掌握了hello world之後，就來看看OpenFaaS架構
Overview
如上圖，OpenFaaS在架構上，屬於承上啓下的第二層，需要部署在k8s上，同時需要container registry存儲image；也需要NATS負責異步處理，Prometheus負責收集metrics，同時負責擴容
workflow上看：
OpenFaaS Gateway負責處理所有request (svc/func的route是自動生成的，當然也可以自定義)Prometheus通過Gateway收集各種metrics，同時結合AlertManager，來判斷是否需要擴容和縮容- 直接
/function/name是同步執行func，/async-function/name則是藉助NATS實現異步執行func (可以自定義callback url)
OpenFaaS WatchDog
watchdog的主要任務是：啓動和監控各個function；它相當於一個 init process，內置了一個Go寫的Http Server；
Auto-scalling
Auto-scalling功能使得function根據不通metrics來進行擴容和縮容
QPS+AlertManager: AlertManager通過讀取Permethues metrics，判斷是否apply rule觸發擴容和縮容CPU/Memory Utilization+k8s HPA: 也可以不使用AlertManager；利用k8sHPA可以通過判斷pod的CPU和Memory的利用率來做擴縮容
此外值得提一點的是，如果function長時間沒有任何request，function instance的數量就會變爲0 (down to zero replica)，在openfaas裏叫做idling；faas-idler就是專門幹這個的，當然直接調用API也可以
🤔 值得考慮OpenFaaS或者Serverless嗎？
繼續深入之前，有個問題擺在面前；就是，真的值得將現有App遷移到 Serverless 上嗎？到底什麼場景適合使用OpenFaas?
我理解是，只有那些小型不復雜，且依賴(內部/外部)較小，且對 server load 沒嚴格認識或要求 (擴縮容甚至0 request)的backend項目，纔可以嘗試…
比如說各種小程序後臺，數據處理，甚至機器學習的模型API…
這裏先給自己立個flag，下一篇，嘗試一下使用OpenFaaS部署機器學習模型，並expose api