
├── relation.py
└── samples
├── one.sample
└── two.sample

relations.py 代碼如下：
import sys
def relationship_algorithm(human_sample_one, human_sample_two):
# it’s a secret
return result
if __name__ == “__main__”:
length = len(sys.argv)
# sys.argv is a list, the first element always be the script’s name
if length != 3:
sys.stderr.write(“Need two samples”)
else:
# read the first sample
with open(sys.argv[1], “r”) as sample_one:
sample_one_list = sample_one.readlines()
# read the second sample
with open(sys.argv[2], “r”) as sample_two:
sample_two_list = sample_two.readlines()
# run the algorithm
print relationship_algirithm(sample_one_list, sample_two_list)

使用方法如下：
➜ python relation.py ./samples/one.sample ./samples/two.sample
➜ 0.054

流程比較簡(jiǎn)單，從本地磁盤讀取兩個(gè)代表基因序列的文件，經(jīng)過算法計(jì)算，***返回結(jié)果。

我們接到了如下業(yè)務(wù)需求
假設(shè)有 2000 人尋找自己的孩子，20 人尋找自己的父親。

首先收集唾液樣本經(jīng)過專業(yè)儀器分析后，然后生成樣本文件并上傳到我們的主機(jī)上，一共 2020 個(gè)樣本文件，***我們需要運(yùn)行上面的算法

2000 * 20 = 40000（次）

才可完成需求，我們計(jì)算一下總花費(fèi)的時(shí)間：

40000（次） * 2（秒）= 80000 （秒）
80000（秒）/ 60.0 / 60.0 ≈ 22.2（小時(shí)）

串行需要花費(fèi)22小時(shí)才能算完，太慢了，不過我們的機(jī)器是 8 核心的，開 8 個(gè)進(jìn)程一起算：

22.2 / 8 ≈ 2.76（小時(shí)）

也要快3個(gè)小時(shí)，還是太慢，假設(shè) 8 核算力已經(jīng)到極限了，接下來如何優(yōu)化呢？

1.介紹一種 Serverless 產(chǎn)品：UGC

UCloud General Compute

與 AWS 的 lambda 不同，UGC 允許你將計(jì)算密集型算法封裝為 Docker Image （后文統(tǒng)稱為「算法鏡像」），只需將算法鏡像 push 到指定的算法倉庫中，UGC 會(huì)將算法鏡像預(yù)先 pull 到一部分計(jì)算節(jié)點(diǎn)上，當(dāng)你使用以下兩種形式：
•算法鏡像的名字和一些驗(yàn)證信息通過 querystring 的形式 （例如：http://api.ugc.service.ucloud.cn?ImageName=relation& AccessToken=！Q@W#E）
•算法鏡像所需的數(shù)據(jù)通過 HTTP body 的形式

特別構(gòu)造的 HTTP請(qǐng)求發(fā)送到 UGC 的 API 服務(wù)時(shí)，「任務(wù)調(diào)度器」會(huì)幫你挑選已經(jīng) pull 成功算法鏡像的節(jié)點(diǎn)，并將請(qǐng)求調(diào)度過去，然后啟動(dòng)此算法鏡像「容器」將此請(qǐng)求的 HTTP body 以標(biāo)準(zhǔn)輸入 stdin 的形式傳到容器中，經(jīng)過算法計(jì)算，再把算法的標(biāo)準(zhǔn)輸出 stdout 和標(biāo)準(zhǔn)錯(cuò)誤 stderr 打成一個(gè) tar 包，以 HTTP body 的形式返回給你，你只需要把返回的 body 當(dāng)做 tar 包來解壓即可得到本次算法運(yùn)行的結(jié)果。

講了這么多，這個(gè)產(chǎn)品使你可以把密集的計(jì)算放到了數(shù)萬的計(jì)算節(jié)點(diǎn)上，而不是我們小小的 8 核心機(jī)器，有數(shù)萬核心可供使用，那么如何使用如此海量的計(jì)算資源呢，程序需要小小的改造一下

2.針對(duì)此 Serverless 架構(gòu)的改造

兩部分：
1.改造算法中元數(shù)據(jù)從「文件輸入」改為「標(biāo)準(zhǔn)輸入」，輸出改為「標(biāo)準(zhǔn)輸出」
2.開發(fā)客戶端構(gòu)造 HTTP 請(qǐng)求，并提高并發(fā)

1. 改造算法輸入輸出

① 改造輸入為 stdin
cat ./samples/one.sample ./samples/two.sample | python relation.py
這樣把內(nèi)容通過管道交給 relation.py 的 stdin，然后在 relation.py 中通過以下方式拿到：
import sys
mystdin = sys.stdin.read()
# 這里的 mystdin 包含 ./samples/one.sample ./samples/two.sample 的全部?jī)?nèi)容，無分隔，實(shí)際使用可以自己設(shè)定分隔符來拆分

② 將算法的輸出數(shù)據(jù)寫入 stdout
# 把標(biāo)準(zhǔn)輸入拆分為兩個(gè) sample
sample_one, sample_two = separate(mystdin)
# 改造算法的輸出為 STDOUT
def relationship_algorithm(sample_one, sample_two)
# 改造前
return result
# 改造后
sys.stdout.write(result)
到此就改造完了，很快吧

2. 客戶端與并發(fā)

剛才我們改造了算法鏡像的邏輯（任務(wù)的執(zhí)行），現(xiàn)在我們來看一下任務(wù)的提交：
構(gòu)造 HTTP 請(qǐng)求并讀取返回結(jié)果。
imageName = “cn-bj2.ugchub.service.ucloud.cn/testbucket/relationship:0.1”
token = tokenManager.getToken() # SDK 有現(xiàn)成的
# summitTask 構(gòu)造 HTTP 請(qǐng)求并將鏡像的 STDOUT 打成 tar 包返回
response = submitTask(imageName, token, data)

