超级会员免费看
本文探讨了serverless架构中冷启动延迟的问题，分析了延迟产生的原因，并提出了减少容器准备延迟和函数库加载延迟的解决方案。通过对现有平台的比较，为优化serverless性能提供了思路。
0、一点感悟
由于学业的需要最近开始看论文了，为了对看过的论文进行梳理总结，因此决定开个专栏进行总结输出。
论文为什么很多人不喜欢，是因为写作的方式有点反人性，但是却蕴含着宝藏，因为通过读论文能快速了解一个技术领域的解决方案、研究热点。话说最近搜到了一个算法实现的招标，价格接近百万，如果有人既能从论文中摄取营养又有很强的工程经验，就多了一个赚钱的可能。
同时读论文可以找到技术理论的原始出处，例如公众号上写烂的分布式事物、并发调度之类的都可以找到理论的原始出处，这种感觉很赞。
话说上期介绍了knative实战教程，很多朋友反馈还不错，这次来个更深一点的，也是我从论文中学到的思路，分享给大家。
1、serverless为什么会有冷启动延迟
serverless最大特性是方面的扩缩容。这意味着，在通过事件触发函数后，函数将被部署到容器中，并给定所有的执行它所需的资源。当函数执行完成且没有后续请求时，所有已分配的资源将被释放。这就产生了一种“随费随付”(pay-asyou-go)的成本模式，即不需要为空闲时间付费。这种性能虽然降低了成本，但也带来了冷启动的挑战。例如，在图像识别场景中，我们想要识别的一张照片存储在Amazon S3中。图像识别功能部署在AWS Lambda上，使用Tensorflow库进行图像识别，图像识别也存储在S3上，并通过HTTP事件触发。当事件开始时，Lambda平台调用相应的函数并将其部署到容器上。然后从S3下载Tensorflow库和所需的映像，并提供给函数。因此，该函数的执行步骤如下:
订阅专栏 解锁全文
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
