導讀
高德啓動Serverless建設已經有段時間了，目前高德Serverless業務的峯值早已超過十萬QPS量級，平臺從0到1，QPS從零到超過十萬，成爲阿里集團內Serverless應用落地規模最大的BU。這個過程如何實現，遇到過哪些問題？本文將和大家分享高德爲何要搞Serverless/Faas，如何做，技術方案是什麼？目前進展以及後續計劃有哪些，希望對感興趣的同學有所幫助。
1. 高德爲什麼要搞Serverless
背景原因是高德當年啓動了一個客戶端上雲項目，項目主要目的是爲了提升客戶端的開發迭代效率。以前客戶端業務邏輯都在端上，產品需求的變更需要走客戶端發版才能發佈，而客戶端發版需要走各種測試流程，灰度流程，解客戶端崩潰等問題。
客戶端上雲之後，某些易變的業務邏輯放到雲上來。新的產品需求通過在雲端來開發，不用走月度的版本發佈，加快了需求的開發迭代效率，離產研同頻的理想目標又近了一步（爲什麼要說“又”，是因爲高德之前也做了一些優化往產研同頻的方向努力，但是我們希望雲端一體化開發能是其中最有效的一個技術助力）。
1.1 目標：客戶端開發模式——端雲一體
雖然開發模式從以前的端開發轉變爲現在的雲 + 端開發，開發同學應該還是原來負責相應業務的同學，而大家知道，服務端開發和客戶端開發顯然是有差異的，客戶端開發往往是面向單機模式的開發，服務端開發通常是集羣模式，需要考慮分佈式系統的協調、負載均衡，故障轉移降級等各種複雜問題。
如果使用傳統的服務端模式來開發，這個過渡風險就會比較大。Faas很好的解決了這一問題。我們結合高德客戶端現有的xbus框架(一套客戶端上的本地服務註冊、調用的框架)，擴展了xbus-cloud組件，使得雲上的開發就像端上開發一樣，目標是一套代碼，兩地運行，一套業務代碼既能在客戶端上運行，也能在服務端上運行。
高德客戶端主要有三個端：iOS、Android、車機（類Linux操作系統）。主要有兩種語言，C++和Node.js。傳統地圖功能：如地圖顯示，導航路徑顯示，導航播報等等，由於需要跨三個端，採用C++語言來開發。地圖導航基礎之上的一些地圖應用功能，如行前、行後卡片，推薦目的地等主要是用Node.js來開發的。
在阿里集團，淘系前端團隊開發了Node.js Faas Runtime。高德客戶端上雲項目，Node.js的部分就採用了現有的淘系的Node.js Runtime，來接入集團的Faas平臺，完成Node.js這部分的一些業務上雲。2020年十一很好的支撐了高德的十一出行節業務。
C++ Faas沒有現有的解決方案，因此我們決定在集團的基礎設施之上做加法，新建C++ Faas基礎平臺，來助力高德客戶端上雲。
1.1.1 端雲一體的最佳實踐關鍵：客戶端和Faas之間的接口抽象
原本客戶端的邏輯移到Faas服務端上來，或者新的需求一部分在Faas服務端上開發，這裏的**成敗關鍵點在於：客戶端和Faas的接口協議定義，也就是Faas的API定義。**好的API定義除了對系統的可維護性有好處以外，對後續支撐業務的迭代開發也很重要。
理想情況下：客戶端做成一個解析Faas返回結果數據的一個瀏覽器。瀏覽器協議一旦定義好，就不會經常變換，你看IE，Chrome就很少更新。
當然我們的這個瀏覽器會複雜一些，我們這個瀏覽器是地圖瀏覽器。如何檢驗客戶端和Faas之間的接口定義好不好，可以看後續的產品需求迭代，如果有些產品需求迭代只需要在Faas上完成，不需要客戶端的任何修改，那麼這個接口抽象就是成功的。
1.2 BFF層開發提效
提到高德，大家首先想到的應該是其工具屬性：高德是一個導航工具，（這個說法現在已經不太準確了，因爲高德這幾年在做工具化往平臺化轉型，高德的交易類業務正在興起，高德打車、門票、酒店等業務發展非常迅猛）。針對高德導航來說，相比集團其他業務，相比電商來說，有大量的只讀場景是高德業務的一大技術特點。
這些只讀場景裏，大量的需求是BFF（Backend For Frontend）類型的只讀場景。爲什麼這麼說，因爲導航的最核心功能，例如routing, traffic, eta等都是相對穩定的，這部分的主要工作在用持續不斷的優化算法，使得高德的導航更準，算出的路徑更優。這些核心功能在接口和功能上都是相對比較穩定的，而前端需求是多變的，例如增加個路徑上的限寬墩提示等。
