阿里云PolarDB Serverless版免费试用全攻略：从零到一完成建库、建表与性能监控

阿里云PolarDB Serverless版免费试用实战指南：弹性数据库的零成本探索之旅

当开发者第一次听说"Serverless数据库"这个概念时，往往会联想到两个关键问题：它如何实现自动扩缩容？以及最重要的——如何在不花钱的情况下亲身体验这项前沿技术？阿里云PolarDB Serverless版的免费试用活动恰好为这两个问题提供了完美答案。

作为云计算领域的创新产品，PolarDB Serverless版彻底改变了传统数据库需要预配置资源的模式。它通过实时监测工作负载，自动调整计算资源，在流量高峰时秒级扩容，在空闲时自动收缩至最低配置。这种按需付费的特性尤其适合业务波动明显的场景，如电商大促、在线教育课程发布等周期性事件。而通过免费试用，开发者可以完整经历从资源申请、数据库创建到弹性测试的全流程，甚至能够模拟真实业务压力下的自动扩缩容行为，所有操作都在阿里云提供的免费额度内完成。

1. 快速获取免费试用资源

1.1 定位Serverless试用入口

阿里云官网的免费试用专区经常更新各类产品体验机会，但找到正确的入口需要一些技巧。登录阿里云控制台后，在顶部搜索栏输入"免费试用"直达活动页面，在数据库分类下筛选"PolarDB MySQL"产品线。关键点在于选择带有"Serverless"标识的选项，这通常显示为"PolarDB MySQL Serverless版"或类似名称。

提示：免费试用资源通常有地域限制，建议选择"华东1（杭州）"或"华北2（北京）"等主流区域，这些区域资源更充足且网络延迟较低。

点击"立即试用"后，系统会引导完成几个必要步骤：

1. 服务开通 ：首次使用需同意PolarDB服务协议
2. 资源选择 ：保持默认的Serverless配置（通常为1-8 PCU弹性范围）
3. 实名验证 ：确保账号已完成实名认证（个人或企业认证均可）

整个流程通常在3分钟内完成，成功后可在控制台"已开通服务"列表看到新建的PolarDB Serverless实例。

1.2 理解免费额度限制

阿里云为PolarDB Serverless提供两种免费资源：

资源类型	免费额度	超额计费方式
计算容量(PCU)	每月1000 PCU小时	按实际使用量后付费
存储空间	50GB SSD存储	超出部分按小时计费

PCU（PolarDB Capacity Unit）是PolarDB特有的计算资源单位，1 PCU约等于1核CPU+2GB内存的计算能力。假设实例运行在1 PCU配置下，1000 PCU小时相当于可以连续运行约41天（1000/24）。实际使用中，Serverless特性会使实例在空闲时自动降至0.5 PCU甚至暂停，从而大幅延长免费使用时长。

2. Serverless实例初始化配置

2.1 创建高权限账号

与传统数据库不同，PolarDB Serverless的账号体系分为管理账号和普通账号。建议首先创建高权限账号：

-- 通过控制台"账号管理"创建高权限账号
CREATE ACCOUNT 'admin_user'@'%' IDENTIFIED BY 'ComplexP@ssw0rd';
GRANT ALL PRIVILEGES ON *.* TO 'admin_user'@'%';

账号创建后，需要配置IP白名单才能连接。在"数据安全性"→"白名单设置"中，添加以下任一种配置：

• 特定IP：如"192.168.1.100"（本地公网IP）
• 全网段："0.0.0.0/0"（仅限测试环境使用）
• 阿里云内网："100.104.0.0/16"（ECS实例访问）

2.2 数据库与测试表创建

通过SQL控制台执行以下命令序列，建立完整的测试环境：

-- 创建专用于测试的数据库
CREATE DATABASE serverless_lab CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci;

-- 切换到新数据库
USE serverless_lab;

