Faas 典型场景——应用负载有显著的波峰波谷,典型用例-基于事件的数据处理
2017-05-12 09:41
786 查看
Serverless适用的两大场景
场景一:应用负载有显著的波峰波谷
Serverless化与否的评判标准并不是公司规模的大小,而是其业务背后的具体技术问题,比如业务波峰波谷明显,如何实现削峰填谷。一个公司的业务负载具有波峰波谷时,机器资源要按照峰值需求预估;而在波谷时期机器利用率则明显下降,因为不能进行资源复用而导致浪费。
业界普遍共识是,当自有机器的利用率小于30%,使用Serverless后会有显著的效率提升。对于云厂商,在具备了足够多的用户之后,各种波峰波谷叠加后平稳化,聚合之后资源复用性更高。比如,外卖企业负载高峰是在用餐时期,安防行业的负载高峰则是夜间,这是受各个企业业务定位所限的;而对于一个云厂商,如果其平台足够大,用户足够多,是不会有明显的波峰波谷的现象的。
场景二:典型用例-基于事件的数据处理
视频处理的后端系统,常见功能需求如下:视频转码、抽取数据、人脸识别等,这些均为通用计算任务,可由函数计算执行。
开发者需要自己写出实现逻辑,再将任务按照控制流连接起来,每个任务的具体执行由云厂商来负责。如此,开发变得更便捷,并且构建的系统天然高可用、实时弹性伸缩,用户不需要关心机器层面问题。
使用小tips:函数的执行本身是无状态的,如果要持久化数据则需使用OSS等存储服务。虽然用户可以使用本地的磁盘,但是需要假定这些数据在函数执行完成后就不再需要了。
场景一:应用负载有显著的波峰波谷
Serverless化与否的评判标准并不是公司规模的大小,而是其业务背后的具体技术问题,比如业务波峰波谷明显,如何实现削峰填谷。一个公司的业务负载具有波峰波谷时,机器资源要按照峰值需求预估;而在波谷时期机器利用率则明显下降,因为不能进行资源复用而导致浪费。
业界普遍共识是,当自有机器的利用率小于30%,使用Serverless后会有显著的效率提升。对于云厂商,在具备了足够多的用户之后,各种波峰波谷叠加后平稳化,聚合之后资源复用性更高。比如,外卖企业负载高峰是在用餐时期,安防行业的负载高峰则是夜间,这是受各个企业业务定位所限的;而对于一个云厂商,如果其平台足够大,用户足够多,是不会有明显的波峰波谷的现象的。
场景二:典型用例-基于事件的数据处理
视频处理的后端系统,常见功能需求如下:视频转码、抽取数据、人脸识别等,这些均为通用计算任务,可由函数计算执行。
开发者需要自己写出实现逻辑,再将任务按照控制流连接起来,每个任务的具体执行由云厂商来负责。如此,开发变得更便捷,并且构建的系统天然高可用、实时弹性伸缩,用户不需要关心机器层面问题。
使用小tips:函数的执行本身是无状态的,如果要持久化数据则需使用OSS等存储服务。虽然用户可以使用本地的磁盘,但是需要假定这些数据在函数执行完成后就不再需要了。
相关文章推荐
- 大数据实时处理-基于Spark的大数据实时处理及应用技术
- 对于前端js框架对于事件处理的应用场景探讨
- 基于事件驱动的领域模型实现框架 - 分析框架如何解决各种典型业务逻辑场景
- 基于大数据的精准营销与应用场景
- 27.3 数据签名处理——基于CAPICOM的应用
- ZooKeeper的典型应用场景之负载均衡。
- 复杂事件处理(Complex Events Processing) --2. 复杂事件处理的功能和应用场景
- 基于HBase的大数据存储的应用场景分析
- 基于HBase的大数据存储的应用场景分析
- iOS的界面触摸事件处理机制,然后用一个实例来说明下应用场景.
- 大数据实时处理-基于Spark的大数据实时处理及应用技术培训
- 基于matlab的简单的寻找波峰波谷处理方法
- 大数据实时处理-基于Spark的大数据实时处理及应用技术培训
- ZooKeeper的典型应用场景之数据发布/订阅。
- 乐观锁与悲观锁的应用场景----处理高并发数据
- 基于事件驱动的领域模型实现框架 - 分析框架如何解决各种典型业务逻辑场景
- 基于matlab的简单的寻找波峰波谷处理方法
- 主外键关联数据的处理方式,以及应用场景分析
- 基于HBase的大数据存储的应用场景分析
- 跟我一起学Windows Workflow Foundation(3)-----使用If/Else活动,定制活动处理工作流,使用事件传递数据