Faas特別適合做BFF層開發，在Faas上調用後端相對穩定的各個Baas服務，Faas服務來做數據和調用邏輯封裝，快速開發、發佈。在業界，Faas用的最多的場景也正是BFF場景（另外一個叫法是SFF場景，service for frontend）。
1.3 Serverless是雲時代的高級語言
雖然高德已經全面上雲了，但是目前還不是雲時代的終局，目前主要是全面Docker化並上雲，容器方面做了標準化，在規模化，資源利用率方面可以全面享受雲的紅利，但是業務開發模式上基本還和以前一樣，還是一個大型的分佈式系統的寫法。
對於研發模式來說還並沒有享受雲的紅利，可以類比爲我們現在是在用匯編語言的方式來寫跑在雲上的服務。而Serverless、雲原生可以理解爲雲時代的高級語言，真正做到了Cloud as a computer，只需要關注於業務開發，不需要考慮大型分佈式系統的各種複雜性。
1.4 Go-Faas補充Go語言生態
前面講到了因爲客戶端上雲項目，我們在阿里雲FC（函數計算）團隊之上做加法，開發了C++ Faas Runtime。
不僅如此，我們還開發了Go-Faas，爲什麼會做Go-Faas呢，這裏也簡單介紹一下背景，高德服務端Go部分的QPS峯值已超百萬。高德已補齊了阿里各中間件的Go客戶端，和集團中間件部門共建。可觀測性、自動化測試體系也基本完善，目前Go生態已基本完善。補齊了Go-Faas之後，我們就既能用Go寫Baas服務，又能用Go寫Faas服務了，在不同的業務場景採用不同的服務實現方式，Go-Faas主要應用於上文提到的BFF場景。
2. 技術方案介紹——在集團現有基礎設施之上做加法
2.1 整體技術架構
上文講了我們爲什麼要做這個事情，現在來講一下我們具體是怎麼做這個事情：如何實現，具體的技術方案是什麼樣的。
我們本着在集團現有的基礎設施、現有的中間件基礎之上做加法的思想，我們和CSE，阿里雲FC函數計算團隊合作共建，開發了C++ Faas Runtime 和 Go Faas Runtime。整體和集團拉通的技術架構如下圖所示，主要分爲研發態、運行態、運維態三個部分。
2.1.1 運行態
先說運行態，業務流量從網關進來，調用到FC API Server，轉發到C++/Go Faas Runtime，Runtime來完成用戶函數裏的功能。Runtime的架構下一章節來具體介紹。
和Runtime Container一起部署的有監控、日誌、Dapr各種Side car，Side car來完成各種日誌採集上報功能，Dapr Side car來完成調用集團中間件的功能。
另外，目前Dapr還在試點的階段，調用中間件主要是通過Broker和各個中間件Proxy來完成，中間件調用的有HSF,Tair,Metaq,Diamond等中間件Proxy。
最後Autoscaling模塊來管理函數實例的擴縮容，達到函數自動伸縮的目的。這裏的調度就有各種策略了，有根據請求併發量的調度，函數實例的CPU使用率的調度。也能提前設置預留實例數，避免縮容到0之後的冷啓動問題。
底層調用的是集團ASI的能力，ASI可以簡單理解爲集團的K8S + Sigma（集團的調度系統），最終的部署是FC調用ASI來完成函數實例部署。彈性伸縮的，部署的最小單位是上圖中的POD，一個POD裏包含Runtime Container和Sidecar Set Container。
2.1.2 研發態
再來看研發態，運行態是決定函數是如何運行的，研發態關注的函數的開發體驗。如何方便的讓開發者開發、調試、部署、測試一個函數。
C++ Faas有個跨平臺的難點問題，C++ Faas Runtime裏有一些依賴庫，這些依賴庫沒有Java依賴庫管理那麼方便。這些依賴庫的安裝比較麻煩，Faas腳手架就是爲了解決這個問題，調用腳手架，一鍵生成C++ Faas示例工程，安裝好各種依賴包。爲了本地能方便的Debug，開發了一個C++ Faas Runtime Boot模塊，函數Runtime啓動入口在Boot模塊裏，Boot模塊裏集成Runtime和用戶Faas函數，可以對Runtime來做Debug單步調試。
我們和集團Aone團隊合作，函數的發佈集成到Aone環境上了，可以很方便的在Aone上來發布Go或者C++ Faas，Aone上也集成了一鍵生成Example代碼庫的功能。