-- 创建模拟电商订单表
CREATE TABLE orders (
    order_id BIGINT PRIMARY KEY AUTO_INCREMENT,
    user_id VARCHAR(32) NOT NULL,
    product_code VARCHAR(64) NOT NULL,
    quantity INT DEFAULT 1,
    unit_price DECIMAL(10,2) NOT NULL,
    order_time DATETIME DEFAULT CURRENT_TIMESTAMP,
    INDEX idx_user (user_id),
    INDEX idx_product (product_code)
) ENGINE=InnoDB;

-- 创建用户信息表
CREATE TABLE users (
    user_id VARCHAR(32) PRIMARY KEY,
    user_name VARCHAR(64) NOT NULL,
    vip_level TINYINT DEFAULT 0,
    register_time DATETIME NOT NULL
);

这套表结构模拟了基础电商场景，后续可用于测试Serverless的弹性能力。为提升测试效率，可以批量生成测试数据：

-- 批量插入1000条用户数据
INSERT INTO users (user_id, user_name, vip_level, register_time)
SELECT 
    CONCAT('user', n),
    CONCAT('用户', n),
    FLOOR(RAND() * 3),
    DATE_SUB(NOW(), INTERVAL FLOOR(RAND() * 365) DAY)
FROM (
    SELECT a.N + b.N * 10 + c.N * 100 AS n
    FROM (SELECT 0 AS N UNION SELECT 1 UNION SELECT 2 UNION SELECT 3 UNION SELECT 4 UNION SELECT 5 UNION SELECT 6 UNION SELECT 7 UNION SELECT 8 UNION SELECT 9) a
    CROSS JOIN (SELECT 0 AS N UNION SELECT 1 UNION SELECT 2 UNION SELECT 3 UNION SELECT 4 UNION SELECT 5 UNION SELECT 6 UNION SELECT 7 UNION SELECT 8 UNION SELECT 9) b
    CROSS JOIN (SELECT 0 AS N UNION SELECT 1 UNION SELECT 2 UNION SELECT 3 UNION SELECT 4 UNION SELECT 5 UNION SELECT 6 UNION SELECT 7 UNION SELECT 8 UNION SELECT 9) c
    LIMIT 1000
) t;

-- 生成5000条随机订单
INSERT INTO orders (user_id, product_code, quantity, unit_price, order_time)
SELECT 
    CONCAT('user', FLOOR(1 + RAND() * 1000)),
    CONCAT('prod', FLOOR(1 + RAND() * 50)),
    FLOOR(1 + RAND() * 10),
    ROUND(RAND() * 100, 2),
    DATE_SUB(NOW(), INTERVAL FLOOR(RAND() * 30) DAY)
FROM (
    SELECT a.N + b.N * 10 + c.N * 100 + d.N * 1000 AS n
    FROM (SELECT 0 AS N UNION SELECT 1 UNION SELECT 2 UNION SELECT 3 UNION SELECT 4 UNION SELECT 5) a
    CROSS JOIN (SELECT 0 AS N UNION SELECT 1 UNION SELECT 2 UNION SELECT 3 UNION SELECT 4 UNION SELECT 5 UNION SELECT 6 UNION SELECT 7 UNION SELECT 8 UNION SELECT 9) b
    CROSS JOIN (SELECT 0 AS N UNION SELECT 1 UNION SELECT 2 UNION SELECT 3 UNION SELECT 4 UNION SELECT 5 UNION SELECT 6 UNION SELECT 7 UNION SELECT 8 UNION SELECT 9) c
    CROSS JOIN (SELECT 0 AS N UNION SELECT 1 UNION SELECT 2 UNION SELECT 3 UNION SELECT 4) d
    LIMIT 5000
) t;