它也支持異步請(qǐng)求，之前提到，此 Serverless 產(chǎn)品會(huì)將算法的標(biāo)準(zhǔn)輸出打成 tar 包放到 HTTP body 中返回給客戶端，所以我們準(zhǔn)備此解包函數(shù)：
import tarfile
import io
def untar(data):
tar = tarfile.open(fileobj=io.BytesIO(data))
for member in tar.getmembers():
f = tar.extractfile(member)
with open(‘result.txt’,’a’) as resultf:
strs = f.read()
resultf.write(strs)

解開 tar 包，并將結(jié)果寫入 result.txt 文件。

假設(shè)我們 2200 個(gè)樣本文件的絕對(duì)路徑列表可以通過 get_sample_list 方法拿到：
sample_2000_list, sample_20_list = get_sample_list()

計(jì)算 2000 個(gè)樣本與 20 個(gè)樣本的笛卡爾積，我們可以直接使用 itertools.product
import itertools
all = list(itertools.product(sample_2000_list, sample_20_list))
assert len(all) == 40000

結(jié)合上面的代碼段，我們封裝一個(gè)方法：
def worker(two_file_tuple):
sample_one_dir, sample_two_dir = two_file_tuple
with open(sample_one_dir) as onef:
one_data = onef.read()
with open(samle_two_dir) as twof:
two_data = twof.read()
data = one_data + two_data
response = summitTask(imageName, token, data)
untar(response)

因?yàn)闃?gòu)造 HTTP 請(qǐng)求提交是 I/O 密集型而非計(jì)算密集型，所以我們使用協(xié)程池處理是非常高效的：
import gevent.pool
import gevent.monkey
gevent.monkey.patch_all() # 猴子補(bǔ)丁
pool = gevent.pool.Pool(200)
pool.map(worker, all)

只是提交任務(wù) 200 并發(fā)很輕松。

全部改造完成，我們來簡(jiǎn)單分析一下：

之前是 8 個(gè)進(jìn)程跑計(jì)算密集型算法，現(xiàn)在我們把計(jì)算密集型算法放到了 Serverless 產(chǎn)品中，因?yàn)榭蛻舳耸?I/O 密集型的，單機(jī)使用協(xié)程可以開很高的并發(fā)，我們不貪心，按 200 并發(fā)來算：

進(jìn)階閱讀：上面這種情況下帶寬反而有可能成為瓶頸，我們可以使用 gzip 來壓縮 HTTP body，這是一個(gè)計(jì)算比較密集的操作，為了 8 核心算力的高效利用，可以將樣本數(shù)據(jù)分為 8 份，啟動(dòng) 8 個(gè)進(jìn)程，進(jìn)程中再使用協(xié)程去提交任務(wù)就好了。

40000 * 2 = 80000（秒）
80000 / 200 = 400（秒）

也就是說進(jìn)行一組檢測(cè)只需要 400 秒，從之前的 7 天提高到 400 秒，成果斐然，圖表更直觀：

而且算力瓶頸還遠(yuǎn)未達(dá)到，任務(wù)提交的并發(fā)數(shù)還可以提升，再給我們一臺(tái)機(jī)器提交任務(wù)，便可以縮短到 200 秒，4 臺(tái) 100 秒，8 臺(tái) 50 秒…

最重要的是改造后的架構(gòu)還繼承了 Serverless 架構(gòu)的優(yōu)點(diǎn)：免運(yùn)維、高可用、按需付費(fèi)、發(fā)布簡(jiǎn)單。

免運(yùn)維 — 因?yàn)槟銢]有服務(wù)器了…

高可用 — Serverless 服務(wù)一般依托云計(jì)算的強(qiáng)大基礎(chǔ)設(shè)施，任何模塊都不會(huì)只有單點(diǎn)，都盡可能做到跨可用區(qū)，或者跨交換機(jī)容災(zāi)，而且本次使用的服務(wù)有一個(gè)有趣的機(jī)制：同一個(gè)任務(wù)，你提交一次，會(huì)被多個(gè)節(jié)點(diǎn)執(zhí)行，如果一個(gè)計(jì)算節(jié)點(diǎn)掛了，其他節(jié)點(diǎn)還可以正常返回，哪個(gè)先執(zhí)行完，先返回哪個(gè)。

按需付費(fèi) — 文中說每個(gè)算法執(zhí)行一次花費(fèi)單核心 CPU 時(shí)間 2 秒，我們直接算一下花費(fèi)
2000 * 20 * 2 = 80000（秒）
80000 / 60 / 60 = 22.22（小時(shí)）
22.22（小時(shí)） * 0.09（元） * 1（核心） ~= 2（元）
每核時(shí) 0.09 元（即單核心 CPU 時(shí)間 1 小時(shí)，計(jì)費(fèi) 9 分錢）

發(fā)布簡(jiǎn)單 — 因?yàn)槭褂?Docker 作為載體，所以它是語言無關(guān)的，而且發(fā)布也很快，代碼寫好直接上傳鏡像就好了，至于灰度，客戶端 imageName 指定不同版本即可區(qū)分不同代碼了

不同的 Serverless 產(chǎn)品可能有不同的改造方法，作為工程師，我比較喜歡這種方式，改造成本低，靈活性高，你覺得呢？如果對(duì) Serverless 架構(gòu)或者 UGC 感興趣的話可以添加微信 u_nknow 加入我們的技術(shù)交流群！