C++和Go Faas的編譯都依賴相應的編譯環境，Aone提供了自定義編譯鏡像的功能，我們上傳了編譯鏡像到集團的公共鏡像庫，函數編譯時，在函數的代碼庫裏指定相應的編譯鏡像。編譯鏡像裏安裝了Faas的依賴庫，SDK等。
2.1.3 運維態
最後來看函數的運維監控，Runtime內部集成了鷹眼、Sunfire採集日誌的功能，Runtime裏面會寫這些日誌，通過Sidecar裏的Agent採集到鷹眼、或者Sunfire監控平臺上去（FC是通過SLS來採集的）之後，就能使用集團現有的監控平臺來做Faas的監控了。也能接入集團的GOC報警平臺。
2.2 C++/Go Faas Runtime架構
上面講的是和Aone,FC/CSE,ASI集成的一個整體架構，Runtime是這個整體架構的一部分，下面具體講講Runtime的架構是怎樣的，Runtime是如何設計和實現的。
最上面部分的用戶Faas代碼只需要依賴Faas SDK就可以了，用戶只需要實現Faas SDK裏的Function接口就能寫自己的Faas。
然後，如果需要調用外部系統，可以通過SDK裏的Http Client來調用，如果要調用外部中間件，通過SDK裏的Diamond/Tair/HSF/Metaq Client來調用中間件就可以。SDK裏的這些接口屏蔽了底層實現的複雜性，用戶不需要關心這些調用最後是如何實現，不需要關心Runtime的具體實現。
SDK層就是上面提到的Function定義和各種中間件調用的接口定義。SDK代碼是開發給Faas用戶的。SDK做的比較輕薄，主要是接口定義，不包含具體的實現。調用中間件的具體實現在Runtime裏有兩種實現方式。
再來看上圖中間藍色的部分，是Runtime的一個整體架構。Starter是Runtime的啓動模塊，啓動之後，Runtime自身是一個Server，啓動的時候根據Function Config模塊的配置來啓動Runtime,Runtime啓動之後開啓請求和管理監聽模式。
往下是Service層，實現SDK裏定義的中間件調用的接口，包含RSocket和Dapr兩種實現方式，RSocket是通過RSocket broker的模式來調用中間件的，Runtime裏集成了Dapr(distributed application runtime) ，調用中間件也可以通過Dapr來調用，在前期Dapr試點階段，如果通過Dapr調用中間件失敗了，會降級到RSocket的方式來調用中間件。
再往下就是RSocket的協議層，封裝了調用RSocket的各種Metadata協議。Dapr調用是通過GRPC方式來調用的。最下面一層就是集成了RSocket和Dapr了。
RSocket調用還涉及到Broker選擇的問題，Upstream模塊來管理Broker cluster,Broker的註冊反註冊，Keepalive檢查等等，LoadBalance模塊來實現Broker的負載均衡選擇，以及事件管理，連接管理，重連等等。
最後Runtime裏的Metrics模塊負責鷹眼Trace的接入，通過Filter模式來攔截Faas鏈路的耗時，並輸出鷹眼日誌。打印Sunfire日誌，供Sidecar去採集。下圖是一個實際業務的Sunfire監控界面：
2.2.1 Dapr
Dapr架構見下圖所示，具體可以參考看官方文檔
Runtime裏以前調用中間件是通過RSocket方式來調用的，這裏RSocket Broker會有一箇中心化問題，爲了解決Outgoing流量去中心化問題，高德和集團中間件團隊合作引入了Dapr架構。只是Runtime層面集成了Dapr，對於用戶Faas來說無感知，不需要關心具體調用中間件是通過RSocket調用的還是通過Dapr調用的。後面Runtime調用中間件切換到Dapr之後，用戶Faas也是不需要做任何修改的。
3. 業務如何接入Serverless
如前文所述，統一在Aone上接入。我們提供了C++ Faas/Go Faas的接入文檔。提供了函數的Example代碼庫，代碼庫有各種場景的示例，包括調用集團各種中間件的代碼示例。
C++ Faas/Go Faas的接入面向整個集團開放，目前已經有一些高德以外的BU，在自己的業務中落地了C++ /Go Faas了。
Node.js Faas使用淘寶提供的Runtime和模板來接入，Java Faas使用阿里雲FC提供的Runtime和模板來接入就可以了。