3. Serverless弹性能力实战测试

3.1 配置自动扩缩容策略

PolarDB Serverless的核心价值在于其弹性能力，通过控制台"Serverless配置"页面可以调整关键参数：

1. 单节点资源范围 ：设置最小0.5 PCU，最大4 PCU（免费额度内建议值）
2. 只读节点扩展 ：启用自动添加只读节点，设置0-2个范围
3. 无活动暂停 ：开启"30分钟无连接自动暂停"以节省资源

配置完成后，系统会立即应用新策略。可以通过以下SQL查询当前资源配置：

-- 查看实例运行状态（需要高权限账号）
SHOW STATUS LIKE 'polar_srv%';

3.2 模拟负载触发自动扩容

为真实观察Serverless的弹性效果，需要设计可重复的压力测试方案。以下是使用内置存储过程模拟并发访问的方法：

DELIMITER //
CREATE PROCEDURE simulate_load(IN seconds INT)
BEGIN
    DECLARE end_time DATETIME;
    SET end_time = DATE_ADD(NOW(), INTERVAL seconds SECOND);
    
    WHILE NOW() < end_time DO
        -- 随机查询操作
        IF RAND() < 0.7 THEN
            SELECT COUNT(*) FROM orders WHERE user_id = CONCAT('user', FLOOR(1 + RAND() * 1000));
        END IF;
        
        -- 随机写入操作
        IF RAND() < 0.3 THEN
            INSERT INTO orders (user_id, product_code, quantity, unit_price)
            VALUES (
                CONCAT('user', FLOOR(1 + RAND() * 1000)),
                CONCAT('prod', FLOOR(1 + RAND() * 50)),
                FLOOR(1 + RAND() * 10),
                ROUND(RAND() * 100, 2)
            );
        END IF;
        
        -- 随机复杂查询
        IF RAND() < 0.2 THEN
            SELECT u.user_name, COUNT(o.order_id) as order_count, SUM(o.quantity * o.unit_price) as total_spent
            FROM users u JOIN orders o ON u.user_id = o.user_id
            WHERE u.vip_level > 0
            GROUP BY u.user_id
            HAVING total_spent > 100
            ORDER BY total_spent DESC
            LIMIT 10;
        END IF;
        
        -- 随机延迟以控制压力强度
        DO SLEEP(RAND() * 0.1);
    END WHILE;
END //
DELIMITER ;

在三个不同终端同时调用该存储过程，模拟真实并发场景：

-- 终端1：中等强度负载（运行60秒）
CALL simulate_load(60);

-- 终端2：高强度负载（运行45秒）
CALL simulate_load(45);

-- 终端3：间歇性爆发负载
DO BEGIN
    CALL simulate_load(10);
    DO SLEEP(5);
    CALL simulate_load(15);
END;

3.3 监控资源自动调整

在压力测试过程中，通过控制台"性能监控"页面观察关键指标变化：

计算资源弹性指标 ：

• PCU_Utilization ：当前PCU使用率（超过80%会触发扩容）
• Active_PCU ：实际使用的PCU数量
• Scale_Events ：扩缩容事件次数

性能指标 ：

• QPS ：每秒查询量
• TPS ：每秒事务量
• Avg_Latency ：平均查询延迟

典型扩缩容过程会呈现以下特征：

1. 初始阶段：PCU稳定在最小值（如0.5）
2. 压力上升：CPU使用率超过阈值（默认80%），触发扩容
3. 峰值阶段：PCU逐步增加到满足需求的水平
4. 压力下降：持续低利用率（如5分钟低于30%）触发缩容