3.1 接入規範——穩定性三板斧：可監控、可灰度、可回滾
針對落地新技術大家可能擔心的穩定性問題，應對法寶是阿里集團的穩定性三板斧：可監控、可灰度、可回滾。建立Faas鏈路保障羣，拉通上下游各相關業務方、基礎平臺一起，按照集團的1-5-10要求，做到1分鐘之內響應線上報警，快速排查，5分鐘之內處理；10分鐘之內恢復。
爲了規範接入過程，避免犯錯誤引發線上故障，我們制定了Faas接入規範和CheckList，來幫助業務方快速使用Faas。
可監控、可灰度、可回滾是硬性要求，除此之前，業務方如果能做到可降級就更好了。我們的C++客戶端上雲業務，在開始試點的階段，就做好了可降級的準備，如果調用Faas端失敗，本次調用將會自動降級到本地調用。基本上對於客戶端功能無損，只是會增加一些響應延遲。
另外，客戶端上該功能的版本，可能會比服務端稍微老一點，但是功能是向前兼容的，基本不影響客戶端使用。
4. 我們目前的情況
4.1 基礎平臺建設情況
- Go/C++ Faas Runtime開發完成，對接FC-Ginkgo/CSE、Aone完成，已發佈穩定的1.0版本。
- 做了大量的穩定性建設、優雅下線、性能優化、C編譯器優化，使用了阿里雲基礎軟件部編譯器優化團隊提供的編譯方式來優化C++ Faas的編譯，性能提升明顯。
- C++/Go Faas接入鷹眼、Sunfire監控完成，函數具備了可觀測性。
- 池化功能完成，具備秒級彈性的能力。池化Runtime鏡像接入CSE，擴一個新實例的時間由原來的分鐘級變爲秒級。
4.2 高德的Serverless業務落地情況
C++ Faas和Go Faas以及Node.js Faas在高德內部已經有大量應用落地了。舉幾個例子：
上圖中的前兩個圖是C++ Faas開發的業務：長途天氣、沿途搜。後兩個截圖是Go-Faas開發的業務：導航Tips，足跡地圖。
高德是阿里集團內Serverless應用落地規模最大的BU，已落地的Serverless應用，日常峯值早已超過十萬QPS量級。
4.3 主要收益
高德落地了集團內規模最大的Serverless應用之後，都有哪些收益呢？首先，第一個最重要的收益是：開發提效。我們基於Serverless實現的端雲一體組件，助力了客戶端上雲，解除了需求實現時的客戶端發版依賴問題，提升了客戶端的開發迭代效率。基於Serverless開發的BFF層，提升了BFF類場景的開發迭代效率。
**第二個收益是：運維提效。**利用Serverless的自動彈性擴縮容技術，高德應對各種出行高峯就更從容了。例如每年的10-1出行節，5-1、清明、雙旦、春節的出行高峯，不再需要運維或者業務開發同學在節前提前擴容，節後再縮容了。
高德業務高峯的特點還不同於電商的秒殺場景。出行高峯的流量不是在一秒內突然漲起來的，我們目前利用池化技術實現的秒級彈性的能力，完全能滿足高德的這個業務場景需求。
**第三個收益是：降低成本。**高德的業務特點，白天流量大、夜間流量低，高峯值和低谷值差異較大，時間段區分明顯。利用Serverless在夜間流量低峯時自動縮容技術，極大的降低了服務器資源的成本。
5. 後續計劃
- FC彈內函數計算使用優化，和FC團隊一起持續優化彈內函數計算的性能、穩定性、使用體驗。用集團內的豐富的大流量業務場景，不斷打磨好C++/Go Faas Runtime，並最終輸出到公有云，普惠數字化轉型浪潮中的更多企業。
- Dapr落地，解決Outcoming流量去中心化問題，逐步上線一些C++/Go Faas，使用Dapr的方式調用集團中間件。
- Faas混沌工程，故障演練，逃生能力建設。Faas在新財年也會參與我們BU的故障演練，逐一解決演練過程中發現的問題。
- 接入邊緣計算。端雲一體的場景下，Faas + 邊緣計算，能提供更低的延時，更好的用戶體驗。
以上要做的事情任重道遠，另外我們未來還會做更多雲原生的試點和落地，技術同學都知道，從技術選型、技術原型到實際業務落地，這之間還有很長的路要走。
歡迎對Serverless、雲原生、或者Go應用開發感興趣的小夥伴，想一起做點事情的同學來加入我們（不管之前是什麼技術棧，英雄不問出處，投簡歷到 [email protected]，郵件主題爲：姓名-技術方向-來自高德技術），這裏有大規模的落地場景和簡單開放的技術氛圍。歡迎自薦或推薦。