注意：Serverless的扩缩容通常有1-2分钟的延迟，这是为了避免频繁抖动。测试时应保持足够时长的稳定负载。

4. 成本优化与使用技巧

4.1 免费额度最大化策略

要在试用期内充分体验Serverless特性，同时避免意外收费，可采用以下策略：

1. 定时任务管理 ：

   • 使用阿里云CloudMonitor设置定时任务，在非测试时段自动暂停实例
   • 配置报警规则，当PCU小时消耗达到800时发送提醒

2. 智能压测方法 ：

   # 示例：使用Python脚本控制测试节奏
   import random
   import time
   import pymysql
   
   def controlled_load_test():
       conn = pymysql.connect(
           host='your-instance-endpoint',
           user='admin_user',
           password='ComplexP@ssw0rd',
           database='serverless_lab'
       )
       
       phases = [
           {'duration': 300, 'qps': 5},   # 预热阶段
           {'duration': 600, 'qps': 20},  # 压力上升
           {'duration': 300, 'qps': 50},  # 峰值压力
           {'duration': 600, 'qps': 10}   # 冷却阶段
       ]
       
       for phase in phases:
           start = time.time()
           while time.time() - start < phase['duration']:
               with conn.cursor() as cursor:
                   if random.random() < 0.7:
                       cursor.execute("SELECT * FROM orders WHERE user_id = %s", 
                                    (f"user{random.randint(1, 1000)}",))
                   else:
                       cursor.execute("""
                           INSERT INTO orders (user_id, product_code, quantity, unit_price)
                           VALUES (%s, %s, %s, %s)
                       """, (
                           f"user{random.randint(1, 1000)}",
                           f"prod{random.randint(1, 50)}",
                           random.randint(1, 10),
                           round(random.uniform(10, 100), 2)
                       ))
                   conn.commit()
               time.sleep(1 / phase['qps'])
       
       conn.close()
   

3. 资源使用分析 ：

   • 每日检查"费用中心→使用记录"中的PolarDB消费情况
   • 关注 polar_serverless_cu 和 polar_serverless_storage 两个计费项

4.2 性能与成本平衡点

通过系统视图 information_schema.polar_serverless 可以获取历史资源使用数据，帮助找到最佳配置：

-- 查询过去24小时的资源使用模式
SELECT 
    DATE_FORMAT(sample_time, '%Y-%m-%d %H:00') AS hour,
    MIN(pcu_value) AS min_pcu,
    MAX(pcu_value) AS max_pcu,
    AVG(pcu_value) AS avg_pcu,
    COUNT(scale_action) AS scale_events
FROM information_schema.polar_serverless
WHERE sample_time > DATE_SUB(NOW(), INTERVAL 1 DAY)
GROUP BY hour
ORDER BY hour;

根据查询结果调整Serverless配置的建议：

使用模式特征	推荐配置调整	预期节省效果
夜间持续低负载(PCU<0.8)	降低最小PCU至0.25	节省30-50%计算成本
频繁短时峰值(>5次/小时)	适当提高最小PCU(如1.0)	减少扩容延迟
持续中等负载(PCU 1.5-2.5)	设置PCU范围1.0-3.0	平衡性能与成本
可预测的每日高峰	使用定时伸缩策略提前扩容	避免性能瓶颈

5. 技术原理深度解析

5.1 Serverless架构实现机制

PolarDB Serverless的弹性能力建立在三大核心技术之上：

1. 计算与存储分离架构 ：

   • 计算节点：无状态，可快速创建/销毁
   • 分布式存储：采用Parallel Raft协议保证数据一致性
   • 共享存储池：所有计算节点访问同一份数据

2. 智能资源调度系统 ：

   graph TD
       A[负载监控] -->|指标采集| B(决策引擎)
       B --> C{需要扩容?}
       C -->|是| D[申请新计算节点]
       C -->|否| E[维持现状]
       D --> F[数据缓存预热]
       F --> G[流量切换]
   

3. 秒级扩缩容流程 ：

   • 扩容触发：监控到CPU利用率>80%持续2分钟
   • 新节点准备：从资源池分配计算资源（约30秒）
   • 数据预热：将热点数据加载到新节点缓存
   • 连接迁移：新连接路由到扩容节点，旧连接逐步迁移

5.2 与传统数据库对比优势

从开发者体验角度，PolarDB Serverless带来了多项革新：

连接管理改进 ：

• 传统数据库：连接数受限于实例规格
• Serverless版：连接池自动扩展，支持万级并发

运维复杂度对比 ：

运维任务	传统方案	Serverless方案
容量规划	需提前预测峰值，预留20-30%	系统自动处理，按需分配
版本升级	需安排维护窗口，手动操作	后台自动完成，无感知中断
故障恢复	依赖主从切换，RTO分钟级	多副本自动切换，RTO<30秒
性能优化	需DBA手动分析慢查询	内置智能调优建议

成本模型差异 ：

# 传统按量付费模型成本计算
def traditional_cost(cpu, memory, storage, hours):
    base_rate = 0.5  # 元/核小时
    memory_rate = 0.2 # 元/GB小时
    storage_rate = 0.1 # 元/GB月
    return (cpu * base_rate + memory * memory_rate) * hours + storage * storage_rate / 720

# Serverless成本计算
def serverless_cost(pcu_hours, storage_gb, iops):
    pcu_rate = 0.3    # 元/PCU小时
    storage_rate = 0.1 # 元/GB月
    iops_rate = 0.0002 # 元/IOPS
    return pcu_hours * pcu_rate + storage_gb * storage_rate / 720 + iops * iops_rate

# 示例：中等负载场景对比
traditional = traditional_cost(4, 8, 50, 720)  # 4核8G运行一个月
serverless = serverless_cost(500, 50, 1000000) # 平均2PCU运行
print(f"传统方案: {traditional:.2f}元, Serverless: {serverless:.2f}元") 

6. 真实场景应用示例

6.1 突发流量应对方案

在线教育平台在直播课开始前5分钟通常会出现数据库访问陡增。使用PolarDB Serverless的预扩展功能可以优雅应对：

1. 创建定时伸缩规则：

   # 使用阿里云CLI配置预扩展
   aliyun polardb CreateScheduledTask \
     --DBClusterId pc-xxxxxx \
     --TaskName "pre-scale-for-class" \
     --ScheduleType "Regular" \
     --ScheduleTime "00 09 * * 1,3,5" \  # 每周一、三、五9:00
     --TargetPCU 4 \
     --MinPCU 2 \
     --MaxPCU 8
   

2. 配合应用层缓存：

   // Spring Boot示例：多级缓存策略
   @Cacheable(value = "courseContent", cacheManager = "caffeineCacheManager")
   @SecondaryCache(expireTime = 3600, name = "redisCache")
   public CourseDetail getCourseDetail(String courseId) {
       // 数据库查询仅在缓存未命中时执行
       return jdbcTemplate.queryForObject(
           "SELECT * FROM courses WHERE course_id = ?", 
           new CourseDetailRowMapper(), 
           courseId);
   }
   

6.2 数据分析场景优化

对于不定期的数据分析任务，传统方案需要常备高配资源。Serverless版可通过临时升配解决：

-- 在分析任务开始前手动触发扩容
CALL sys.polar_change_pcu(8); -- 临时提升至8 PCU

-- 执行复杂分析查询
WITH user_activity AS (
    SELECT 
        user_id,
        COUNT(*) AS order_count,
        SUM(quantity * unit_price) AS total_spent
    FROM orders
    WHERE order_time > DATE_SUB(NOW(), INTERVAL 30 DAY)
    GROUP BY user_id
)
SELECT 
    u.user_name,
    u.vip_level,
    a.order_count,
    a.total_spent,
    a.total_spent / NULLIF(a.order_count, 0) AS avg_order_value
FROM users u
JOIN user_activity a ON u.user_id = a.user_id
ORDER BY a.total_spent DESC
LIMIT 100;

-- 任务完成后立即降配
CALL sys.polar_change_pcu(0.5);

这种模式下，资源成本与业务价值直接挂钩——只有当分析任务执行时才使用高配资源，日常维护成本降至最低。